《2022年模式识别试卷 .pdf》由会员分享，可在线阅读，更多相关《2022年模式识别试卷 .pdf（7页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、模式识别试卷二问答题一、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？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。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。四、试述动态聚类与分级聚类这两种方法的原理与不同。五、如果观察一个时序信号时在离散时刻序列得到的观察量序列表示为，而该时序信号的内在状态序列表示成。如果计算在给定O 条件下出现S的概率，
2、 试问此概率是何种概率。如果从观察序列来估计状态序列的最大似然估计，这与Bayes 决策中基于最小错误率的决策有什么关系。名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 1 页，共 7 页 - - - - - - - - - 六、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。七、试说明以下问题求解是基于监督学习或是非监督学习：1. 求数据
3、集的主分量2. 汉字识别3. 自组织特征映射4. CT 图像的分割八、试列举线性分类器中最著名的三种最佳准则以及它们各自的原理。九、在一两维特征空间，两类决策域由两条直线H1 和 H2 分界，其中而包含 H1 与 H2 的锐角部分为第一类，其余为第二类。试求：1用一双层感知器构造该分类器名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 2 页，共 7 页 - - - - - - - - - 2用凹函数的并构造该分类器十、设有两类正态分布的样本基于最小错误率的贝叶斯决策分界面，分别为X2
4、=0，以及 X1=3，其中两类的协方差矩阵，先验概率相等，并且有，。试求：以及。模式识别试题二答案问答第 1 题答：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 ” 是模式类，而王先生则是“ 模式 ” ，是 “ 老头 ” 的具体化。问答第 2 题名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 3 页，共 7 页 - - - - - - - - - 答： Mahalanobis 距离的平方
5、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 ，则 Mahalanobis 距离就是通常的欧氏距离。问答第 3 题答：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
6、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。问答第 4 题答：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，随着相似度要求的降低实现合并。问答第 5 题答：在给定观察序列条件下分析它由某个状态序列S产生的概率似后验概率，写成 P(S|O)，而通过 O 求对状态序列的最大似然估计,与贝叶斯决策的最小错误率决策相当。问答第 6 题答：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，用得，则，相应的特征向量为：，对
7、应特征向量为，对应。这两个特征向量即为主分量。3） K-L 变换的最佳准则为：名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 4 页，共 7 页 - - - - - - - - - 对一组数据进行按一组正交基分解，在只取相同数量分量的条件下，以均方误差计算截尾误差最小。4） 在经主分量分解后，协方差矩阵成为对角矩阵，因而各主分量间相关消除。问答第 7 题答：1、求数据集的主分量是非监督学习方法；2、汉字识别对待识别字符加上相应类别号 有监督学习方法；3、自组织特征映射 将高维数组按保
8、留近似度向低维映射 非监督学习；4、CT 图像分割 按数据自然分布聚类 非监督学习方法；问答第 8 题答：线性分类器三种最优准则：Fisher 准则 ：根据两类样本一般类内密集, 类间分离的特点，寻找线性分类器最佳的法线向量方向，使两类样本在该方向上的投影满足类内尽可能密集，类间尽可能分开。该种度量通过类内离散矩阵Sw 和类间离散矩阵Sb实现。感知准则函数 ：准则函数以使错分类样本到分界面距离之和最小为原则。其优点是通过错分类样本提供的信息对分类器函数进行修正，这种准则是人工神经元网络多层感知器的基础。支持向量机 ：基本思想是在两类线性可分条件下，所设计的分类器界面使两类之间的间隔为最大, 它
9、的基本出发点是使期望泛化风险尽可能小。问答第 9 题答：按题意要求1） H1 与 H2 将空间划分成四个部分，按使 H1 与 H2 大于零与小于零表示成四个区域，而第一类属于( )区域，为方便起见，令则第一类在 ( )区域。用双层感知器，神经元用域值，则在第一类样本输入时，两隐层结点的输出均为1，其余则分别为 ( )，() ，( ), 故可按图设置域值。名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 5 页，共 7 页 - - - - - - - - - 2） 用凹函数的并表示：或表
10、示成， 如， 则，否则问答第 10 题答：设待求，待求由于，先验概率相等。则基于最小错误率的Bayes 决策规则，在两类决策面分界面上的样本X 应满足（1）其中按题意，（注：为方便起见，在下面计算中先去掉系数4/3）。按题意分界面由x1=3 及 x2=0 两条直线构成，则分界面方程为(2) 对（ 1）式进行分解有名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 6 页，共 7 页 - - - - - - - - - 得（3）由（ 3）式第一项得（4）将（ 4）式与（ 2）式对比可知a=1,c=1 又由 c=1 与，得 b2=1/4，b 有两种可能，即b=1/2 或 b=-1/2，如果 b=1/2，则表明，此时分界面方程应为线性，与题意不符，只有b=-1/2 则（ 4）式为： 2X1X2（5）将相应结果带入（3）式第二项有（6）则结合（ 5）（ 2）应有，则（7）解得，由得名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 7 页，共 7 页 - - - - - - - - -