模式识别期末练习题.pdf

  1. 1、本文档共13页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(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。
  3. 3、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
  4. 4、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)。
查看更多
2013 模式识别练习题 一. 填空题 1、模式识别系统的基本构成单元包括: 模式采集 、 特征选择与提取 和 模式分类 。 2 、统计模式识别中描述模式的方法一般使用 特征矢量 ;句法模式识别中模式描述方法一般有 串 、 树 、 网 。 3、影响层次聚类算法结果的主要因素有 计算模式距离的测度、聚类准则、类间距离阈值、预定的类别 数目。 4 、线性判别函数的正负和数值大小的几何意义是 正(负)表示样本点位于判别界面法向量指向的正(负) 半空间中;绝对值正比于样本点到判别界面的距离。 5、感知器算法 1 ,H-K 算法 (2) 。 (1)只适用于线性可分的情况;(2 )线性可分、不可分都适用。 6、在统计模式分类问题中,聂曼-皮尔逊判决准则主要用于 某一种判决错误较另一种判决错误更为重 要 情况;最小最大判别准则主要用于 先验概率未知的 情况。 7、“特征个数越多越有利于分类”这种说法正确吗? 错误 。 特征选择的主要目的是 从n 个特征中选出最有利于分类的的m 个特征(mn),以降低特征维数。 一般在 可分性判据对特征个数具有单调性 和( Cnmn )的条件下,可以使用分支定界法以减少 计算量。 8、 散度J 越大,说明 类模式与 类模式的分布 差别越大 ; ij i j 当 类模式与 类模式的分布相同时,J = 0 。 i j ij 二、选择题 1、影响聚类算法结果的主要因素有( B C D )。 A. 已知类别的样本质量;B.分类准则;C.特征选取;D.模式相似性测度 2 、模式识别中,马式距离较之于欧式距离的优点是( C D )。 A.平移不变性;B.旋转不变性;C 尺度不变性;D.考虑了模式的分布 3、影响基本K-均值算法的主要因素有( D A B )。 A.样本输入顺序;B.模式相似性测度;C.聚类准则;D.初始类中心的选取 4 、位势函数法的积累势函数K(x)的作用相当于Bayes 判决中的( B D )。 A. 先验概率;B. 后验概率;C. 类概率密度;D. 类概率密度与先验概率的乘积 5、在统计模式分类问题中,当先验概率未知时,可以使用(B D )。 A. 最小损失准则; B. 最小最大损失准则; C. 最小误判概率准则; D. N-P 判决 6、散度JD 是根据( C )构造的可分性判据。 A. 先验概率;B. 后验概率;C. 类概率密度;D. 信息熵;E. 几何距离 7、似然函数的概型已知且为单峰,则可用( A B C D E )估计该似然函数。 A. 矩估计;B. 最大似然估计;C. Bayes 估计;D. Bayes 学习;E. Parzen 窗法 8、KN 近邻元法较之Parzen 窗法的优点是( B )。 A. 所需样本数较少; B. 稳定性较好; C. 分辨率较高; D. 连续性较好 9、从分类的角度讲,用DKLT 做特征提取主要利用了DKLT 的性质:( A C )。 A. 变换产生的新分量正交或不相关;B. 以部分新的分量表示原矢量均方误差最小;C.使变换后的矢 量能量更集中 10、如果以特征向量的相关系数作为模式相似性测度,则影响聚类算法结果的主要因素有( B C )。 A. 已知类别样本质量; B. 分类准则; C. 特征选取;D. 量纲 11、欧式距离具有( A B );马式距离具有( A B C D )。 A. 平移不变性; B. 旋转不变性; C. 尺度缩放不变性; D. 不受量纲影响的特性 12、聚类分析算法属于( A );判别域代数界面方程法属于( C ) 。 A.无监督分

文档评论(0)

annylsq + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档