山东大学2016模式识别考试地题目回忆版.pdfVIP

实用标准 一、判断题（ 共 10 个题 ） 请写清楚题号，在答卷纸上填写√或×，不要直接在本页回答。 特别说明： 本部分题目的得分规则为：答对一个题，得 2 分；不答（即放弃回答）的题，本 题得 0 分；答错一个题，得 -2 分（即反扣 2 分）。本道大题得负分的，从其他大题扣除。所 以，判断题的回答，建议慎重对待。 1. 基于最小错误率的贝叶斯概率是 损失函数 0-1 的 基于最小风险贝叶斯概率的特例 2. 监督参数估计是（太多记不住） 。。。 3. 单隐层神经网络在经过足够训练后，不管节点多少，总能找到全局最优解。 4. 决策树可以生成规则集，且生成的规则集是可以解释的。 5. SVM向量机在样本数据少、非线性的情况下有优势。 6. Bagging 是一种串行学习框架。 7. 泛化能力指的是在训练集中体现的特点。 8. Self_Trainning 是一种半监督的方法。 9. 决策树属性选择是依照信息增益比。 10. 2006 年以前，多隐层神经网络因为缺乏良好的算法，限制了深度学习的发展。 二、计算题 设在某个局部地区细胞识别中正常 和异常 两类的先验概率分别为： 1 2 正常状态： P( 1 ) 0.9 异常状态： P( 2 ) 0.1 现有一待识别的细胞，其观察值为 x ，从类条件概率密度分布曲线上查得 p(x | 1 ) 0.2, p(x | 2 ) 0.4 试使用贝叶斯决策对该细胞 x 进行分类（要求给出具体计算过程及计算结果） 解： 利用贝叶斯公式，分别计算出 1 及 2 的后验概率 p(x | 1 ) p( 1 ) 0.2 0.9 P( 1 | x) 2 0.818 0.2 0.9 0.4 0.1 p(x | j ) p( j ) j 1 P( 2 | x) 1 P( 1 | x) 0.182 根据贝叶斯决策规则，有 P( 1 | x) 0.818 P( 2 | x) 0.182 所以合理的决策规则是把 x 归类于正常状态。 三、简答题 1、应用贝叶斯决策需要满足的三个前提条件是什么？ （1）分类的类别数； （2 ）先验概率； （3）各类的类条件概率密度。 文案大全 实用标准 2、试简述您对先验概率和后验概率理解 先验概率： 预先已知的或者可以估计的模式识别系统位于某种类型的概率。 根据大数定 律，当训练集包含充足的独立同分布样本时， 先验概率就可以通过各类样本出现的频率 来进行估计。 后验概率： 后验概率是通过贝叶斯公式对先验概率进行修正， 计算而得出的概率。 表示 系统在某个具体的模式样本 X 条件下位于某种类型的概率。 3、试简述 Fisher 线性判别的基本思想 解决多维到一维的投影问题，利用线性判别方法解决一维分类问题。 从 k 个总体中抽取具有 p 个指标的样品观测数据， 借助方差分析的思想构造一个线性判 别函数， 构造原则是使得总体之间区别最大， 而使各总体内部的离差最小。 有了线性判别函 数之后， 对于一个新的样品， 将它的 p 个指标值带入线性判别函数式中求出结果值