- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
一、填空与选择填空(本题答案写在此试卷上, 30 分)
1、模式识别系统的基本构成单元包括: 模式采集 、 特征提取与选择
和 模式分类 。
2、统计模式识别中描述模式的方法一般使用 特真矢量 ;句法模式识别中模式描述方法
一般有 串 、 树 、 网 。
3、聚类分析算法属于 ( 1) ;判别域代数界面方程法属于
(3) 。
(1)无监督分类 (2)有监督分类 (3)统计模式识别方法( 4)句法模式识别方法
4、若描述模式的特征量为 0-1 二值特征量,则一般采用 (4) 进行相似性度量。
( 1)距离测度 (2)模糊测度 (3)相似测度 (4)匹配测度
5、 下列函数可以作为聚类分析中的准则函数的有
( 1)( 3)( 4) 。
( 1 ) ( 2 )
(3)
(4)
6、Fisher 线性判别函数的求解过程是将 N 维特征矢量投影在 ( 2) 中进行 。
(1)二维空间 (2)一维空间 (3)N-1 维空间
7、下列判别域界面方程法中只适用于线性可分情况的算法有都适用的有 (3) 。
(1) ;线性可分、不可分
(1)感知器算法 ( 2) H-K 算法 (3)积累位势函数法
8、下列四元组中满足文法定义的有 (1)( 2)( 4) 。
1)({A, B}, {0, 1}, { A?01,A ? 0A1 , A ? 1A0 , B ?BA , B ? 0}, A)
2)({A}, {0, 1}, { A?0,A ? 0A}, A)
3) ({S}, { a, b}, { S ? 00S, S ? 11S, S ? 00,S ? 11}, S)
4)({A}, {0, 1}, { A?01,A ? 0A1, A ? 1A0}, A)
二、 (15 分)简答及证明题
(1)影响聚类结果的主要因素有那些?
(2)证明马氏距离是平移不变的、非奇异线性变换不变的。
答:( 1)分类准则,模式相似性测度,特征量的选择,量纲。
( 2)证明:
(2 分)
(2 分)
(1 分)
设,有非奇异线性变换:
(1 分)
(4 分)
三、 (8 分 )说明线性判别函数的正负和数值大小在分类中的意义并证明之。
答:(1)(4 分) 的绝对值
正比于
到超平面 的距离
平 面 的 方 程 可 以 写 成
式 中 。 于 是
是平面
的单位法矢量,上式可写成
设 是 平 面
中 的 任 一 点 ,
是 特 征 空 间
中 任 一 点 , 点
到平面
的 距 离 为 差 矢 量 在
上的投影的绝对值,即
(1-1)
上 式 中 利 用 了 在 平 面
中,故满足方程
式 (1-1)的分子为判别函数绝对值,上式表明, 的
值 正 比 于
到 超 平 面
的 距 离
,一个特征矢量代入判别函数后所得值的绝对值
越大表明该特征点距判别界面越远。
( 2)(4 分) 的正(负)反映
在超平面
的正(负)侧
两 矢 量 和
的数积为
(2 分)
显然,当 和
夹角小于
时,即
在 指向的那个半空间中,
0;反之,当
和 夹角
大于 时,即
在 背向
的那个半空间中, 0 。由于
,故 和
同号。所以,当
在 指向
的半空间中时, ;当
在 背向
的半空间中, 。判别函数值的正负表示出特征点
位于哪个半空间中,或者换句话说,表示特征点位于界面的哪一侧。
五、 (12 分,每问 4 分 ) 在目标识别中,假定有农田和装甲车两种类型,类型 ?1 和类型 ?2 分
别代表农田和装甲车,它们的先验概率分别为 0.8 和 0.2,损失函数如表 1 所示。现在做了
三次试验,获得三个样本的类概率密度如下:
0.3, 0.1,0.6
:0.7,0.8,0.3
1) 试用贝叶斯最小误判概率准则判决三个样本各属于哪一个类型;
2) 假定只考虑前两种判决,试用贝叶斯最小风险准则判决三个样本各属于哪一类;
3) 把拒绝判决考虑在内,重新考核三次试验的结果。表 1
5 1
1 1
解:由题可知: ,
, ,
,
( 1)(4 分)根据贝叶斯最小误判概率准则知:
,则可以任判;
,则判为
; ,则
判为 ;
( 2)(4 分)由题可知:
则 ,判为
;
,判为
;
,判为
;
(3)(4 分)对于两类问题,对于样本 ,假
设 已知,有
则对于第一个样本,
,则拒判;
,则拒判;
,拒判。
1.监督学习与非监督学习的区别:
监督学习方法用来对数据实现分类,分类规则通过训练获得。该训练集由带分类号
的数据集组成,因此监督学习方法的训练过程是离线的。
非监督学习方法不需要单独的离线训练过程,也没有带分类号(标号)的训练
数据集,一般用来对数据集进行分析,如聚类,确定其分布的主分量等。
(实例:道路图)就道路图像的分割而言,监督学习方法则先在训练用图像中
获取道路象素与非道
文档评论(0)