【模式识别】期末考试试卷02资料.docVIP

《模式识别》期末考试试题（A） 一、填空题（15个空，每空2分，共30分） 1．基于机器学习的模式识别系统通常由两个过程组成, 即（ ）和分类判决。 2．统计模式识别把观察对象表达为一个随机向量(即特征向量), 将( )表达为由有穷或无穷个具有相似数值特性的模式组成的集合。 3．特征一般有两种表达方法: (1)将特征表达为( )；(2)将特征表达为基元。 4．特征提取是指采用变换或映射实现由模式测量空间向( )的转变。 5．同一类模式类样本的分布比较集中，没有或临界样本很少，这样的模式类称为( )。 6．加权空间的所有( )都通过坐标原点。 7．线性多类判别： 若每两个模式类间可用判别平面分开， 在这种情况下，M类有( )个判别函数,存在有不确定区域。 8．当取( )损失函数时, 最小风险贝叶斯判决准则等价于最大后验概率判决准则。 9．Neyman-Pearson决策的基本思想是( )某一错误率，同时追求另一错误率最小。 10．聚类/集群：用事先不知样本的类别，而利用样本的先验知识来构造分类器属于( )学习。 11．相似性测度、( )和聚类算法称为聚类分析的三要素。 12．K/C均值算法使用的聚类准则函数是( )准则，通过反复迭代优化聚类结果，使所有样本到各自所属类别的中心的距离平方和达到最小。 13．根据神经元的不同连接方式，可将神经网络分为分层网络和相互连接型网络两大类。其中分层网络可细分为前向网络、具有反馈的前向网络和( )三种互连方式。 14．神经网络的特性及能力主要取决于( )及学习方法。 15．BP神经网络是采用误差反向传播算法的多层前向网络，其中，神经元的传输函数为S型函数，网络的输入和输出是一种( )映射关系。 二、简答题（2题，每小题10分，共20分） 1．简述有监督分类方法和无监督分类方法的主要区别。 2．已知一组数据的协方差矩阵为，试问： (1) 协方差矩阵中各元素的含义是什么？ (2) K-L变换的最佳准则是什么？ (3) 为什么说经K-L变换后消除了各分量之间的相关性？ 计算题(2题，每小题13分，共26分) 1．设有两类样本，两类样本的类内离散度矩阵分别为，，各类样本均值分别为和，试用Fisher准则求其决策面方程。 2．设有两类正态分布的样本集，第一类均值，方差，第二类均值，方差，先验概率。试按最小错误率Bayes决策求两类的分界面。 一、填空题（每空2分，共30分） 1.分类器设计, 2.模式类, 3.数值, 4. 特征空间, 5. 紧致集, 6. 分界面, 7. M(M-1)/2, 8. 0-1, 9. 约束或限制, 10. 无监督, 11. 聚类准则, 12. 误差平方和, 13. 层内互连前向网络, 14. 网络拓扑结构, 15. 非线性 二、简答题（2题，每小题10分，共20分） 参考答案 1．答：监督分类方法和无监督分类方法主要区别如下： (1) 监督分类方法有训练样本集，在训练样本集中给出不同类别的训练样本，用这些训练样本可以找出区分不同类样本的方法，从而在特征空间中划定决策区域。 (2) 监督分类方法由训练阶段和测试阶段组成。训练阶段利用训练集中的训练样本进行分类器设计，确定分类器参数；测试阶段将待识别样本输入，根据分类的决策规则，确定待识别样本的所属类别。 (3) 无监督分类方法可用来分析数据的内在规律，它没有训练样本，如聚类分析等方法属于无监督分类方法。 2．答：已知协方差矩阵，则： (1) 其对角元素是各分量的方差，非对角元素是各分量之间的协方差。 (2) K-L变换的最佳准则为：对一组数据按一组正交基进行分解，在只取相同数量分量的条件下，以均方误差计算截尾误差最小。 (3) 在经K-L变换后，协方差矩阵成为对角矩阵，因而各主分量间的相关消除。 三、计算题(2题，每小题13分，共26分) 1．解： 2．解：