模式识别试题答案最终版.doc

模式识别试题答案最终版.doc

ID:51909997

大小:30.00 KB

页数:2页

时间:2020-03-18

模式识别试题答案最终版.doc_第1页
模式识别试题答案最终版.doc_第2页
资源描述:

《模式识别试题答案最终版.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、模式识别非学位课考试试题考试科目:模式识别考试时间考生姓名:考生学号任课教师考试成绩一、简答题(每题6分,12题共72分):1、监督学习和非监督学习有什么区别?参考答案:监督学习与非监督学习的区别:监督学习方法用来对数据实现分类,分类规则通过训练获得。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。2、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

2、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。3、什么是分类器?有哪些常见的分类器?参考答案:将特征空中的样本以某种方式区分开来的算法、结构等。例如:贝叶斯分类器、神经网络等。4、进行模式识别在选择特征时应该注意哪些问题?参考答案:特征要能反映样本的本质;特征不能太少,也不能太多;要注意量纲。5、聚类分析中,有哪些常见的表示样本相似性的方法?参考答案:距离测度、相似测度和匹配测度。距离测度例如欧氏距离、绝对值距离、明氏距离、马氏距离等。相似测度有角度相似系数、相关系数、指数相似系数等。6、SVM的主要思想可以概括为两点:(1)它是针对线性可分情况

3、进行分析,对于线性不可分的情况,通过使用非线性映射算法将低维输入空间线性不可分的样本转化为高维特征空间使其线性可分,从而使得高维特征空间采用线性算法对样本的非线性特征进行线性分析成为可能;(2)它基于结构风险最小化理论之上在特征空间中建构最优分割超平面,使得学习器得到全局最优化,并且在整个样本空间的期望风险以某个概率满足一定上界。7、数据获取预处理特征提取与选择分类决策分类器设计信号空间特征空间请论述模式识别系统的主要组成部分及其设计流程,并简述各组成部分中常用方法的主要思想。信息获取:通过测量、采样和量化,可以用矩阵或向量表示二维图像或以为波形。预处理:去除噪声,加强有用

4、的信息,并对输入测量仪器或其他因素造成的退化现象进行复原。特征选择和提取:为了有效地实现分类识别,就要对原始数据进行变换,得到最能反映分类本质的特征。分类决策:在特征空间中用统计方法把识别对象归为某一类。8.第一步:采集训练样本,构成训练样本集。其中每个样本的属性是预知的,而且样本已经经过变换/选择,得到对分类最有效的d个特征。第二步:确定一个准则J,满足:(1)J=J(w,x)(2)J(w,x)能反映分类器的性能,且对于J的权值w*,所得分类器最优。第三步:求J(w,x)的权值,得到解向量w*,同时设计求解w的最优算法。一旦得到w*,训练实验的任务就完成了。在下面研究各种

5、训练算法时,假定第一步已经完成。二、分析题(16分)结合你未来可能从事的科研课题或者你所了解的你所在课题组中的研究课题,具体说明模式识别理论在其中可能的应用。要求:1、要将问题描述清楚;2、该问题的应用背景和思路;3、解决该问题成熟的和可能的思路;4、具体的模式识别算法在其中如何应用。参考答案:略。

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。