模式識(shí)別答案.doc
《模式識(shí)別答案.doc》由會(huì)員分享,可在線(xiàn)閱讀,更多相關(guān)《模式識(shí)別答案.doc(16頁(yè)珍藏版)》請(qǐng)?jiān)谘b配圖網(wǎng)上搜索。
模式識(shí)別試題二 答案 問(wèn)答第1題 答:在模式識(shí)別學(xué)科中,就“模式”與“模式類(lèi)”而言,模式類(lèi)是一類(lèi)事物的代表,概念或典型,而“模式”則是某一事物的具體體現(xiàn),如“老頭”是模式類(lèi),而王先生則是“模式”,是“老頭”的具體化。 問(wèn)答第2題 答:Mahalanobis距離的平方定義為: 其中x,u為兩個(gè)數(shù)據(jù),是一個(gè)正定對(duì)稱(chēng)矩陣(一般為協(xié)方差矩陣)。根據(jù)定義,距某一點(diǎn)的Mahalanobis距離相等點(diǎn)的軌跡是超橢球,如果是單位矩陣Σ,則Mahalanobis距離就是通常的歐氏距離。 問(wèn)答第3題 答:監(jiān)督學(xué)習(xí)方法用來(lái)對(duì)數(shù)據(jù)實(shí)現(xiàn)分類(lèi),分類(lèi)規(guī)則通過(guò)訓(xùn)練獲得。該訓(xùn)練集由帶分類(lèi)號(hào)的數(shù)據(jù)集組成,因此監(jiān)督學(xué)習(xí)方法的訓(xùn)練過(guò)程是離線(xiàn)的。 非監(jiān)督學(xué)習(xí)方法不需要單獨(dú)的離線(xiàn)訓(xùn)練過(guò)程,也沒(méi)有帶分類(lèi)號(hào)(標(biāo)號(hào))的訓(xùn)練數(shù)據(jù)集,一般用來(lái)對(duì)數(shù)據(jù)集進(jìn)行分析,如聚類(lèi),確定其分布的主分量等。 就道路圖像的分割而言,監(jiān)督學(xué)習(xí)方法則先在訓(xùn)練用圖像中獲取道路象素與非道路象素集,進(jìn)行分類(lèi)器設(shè)計(jì),然后用所設(shè)計(jì)的分類(lèi)器對(duì)道路圖像進(jìn)行分割。 使用非監(jiān)督學(xué)習(xí)方法,則依據(jù)道路路面象素與非道路象素之間的聚類(lèi)分析進(jìn)行聚類(lèi)運(yùn)算,以實(shí)現(xiàn)道路圖像的分割。 問(wèn)答第4題 答:動(dòng)態(tài)聚類(lèi)是指對(duì)當(dāng)前聚類(lèi)通過(guò)迭代運(yùn)算改善聚類(lèi); 分級(jí)聚類(lèi)則是將樣本個(gè)體,按相似度標(biāo)準(zhǔn)合并,隨著相似度要求的降低實(shí)現(xiàn)合并。 問(wèn)答第5題 答:在給定觀(guān)察序列條件下分析它由某個(gè)狀態(tài)序列S產(chǎn)生的概率似后驗(yàn)概率,寫(xiě)成P(S|O),而通過(guò)O求對(duì)狀態(tài)序列的最大似然估計(jì),與貝葉斯決策的最小錯(cuò)誤率決策相當(dāng)。 問(wèn)答第6題 答:協(xié)方差矩陣為,則 1) 對(duì)角元素是各分量的方差,非對(duì)角元素是各分量之間的協(xié)方差。 2) 主分量,通過(guò)求協(xié)方差矩陣的特征值,用得,則,相應(yīng)的特征向量為:,對(duì)應(yīng)特征向量為,對(duì)應(yīng)。 這兩個(gè)特征向量即為主分量。 3) K-L變換的最佳準(zhǔn)則為: 對(duì)一組數(shù)據(jù)進(jìn)行按一組正交基分解,在只取相同數(shù)量分量的條件下,以均方誤差計(jì)算截尾誤差最小。 4) 在經(jīng)主分量分解后,協(xié)方差矩陣成為對(duì)角矩陣,因而各主分量間相關(guān)消除。 問(wèn)答第7題 答: 1、求數(shù)據(jù)集的主分量是非監(jiān)督學(xué)習(xí)方法; 2、漢字識(shí)別對(duì)待識(shí)別字符加上相應(yīng)類(lèi)別號(hào)——有監(jiān)督學(xué)習(xí)方法; 3、自組織特征映射——將高維數(shù)組按保留近似度向低維映射——非監(jiān)督學(xué)習(xí); 4、CT圖像分割——按數(shù)據(jù)自然分布聚類(lèi)——非監(jiān)督學(xué)習(xí)方法; 問(wèn)答第8題 答:線(xiàn)性分類(lèi)器三種最優(yōu)準(zhǔn)則: Fisher準(zhǔn)則:根據(jù)兩類(lèi)樣本一般類(lèi)內(nèi)密集, 類(lèi)間分離的特點(diǎn),尋找線(xiàn)性分類(lèi)器最佳的法線(xiàn)向量方向,使兩類(lèi)樣本在該方向上的投影滿(mǎn)足類(lèi)內(nèi)盡可能密集,類(lèi)間盡可能分開(kāi)。 該種度量通過(guò)類(lèi)內(nèi)離散矩陣Sw和類(lèi)間離散矩陣Sb實(shí)現(xiàn)。 感知準(zhǔn)則函數(shù):準(zhǔn)則函數(shù)以使錯(cuò)分類(lèi)樣本到分界面距離之和最小為原則。 其優(yōu)點(diǎn)是通過(guò)錯(cuò)分類(lèi)樣本提供的信息對(duì)分類(lèi)器函數(shù)進(jìn)行修正,這種準(zhǔn)則是人工神經(jīng)元網(wǎng)絡(luò)多層感知器的基礎(chǔ)。 支持向量機(jī):基本思想是在兩類(lèi)線(xiàn)性可分條件下,所設(shè)計(jì)的分類(lèi)器界面使兩類(lèi)之間的間隔為最大, 它的基本出發(fā)點(diǎn)是使期望泛化風(fēng)險(xiǎn)盡可能小。 問(wèn)答第9題 答:按題意要求 1) H1與H2將空間劃分成四個(gè)部分,按使H1與H2大于零與小于零表示成四個(gè)區(qū)域,而第一類(lèi)屬于(-+)區(qū)域,為方便起見(jiàn),令則第一類(lèi)在(++)區(qū)域。用雙層感知器,神經(jīng)元用域值,則在第一類(lèi)樣本輸入時(shí),兩隱層結(jié)點(diǎn)的輸出均為+1,其余則分別為(+-),(――),(-+), 故可按圖設(shè)置域值。 2) 用凹函數(shù)的并表示:或表示成,如,則,否則 問(wèn)答第10題 答:設(shè)待求,待求 由于,先驗(yàn)概率相等。 則基于最小錯(cuò)誤率的Bayes決策規(guī)則,在兩類(lèi)決策面分界面上的樣本X應(yīng)滿(mǎn)足 ?。?) 其中按題意,(注:為方便起見(jiàn),在下面計(jì)算中先去掉系數(shù)4/3)。 按題意分界面由x1=3及x2=0兩條直線(xiàn)構(gòu)成,則分界面方程為 (2) 對(duì)(1)式進(jìn)行分解有 得 (3) 由(3)式第一項(xiàng)得 ?。?) 將(4)式與(2)式對(duì)比可知 a=1,c=1 又由c=1與,得b2=1/4,b有兩種可能,即b=1/2或b=-1/2, 如果b=1/2,則表明,此時(shí)分界面方程應(yīng)為線(xiàn)性,與題意不符,只有b=-1/2 則(4)式為:2X1X2 ?。?) 將相應(yīng)結(jié)果帶入(3)式第二項(xiàng)有 (6) 則結(jié)合(5)(2)應(yīng)有 ,則 (7) 解得, 由得 模式識(shí)別試題一 答案 問(wèn)答第1題 答:模式類(lèi):老年人 模式:王老太,老頭,老太。 模式類(lèi):年青人 模式:王明(清華大學(xué)本科生),周強(qiáng)(年輕教師) 模式類(lèi):老頭 模式:王老頭 模式類(lèi):老太 模式:王老太 問(wèn)答第2題 答:由分布系數(shù)可知,A與B在空間呈圓形分布,故fisher準(zhǔn)則中使用的投影直線(xiàn)應(yīng)該為兩圓心的連線(xiàn)方向,則法線(xiàn)應(yīng)該垂直于這個(gè)方向,應(yīng)為(-3,2)。 問(wèn)答第3題 答:第一種方法中標(biāo)記了兩類(lèi)樣本的標(biāo)號(hào),需要人手工干預(yù)訓(xùn)練過(guò)程,屬于監(jiān)督學(xué)習(xí)方法; 第二種方法只是依照數(shù)據(jù)的自然分布,把它們劃分成兩類(lèi),屬于非監(jiān)督學(xué)習(xí)方法。 問(wèn)答第4題 答:對(duì)角陣形式為:,只有在對(duì)角線(xiàn)上元素非零。根據(jù)協(xié)方差矩陣的含義,a,b,c分別是每一維向量的自相關(guān)系數(shù)。 則Mahalanobis距離的展開(kāi)形式是: 是三維空間的一個(gè)橢球。 問(wèn)答第5題 答:近鄰法分類(lèi)器的每條分界線(xiàn)必然由兩個(gè)分別屬于兩類(lèi)的樣本點(diǎn)決定,故一定是線(xiàn)性的。這些分界面拼接起來(lái),就得到了分段線(xiàn)性的近鄰法分類(lèi)器。本題的分類(lèi)器以在原圖上標(biāo)出。 問(wèn)答第6題 答:(a)由于分類(lèi)器由三個(gè)線(xiàn)性方程式?jīng)Q定,可用三個(gè)感知器 按題意,陰影部分決策域要求 因此可設(shè)計(jì)的四個(gè)神經(jīng)元進(jìn)行運(yùn)算,為 由此可以得到神經(jīng)元網(wǎng)絡(luò)為 ?。╞)圖(b)的決策域與圖(a)的差異只在于決策域要求 即運(yùn)算函數(shù)的一種方案為此時(shí)的網(wǎng)絡(luò)結(jié)構(gòu)及參數(shù)是 問(wèn)答第7題 答:按Hebb規(guī)則,有 得 該Hopfield網(wǎng)絡(luò)只有1與2,以及3與4之間有聯(lián)接,其聯(lián)接權(quán)值都為-1。 而外觸發(fā)信號(hào)(-1,1,1,1)消失后,穩(wěn)態(tài)為(-1,1,-1,1) 外觸發(fā)信號(hào)(1,-1,1,1)消失后,穩(wěn)態(tài)為(1,-1,1,-1)或(1,-1,-1,1) 它們分別是兩個(gè)存儲(chǔ)信號(hào)的反相。 模式識(shí)別試題三 答案 問(wèn)答第4題 答:設(shè)次二次曲面為 故廣義權(quán)向量: 廣義樣本向量: 維數(shù)為9。 問(wèn)答第5題 答: 由于兩類(lèi)樣本分布形狀是相同的(只是方向不同),因此w0應(yīng)為兩類(lèi)均值的中點(diǎn) 。 下圖中的綠線(xiàn)為最佳線(xiàn)性分界面。 問(wèn)答第6題 答:第一類(lèi)的均值向量為 問(wèn)答第7題 答:求該八個(gè)數(shù)據(jù)的協(xié)方差距離,先求該八個(gè)點(diǎn)的均值向量,得 均方距離 由于它已是一個(gè)對(duì)角矩陣,且主對(duì)角線(xiàn)元素值相等,因此無(wú)需進(jìn)一步做K-L變換,原坐標(biāo)系的基已經(jīng)是K-L變換的基, 并且任何一組正交基都可作為其K-L變換的基。 問(wèn)答第8題 證明:先驗(yàn)概率相等條件下,基于最小錯(cuò)誤率貝葉斯決策的分界面上兩類(lèi)條件概率密度函數(shù)相等。 因此有: 化簡(jiǎn)為,是一個(gè)圓的方程。 問(wèn)答第9題 解: ?。?) 則 這是一個(gè)超球的方程。 ?。?) 由 故 可以推出 則 是m距離下的超球。 ?。?)從上式可以看出 模式識(shí)別 試卷一 窗體頂端 問(wèn)答題 一、 試從模式類(lèi)與模式概念分析以下詞之間的關(guān)系: 王老頭,王老太,王明(清華大學(xué)本科生),周強(qiáng)(年輕教師),老年人,老頭,老太,年青人。 二、 已知A類(lèi)與B類(lèi)樣本在空間的分布為離散分布及, 其中, 試問(wèn):按Fisher準(zhǔn)則設(shè)計(jì)線(xiàn)性分類(lèi)器的法線(xiàn)向量。 三、 對(duì)一副道路圖像,希望把道路部分劃分出來(lái),可以采用以下兩種方法: 1. 在該圖像中分別在道路部分與非道路部分畫(huà)出一個(gè)窗口,把在這兩個(gè)窗口中的象素?cái)?shù)據(jù)作為訓(xùn)練集,用Fisher準(zhǔn)則方法求得分類(lèi)器參數(shù),再用該分類(lèi)器對(duì)整幅圖進(jìn)行分類(lèi)。 2. 將整幅圖的每個(gè)象素的屬性記錄在一張數(shù)據(jù)表中,然后用某種方法將這些數(shù)據(jù)按它們的自然分布狀況劃分成兩類(lèi)。因此每個(gè)象素就分別得到相應(yīng)的類(lèi)別好,從而實(shí)現(xiàn)了道路圖像的分割。 試問(wèn)以上兩種方法哪一種是監(jiān)督學(xué)習(xí),哪個(gè)是非監(jiān)督學(xué)習(xí)? 四、 知一數(shù)據(jù)集的協(xié)方差矩陣是一個(gè)對(duì)角陣,數(shù)據(jù)集的維數(shù)為3,試問(wèn)該協(xié)方差矩陣中每個(gè)元素的含義,并說(shuō)明Mahalanobis距離為常數(shù)的數(shù)據(jù)點(diǎn)的軌跡的特點(diǎn)。 五、 為什么說(shuō)近鄰法的分類(lèi)器是線(xiàn)性分類(lèi)器,試以以下樣本數(shù)據(jù)集說(shuō)明,并畫(huà)出用近鄰法得到的分類(lèi)器 第一類(lèi)樣本:(0,1)T,(0,1)T 第二類(lèi)樣本:(0,0)T,(-1,0)T 六、設(shè)在二維特征空間中有三個(gè)線(xiàn)性分類(lèi)器,其分界面方程分別為 X1=0.5 X2=0.5 X1+X2=0 現(xiàn)欲由該三個(gè)線(xiàn)性方程構(gòu)造兩個(gè)分類(lèi)器,分別如下圖(a)與(b)所示 試設(shè)計(jì)兩個(gè)多層感知器,分別實(shí)現(xiàn)這兩個(gè)分類(lèi)器,神經(jīng)元網(wǎng)絡(luò)采用域值函數(shù),即輸出函數(shù) y=f(h)為 七、現(xiàn)欲利用離散Hopfield模型存儲(chǔ)兩個(gè)四維的數(shù)據(jù) (-1 1 1 -1)及(-1 1 -1 1) 試求該Hopfield模型的聯(lián)接參數(shù),并求 1. 觸發(fā)信號(hào)為(-1,1,1,1)撤銷(xiāo)后的輸出狀態(tài) 2. 觸發(fā)信號(hào)為(1,-1,1,1)撤銷(xiāo)后的輸出狀態(tài) 窗體底端 模式識(shí)別 試卷二 窗體頂端 問(wèn)答題 一、 試問(wèn)“模式”與“模式類(lèi)”的含義。如果一位姓王的先生是位老年人,試問(wèn)“王先生”和“老頭”誰(shuí)是模式,誰(shuí)是模式類(lèi)? 二、試說(shuō)明Mahalanobis距離平方的定義,到某點(diǎn)的Mahalanobis距離平方為常數(shù)的軌跡的幾何意義,它與歐氏距離的區(qū)別與聯(lián)系。 三、試說(shuō)明用監(jiān)督學(xué)習(xí)與非監(jiān)督學(xué)習(xí)兩種方法對(duì)道路圖像中道路區(qū)域的劃分的基本做法,以說(shuō)明這兩種學(xué)習(xí)方法的定義與它們間的區(qū)別。 四、試述動(dòng)態(tài)聚類(lèi)與分級(jí)聚類(lèi)這兩種方法的原理與不同。 五、如果觀(guān)察一個(gè)時(shí)序信號(hào)時(shí)在離散時(shí)刻序列得到的觀(guān)察量序列表示為,而該時(shí)序信號(hào)的內(nèi)在狀態(tài)序列表示成。如果計(jì)算在給定O條件下出現(xiàn)S的概率,試問(wèn)此概率是何種概率。如果從觀(guān)察序列來(lái)估計(jì)狀態(tài)序列的最大似然估計(jì),這與Bayes決策中基于最小錯(cuò)誤率的決策有什么關(guān)系。 六、已知一組數(shù)據(jù)的協(xié)方差矩陣為,試問(wèn) 1. 協(xié)方差矩陣中各元素的含義。 2. 求該數(shù)組的兩個(gè)主分量。 3. 主分量分析或稱(chēng)K-L變換,它的最佳準(zhǔn)則是什么? 4. 為什么說(shuō)經(jīng)主分量分析后,消除了各分量之間的相關(guān)性。 七、試說(shuō)明以下問(wèn)題求解是基于監(jiān)督學(xué)習(xí)或是非監(jiān)督學(xué)習(xí): 1. 求數(shù)據(jù)集的主分量 2. 漢字識(shí)別 3. 自組織特征映射 4. CT圖像的分割 八、試列舉線(xiàn)性分類(lèi)器中最著名的三種最佳準(zhǔn)則以及它們各自的原理。 九、在一兩維特征空間,兩類(lèi)決策域由兩條直線(xiàn)H1和H2分界, 其中 而包含H1與H2的銳角部分為第一類(lèi),其余為第二類(lèi)。 試求: 1.用一雙層感知器構(gòu)造該分類(lèi)器 2.用凹函數(shù)的并構(gòu)造該分類(lèi)器 十、設(shè)有兩類(lèi)正態(tài)分布的樣本基于最小錯(cuò)誤率的貝葉斯決策分界面,分別為X2=0,以及X1=3,其中兩類(lèi)的協(xié)方差矩陣,先驗(yàn)概率相等,并且有, 。 試求:以及。 窗體底端 窗體頂端 問(wèn)答題 一、由McCulloch-Pitts模型組成的神經(jīng)元網(wǎng)絡(luò)的結(jié)構(gòu)與參數(shù)如圖所示。 已知X0, X1與X2都屬于{0,1},試求的真值表。 ?。∕cCulloch-Pitts)使用的模型參數(shù)為: 二、如標(biāo)準(zhǔn)數(shù)字1在57的方格中表示成如圖所示的黑白圖像,黑為1,白為0,現(xiàn)若有一數(shù)字1在57網(wǎng)格中向左錯(cuò)了一列。試用分別計(jì)算要與標(biāo)準(zhǔn)模板之間的歐氏距離、絕對(duì)值偏差、偏差的夾角表示,以及用“異或”計(jì)算兩者差異。 三、證明在Σ正定或半正定時(shí),mahalanobis距離r符合距離定義的三個(gè)條件,即 ?。?) r(a,b)=r(b,a) ?。?) 當(dāng)且僅當(dāng)a=b時(shí),有r(a,b)=0 ?。?) r(a,c)≤r(a,b)+r(b,c) 四、設(shè)在三維空間中一個(gè)類(lèi)別分類(lèi)問(wèn)題擬采用二次曲面。如欲采用廣義線(xiàn)性方程求解。試向其廣義樣本向量與廣義權(quán)向量的表達(dá)式,其維數(shù)是多少? 五、設(shè)兩類(lèi)樣本的類(lèi)內(nèi)離散矩陣分別為, 試用fisher準(zhǔn)則求其決策面方程。 六、已知有兩類(lèi)數(shù)據(jù),分別為 試求:該組數(shù)據(jù)的類(lèi)內(nèi)及類(lèi)間離散矩陣及。 窗體底端- 1.請(qǐng)仔細(xì)閱讀文檔,確保文檔完整性,對(duì)于不預(yù)覽、不比對(duì)內(nèi)容而直接下載帶來(lái)的問(wèn)題本站不予受理。
- 2.下載的文檔,不會(huì)出現(xiàn)我們的網(wǎng)址水印。
- 3、該文檔所得收入(下載+內(nèi)容+預(yù)覽)歸上傳者、原創(chuàng)作者;如果您是本文檔原作者,請(qǐng)點(diǎn)此認(rèn)領(lǐng)!既往收益都?xì)w您。
下載文檔到電腦,查找使用更方便
9.9 積分
下載 |
- 配套講稿:
如PPT文件的首頁(yè)顯示word圖標(biāo),表示該P(yáng)PT已包含配套word講稿。雙擊word圖標(biāo)可打開(kāi)word文檔。
- 特殊限制:
部分文檔作品中含有的國(guó)旗、國(guó)徽等圖片,僅作為作品整體效果示例展示,禁止商用。設(shè)計(jì)者僅對(duì)作品中獨(dú)創(chuàng)性部分享有著作權(quán)。
- 關(guān) 鍵 詞:
- 模式識(shí)別 答案
鏈接地址:http://italysoccerbets.com/p-9452306.html