模式识别题库.doc

《模式识别题库.doc》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、导论部分：1.什么是模式和模式识别？结合某个实际问题，并举例说明模式识别有哪些应用，最好是某些潜在的应用？2.模式识别的基本流程由哪几部分组成？分别解释各部分在模式识别系统中的基本作用。3.以人脸识别为例，说明模式识别的基本流程，以及如何从数学上理解人脸识别？概率统计部分：4.谈谈你对“概率分布”的理解。分别以二项分布和正态分布为例，给出它们的分布表达式，基本性质，以及如何通过分布求解概率。5.协方差、协方差矩阵、相关系数分别是如果定义的？各自代表怎样的含义，有哪些主要性质？6.谈谈概率和统计的联系

2、与区别。用一句话概括：在简单随机抽样的情形下，样本与总体的关系。模式识别部分：7.写出贝叶斯公式。说明：在先验概率和类条件概率密度已知的情形下，最小错误率贝叶斯决策的决策规则（任何一种形式即可）。8.给定一组来自正态总体的样本，其中。d=1时，用最大似然法估计正态总体的参数（要求给出推导过程）；d>1时的多维情形如何？（只给出结果即可）。9.参数估计和非参数估计有何区别？试述最大似然估计和Parzen窗估计的基本原理。10.以“身高-体重”数据进行性别分类为例，给出“最大似然估计+贝叶斯决策”方法的

3、程序流程（写出伪代码即可）。11.写出Fisher线性判别分析（FLDA）的算法流程。12.写出最小均方误差（MSE）判别方法的算法流程。13.给定数据，证明：当FLDA中阈值，MSE中时，FLDA判别与MSE判别结果一致，其中......。（对本科生较难！！）14.尝试给出FLDA与MSE分类准则有哪些异同点？特别是在何情形下两者等价？15.线性判别面（超平面）的一般方程如何表达？样本点线性可分、线性不可分是如何定义的？线性不可分的样本点可以使用线性判别面来分类吗？为什么？16.支持向量机（SVM

4、）基于怎样的原理设计？给出线性SVM的模型，并解释其含义。17.最近邻分类器、k近邻分类器的基本原理？即，给定一组训练样本，如何利用上述分类器判断未知标号样本的类别？18.主成分分析和线性判别分析的异同点。举例解释它们的几何意义。19.在处理模式识别问题（如人脸识别、手写数字识别）中，降维（或特征提取）能起到哪些作用？并简要说明。20.假设需要你利用MATLAB（或其它面向对象的编程工具）开发一个基于图形用户界面（GUI）的人脸识别系统。试给出：1）界面的布局，相应的控件及其实现的功能；2）谈谈你对

5、对象句柄和回调函数两个基本概念的理解。