模式识别复习题1.doc

《模式识别复习题1.doc》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、模式识别复习题1.简单描述模式识别系统的基本构成（典型过程）？2.什么是监督模式识别（学习）？什么是非监督模式识别（学习）？对一副道路图像，希望把道路部分划分出来，可以采用以下两种方法：(1).在该图像中分别在道路部分与非道路部分画出一个窗口，把在这两个窗口中的象素数据作为训练集，用某种判别准则求得分类器参数，再用该分类器对整幅图进行分类。(2)．将整幅图的每个象素的属性记录在一张数据表中，然后用某种方法将这些数据按它们的自然分布状况划分成两类。因此每个象素就分别得到相应的类别号，从而实现了道路图像的分割。试问以上两种方法哪一种是监督学习，哪个是非监督学习？3.给出一个模式识

2、别的例子。4.应用贝叶斯决策的条件是什么？列出几种常用的贝叶斯决策规则，并简单说明其规则.5.分别写出在以下两种情况：（1）；（2）下的最小错误率贝叶斯决策规则。6.（教材P17例2.1）7.（教材P20例2.2），并说明一下最小风险贝叶斯决策和最小错误率贝叶斯决策的关系。8.设在一维特征空间中有两类服从正态分布的样本，两类先验概率之比试确定按照最小错误率贝叶斯决策规则的决策分界面的x值。1.设为来自点二项分布的样本集，即，试求参数P的最大似然估计量。2.假设损失函数为二次函数，P的先验密度为均匀分布，即。在这样的假设条件下，求上题中的贝叶斯估计量。3.设为来自的随机样本，其

3、中时，，否则为0。证明的最大似然估计是。4.考虑一维正态分布的参数估计。设样本（一维）都是由独立的抽样试验采集的，且概率密度函数服从正态分布，其均值和方差未知。求均值和方差的最大似然估计。5.设一维样本是取自正态分布的样本集，其中均值为未知的参数，方差已知。未知参数是随机变量，它的先验分布也是正态分布，为已知。求的贝叶斯估计。6.什么是概率密度函数的参数估计和非参数估计？分别列去两种参数估计方法和非参数估计方法。7.最大似然估计和Parzen窗法的基本原理？