模式識(shí)別試題.doc

《模式識(shí)別試題.doc》由會(huì)員分享，可在線閱讀，更多相關(guān)《模式識(shí)別試題.doc（3頁珍藏版）》請(qǐng)?jiān)谘b配圖網(wǎng)上搜索。

模式識(shí)別試題答案（A卷）一、填空與選擇填空（本題答案寫在此試卷上，30分）1、影響層次聚類算法結(jié)果的主要因素有（ 計(jì)算模式距離的測(cè)度、（聚類準(zhǔn)則、類間距離門限、預(yù)定的類別數(shù)目）。2、歐式距離具有（ 1、2 ）；馬式距離具有（ 1、2、3、4 ）。 （1）平移不變性（2）旋轉(zhuǎn)不變性（3）尺度縮放不變性（4）不受量綱影響的特性3、線性判別函數(shù)的正負(fù)和數(shù)值大小的幾何意義是（正（負(fù)）表示樣本點(diǎn)位于判別界面法向量指向的正（負(fù)）半空間中；絕對(duì)值正比于樣本點(diǎn)到判別界面的距離。）。4、感知器算法 1 。（1）只適用于線性可分的情況；（2）線性可分、不可分都適用。5、積累勢(shì)函數(shù)法較之于H-K算法的優(yōu)點(diǎn)是（該方法可用于非線性可分情況（也可用于線性可分情況） ）；位勢(shì)函數(shù)K(x,xk)與積累位勢(shì)函數(shù)K(x)的關(guān)系為（）。 6、在統(tǒng)計(jì)模式分類問題中，聶曼-皮爾遜判決準(zhǔn)則主要用于（ 某一種判決錯(cuò)誤較另一種判決錯(cuò)誤更為重要）情況；最小最大判決準(zhǔn)則主要用于（ 先驗(yàn)概率未知的）情況。7、“特征個(gè)數(shù)越多越有利于分類”這種說法正確嗎？（ 錯(cuò)誤 ）。特征選擇的主要目的是（從n個(gè)特征中選出最有利于分類的的m個(gè)特征（mn ）的條件下，可以使用分支定界法以減少計(jì)算量。8、 散度Jij越大，說明wi類模式與wj類模式的分布（差別越大）；當(dāng)wi類模式與wj類模式的分布相同時(shí)，Jij=（0）。9、 已知有限狀態(tài)自動(dòng)機(jī)Af=(，Q，d，q0，F(xiàn))，=0，1；Q=q0，q1；d：d(q0，0)= q1，d(q0，1)= q1，d(q1，0)=q0，d(q1，1)=q0；q0=q0；F=q0。現(xiàn)有輸入字符串：(a) 00011101011，(b) 1100110011，(c) 101100111000，(d)0010011，試問，用Af對(duì)上述字符串進(jìn)行分類的結(jié)果為（ 1:a,d;2:b,c ）。二、（15分）在目標(biāo)識(shí)別中，假定類型w1為敵方目標(biāo)，類型w2為誘餌（假目標(biāo)），已知先驗(yàn)概率P(w1)=0.2和P(w2)=0.8，類概率密度函數(shù)如下： x 0 x 1 x - 1 1 x 2 p(x|w1)= 2 - x1 x 2 p(x|w2)= 3 - x 2 x 3 0 其它 0 其它（1）求貝葉斯最小誤判概率準(zhǔn)則下的判決域，并判斷樣本x=1.5屬于哪一類（2）求總錯(cuò)誤概率P(e)；（3）假設(shè)正確判斷的損失l11=l22=0，誤判損失分別為l12和l21，若采用最小損失判決準(zhǔn)則，l12和l21滿足怎樣的關(guān)系時(shí)，會(huì)使上述對(duì)x=1.5的判斷相反？解：（1）應(yīng)用貝葉斯最小誤判概率準(zhǔn)則如果 則判 得 l12(1.5)=1 d1(x,y)=2x+y-5=0(y-1)/(x-2)=(y-2)/(x-3) = d2(x,y)=-x+y+1=0(y-3)/(x-1)=(y-2)/(x-3) = d3(x,y)=-x-2y+7=0故1=(x,y)|(2x+y-50)(-x+y+10) (-x-2y+70)可取有三個(gè)神經(jīng)元的單隱含層網(wǎng)絡(luò)，隱含層到輸出神經(jīng)元權(quán)值為1，輸出神經(jīng)元閥值取為2.5即可。 四、 （15分）（1）試給出c-均值算法的算法流程圖；（2）試證明c-均值算法可使誤差平方和準(zhǔn)則最小。其中，k是迭代次數(shù)；是的樣本均值。 解：（1）框圖中給出以下基本步驟： 1、任選個(gè)模式特征矢量作為初始聚類中心。 2、 將待分類的模式特征矢量集中的模式逐個(gè)按最小距離原則分劃給類中的某一類。 3、 計(jì)算重新分類后的各類心。4、如果任一類的類心改變，則轉(zhuǎn)至；否則結(jié)束。（2）設(shè)某樣本從聚類移至聚類中，移出后的集合記為，移入后的集合記為。設(shè)和所含樣本數(shù)分別為和，聚類、和的均矢分別為、和，顯然有 （1） （2） 而這兩個(gè)新的聚類的類內(nèi)歐氏距離(平方)和與原來的兩個(gè)聚類的類內(nèi)歐氏距離(平方)和的關(guān)系是 （3） （4） 當(dāng)距比距更近時(shí)，使得 （5） 由式(3)、(4及(5)可知，將分劃給類可使J變小。這說明在分類問題中不斷地計(jì)算新分劃的各類的類心，并按最小距離原則歸類可使J值減至極小值。