模式识别练习题

《模式识别练习题》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、.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、类间距离门限、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。（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

2、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（m>n）的条件下，可以使用分支定界法以减少计算量。8、散度Jij越大，说明wi类模式与wj类模式的分布差别越大；当wi类模式与wj类模式的分布相同时，Jij=0。选择题1、影响聚类算法结果的主要因素有（BCD）。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（CD）。A.平移不变性B.旋转不变性C.尺度不变性D.

3、考虑了模式的分布3、影响基本K-均值算法的主要因素有（DAB）。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、在统计模式分类问题中，当先验概率未知时，可以使用（BD）。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5、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6、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（BC）。A.已知类别样本质量B.分类准则C.特征选取D.量纲7、欧式距离具有（AB）；马式距离具有（ABCD）。A.平移不变性B.旋转不变性C.尺度

4、缩放不变性D.不受量纲影响的特性8、聚类分析算法属于（A）；判别域代数界面方程法属于（C）。A.无监督分类B.有监督分类C.统计模式识别方法D.句法模式识别方法9、下列函数可以作为聚类分析中的准则函数的有（ACD）。A.B.C.D.10、Fisher线性判别函数的求解过程是将N维特征矢量投影在（B）中进行。A.二维空间B.一维空间C.N-1维空间简答题一、试问“模式”与“模式类”的含义。如果一位姓王的先生是位老年人，试问“王先生”和“老头”谁是模式，谁是模式类？答：在模式识别学科中，就“模式”与“模式类”而言，模式类是一类事物的代表，概念或典型，而“模式”则是某一事物的具体体现，如“老头”是

5、模式类，而王先生则是“模式”是“老头”的具体化。二、试说明Mahalanobis距离平方的定义，到某点的Mahalanobis距离平方为常数的轨迹的几何意义，它与欧氏距离的区别与联系。答：Mahalanobis距离的平方定义为：其中x，u为两个数据，是一个正定对称矩阵（一般为协方差矩阵）。根据定义，距某一点的Mahalanobis距离相等点的轨迹是超椭球，如果是单位矩阵Σ，则Mahalanobis距离就是通常的欧氏距离。三、试说明用监督学习与非监督学习两种方法对道路图像中道路区域的划分的基本做法，以说明这两种学习方法的定义与它们间的区别。答：监督学习方法用来对数据实现分类，分类规则通过训练获

6、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。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路象素集，进行分类器设计，然后用所设计的分类器对道路图像进行分割。使用非监督学习方法，则依据道路路面象素与非道路象素之间的聚类分析进行聚类运算，以实现道路图像的分割。四、试述动态聚类与分级聚类这两种方法的原理与不同。答：动态聚类是指对当前聚类通过迭代运算改善聚类；分级聚类则是将样本个体，按相似度标准合并，随着相似度要

7、求的降低实现合并。五、已知一组数据的协方差矩阵为，试问1．协方差矩阵中各元素的含义。2．求该数组的两个主分量。3．主分量分析或称K-L变换，它的最佳准则是什么？4．为什么说经主分量分析后，消除了各分量之间的相关性。　答：协方差矩阵为，则1.对角元素是各分量的方差，非对角元素是各分量之间的协方差。2.主分量，通过求协方差矩阵的特征值，用＝0得，则，相应的：，对应特征向量为，，对应。这两个特征向量，即为主分量。3