模式识别知识重点.pdf

模式识别知识重点--第1页

1、你如何理解“人工智能”以及“智能”？

参考答案：人工智能是通过研制智能机器或者编制程序模拟人或者高级生物的智

能行为。智能的行为具有如下特征：感知能力、记忆与思维能力、学习与自适应

能力、行为能力等，这些来自于人脑的活动结果。

2、什么是不确定推理？不确定的因素有哪些？是什么原因造成的？

参考答案：从不确定的初始证据出发，通过运用不确定性的知识，最终推出具有

一定不确定性但是合理的或者近乎合理的思维过程。不确定的因素有：证据不确

定（存在错误、准确性无法判定）、匹配不确定、知识（规则）不确定、合成规

则不确定等。造成不确定的原因有：主观的和客观的，例如概率的、模糊的、信

息不完备、准确性无法验证等，本质上是由于人的认识的有限性。

需要解决的基本问题有：不确定性的表示和量度，不确定性匹配算法以及阈值的

选择，组合证据不确定性算法，不确定性的传递算法，结论不确定性的合成等。

3、你如何理解特征空间？表示样本有哪些常见方法？

参考答案：由利用某些特征描述的所有样本组成的集合称为特征空间或者样本空

间，特征空间的维数是描述样本的特征数量。描述样本的常见方法：矢量、矩阵、

列表等。

4、贝叶斯决策理论中，参数估计和非参数估计有什么区别？

参考答案：参数估计就是已知样本分布的概型，通过训练样本确定概型中的一些

参数；非参数估计就是未知样本分布概型，利用Parzen窗等方法确定样本的概

率密度分布规律。

5、线性和非线性分类器与基于贝叶斯决策理论的分类器之间是什么关系？

参考答案：线性分类器与非线性分类器都属于几何分类器，是统计模式识别的一

种；基于贝叶斯决策理论的分类器属于概率分类，主要是基于样本在特征空间的

概率分布；利用未知样本属于已知类别的概率或者风险大小进行分类。几何分类

的理论基础是概率分类，是一种简单的处理方式，不需要求解样本的概率分布，

只需要利用已知样本训练得到一些几何分界面即可。

6、无教师示范的非监督学习与聚类分析之间有何联系？有哪些常见的非监督学

习方法？试简要介绍其中一种方法，并给出必要的公式。

参考答案：无教师示范的学习或者训练就是非监督学习，表现在算法上主要是聚

类分析。聚类分析算法有最大最小距离方法、C均值等。最大最小距离算法的基

本思想是：

1)首先任选一个样本作为第一个聚类类心；

2)从其他样本中找到一个距离最远的样本作为另一个类心；

3)计算未被作为类心的各样本到这两个类心的距离，其各自最小的距离；

4)从这些最小的距离中找到一个最大的样本作为第三个类心；

5）重复上述过程一直到不需要设立新的类心；

6）最后按照最小距离准则进行聚类。

7、知识是人们在长期的生活及社会实践中积累起来的对客观世界的认识与经验，

人们把实践中获得的信息关联在一起，就获得了知识。知识反映了客观世界中

事物间的关系，不同事物或者相同事物间的不同关系形成了不同的知识。

知识的特性：相对正确性、不确定性（随机性引起的不确定性、模糊性引起的、

不完全性引起的、经验引起的）、可表示性与可利用性

分类：范围分：常识性知识，领域性知识；作用及表示分：事实性知识，过程性

知识，控制性知识；确定性来分：确定性知识，不确定；知识结构及表现形式：

模式识别知识重点--第1页

模式识别知识重点--第2页

逻辑性知识，形象性知识；抽象、整体的来分：零级知识，一级知识，二级知识

8知识表示：所谓知识的表示实际上是对知识的一种描述，或者说一种约定，一

种计算机可以接受的用于描述知识的数据结构。对知识的表示过程就是把知识编

码成某种数据结构的过程

分类:符号表示法、连接机制表示法