模式识别习题及答案.docxVIP

第一章 什么是模式？ 具体事物所具有的信息。 模式所指的不是事物本身，而是我 从事物中 得的 ___信息 __。 模式 的定 ？ 算机来判断事物。 3. 模式 系 主要由哪些部分 成？ 数据 取— 理—特征提取与 —分 器 分 决策。 第二章 叶斯决策理 如果 p ( x | w 1 ) w l ( x ) | w 2 _ p ( w 2 ) / p ( w 1 ) _, 则 x p ( x ) w  1 2 1. 最小 率 叶斯决策 程？ P ( w i | x ) P ( x | w i ) P ( w i ) 答：已知先 概率， 条件概率。利用 叶斯公式 2 P ( x | w j ) P ( w j ) 得到后 概率。根据后 概率大小 行决策分析。 j 1 2 . 最小 率 叶斯分 器 程？ 答：根据 数据求出先 概率 P ( w i ), i 1 , 2 条件概率分布 p ( x | w i ), i 1 , 2 P ( x | w i ) P ( w i ) 利用 叶斯公式得到后 概率 P ( w i | x ) 2 P ( x | w j ) P ( w j ) j 1 如果 入待 本 X， 算 X 的后 概率根据后 概率大小 行分 决策分析。 最小 率 叶斯决策 有哪几种常用的表示形式？答： . 叶斯决策 什么称 最小 率 叶斯决策？ 答：最小 率 Bayes 决策使得每个 下的条件 率最小因而保 了 （平均） 率 最小。 Bayes 决策是最 决策：即，能使决策 率最小。 5 . 叶斯决策是 由先 概率和（ 条件概率）概率，推 （后 概率）概率，然后利用 个概率 行决策。 . 利用乘法法 和全概率公式 明 叶斯公式 p(AB) p( A | B) p(B) p(B | A) p( A) 答： m 所以推出 叶斯公式 p( B | Aj ) p(Aj ) p(B) j 1 7. 朴素 叶斯方法的条件独立假 是（ P(x| ω i) =P(x1, x2, ?, xn | ω i) = P(x1| ω i) P(x2| ωi) ? P(xn| ω i) ） 怎 利用朴素 叶斯方法 得各个属性的 条件概率分布？ 答：假 各属性独立， P(x| ω i) =P(x1, x2,?, xn | ω i) = P(x1| ω i) P(x2| ω i) ? P(xn| ω i) 后 概率： P( ω i|x) = P( ωi) P(x1|ω i) P(x2| ω i) ? P(xn| ω i) 清晰的直接分 算， 如果是数据 的， 假 属性服从正 分布， 算出每个 的均 方 差，最后得到 条件概率分布。 P ( A i | B ) P ( B | A i ) P ( A i ) P ( B ) 1 m 1 m xi ( xi x)^ 2 P ( B | A i ) P ( A i ) 均 ： mean(x) 方差： var( x) M m i 1 m 1 i 1 P ( B | A j ) P ( A j ) j 1 9. 算属性 Marital Status 的 条件概率分布 表格 算，婚姻状况几个 和分 几个就求出多少个 条件概率。 10，朴素贝叶斯分类器的优缺点？ 答：分类器容易实现。 面对孤立的噪声点，朴素贝叶斯分类器是健壮的。因为在从数据中估计条件概率时。 点被平均。 面对无关属性，该分类器是健壮的。相关属性可能降低分类器的性能。 些属性，条件独立的假设已不成立。  这些 因为对这 我们将划分决策域的边界称为 ( 决策面 ) ，在数学上用可以表示成 ( 决策面方程 ) 用于表达决策规则的函数称为 ( 判别函数 ) 13. 判别函数与决策面方程是密切相关的，且它们都由相应的决策规则所确定 . 写出多元正态概率下的最小错误率贝叶斯决策的判别函数，即 15. 多元正态概率下的最小错误率贝叶斯决策的决策面方程为 gi (x) g j (x) 0 多元正态概率下的最小错误率贝叶斯决策，当类条件概率分布的协方差矩阵为 i 2 时，每类的协方差矩阵相等，且类内各特征间（相互独立） ，并具有相等的 方差。 17. 多元正态概率下的最小错误率贝叶斯决策，如果先验概率相等，并 i 2 且 i=1,2,...c，那么分类问题转化为只要计算待测样本 x 到各类均值的 ( 欧式距离 ) ，然后把 x 归于具有（最小距离平方）的类。这种分类器称为（最小距离分类器） 。 18. 19. 多元正态概率下的最小错误率贝叶斯决策，类