重庆市万州高中2015_2016学年高二生物上学期期末模拟试卷(含解析)
2015-2016学年重庆市万州高中高二（上）期末生物模拟试卷
一、选择题：（本题共6小题，每小题6分，在每小题给出的四个选项中只有一项是符合题目要求）
1．某些类型的染色体结构和数目的变异，可通过对细胞有丝分裂中期或减数第一次分裂时期的观察来识别．a、b、c、d为某些生物减数第一次分裂时期染色体变异的模式图，判断先天愚型、猫叫综合症、无子西瓜依次属于（）
A．c\b\a B．a/b/c C．a/d/c D．c/d/a
2．根据现代生物进化理论，判断下列说法正确的是（）
A．生物进化的过程实质是基因型频率变化的过程
B．通过多倍体育种可形成新物种，说明物种的形成可以不经过隔离
C．不同物种间的共同发展就是共同进化
D．自然选择通过作用于个体而影响种群的基因频率
3．判断下列说法正确的是（）
A．同一个体的不同细胞内DNA和RNA均基本不同
B．同一个体的不同细胞内DNA和RNA均基本相同
C．小鼠体内形成卵原细胞的时候可能发生基因突变，染色体变异和基因重组
D．线粒体基因控制性状的遗传不满足孟德尔遗传定律
4．将①、②两个植株杂交，得到③，再作进一步处理，如图所示．下列分析错误的是（）
A．③到④是诱变育种过程，不一定能获得满足需求的植株
B．由③到⑧的育种过程中，遵循的主要原理是染色体变异
C．由③到⑦中，使用秋水仙素可以抑制纺锤体的形成，但不影响着丝点的正常分裂
D．由③到⑨过程就是单倍体育种
5．如图为人体和人体细胞内某些信息传递机制的模式图，图中箭头表示信息的传递方向．下列叙述中，不正确的是（）
A．如果该图表示细胞中遗传信息的表达过程，则e过程发生在核糖体上，其唯一产物为蛋白质
B．如果a表示抗原，b表示吞噬细胞和T细胞，c为B细胞，则该过程为体液免疫
C．如果该图表示反射弧，则形成感觉的场所在b处
D．如果该图中a与d、b与e均各为一个神经元，则兴奋在神经纤维d、e上传导是双向的，且兴奋传导方向与膜内电流方向一致
6．关于动物内环境稳态的叙述，正确的是（）
A．尿毒症和镰刀型贫血等是由人体内环境成分发生明显变化而引起的病症
B．接受抗原刺激后，B淋巴细胞增殖和分化，内环境稳态失调
C．寒冷环境中肾上腺素分泌增多，将引起骨骼肌不自主战栗
D．运动后水分排出较多，此时抗利尿激素分泌增加
二、解答题（共4小题，满分54分）
7．瘦素是一种蛋白质类激素，可作用于下丘脑，调节人的食欲．其作用机理如图所示．请据图分析回答：
（1）瘦素合成后，以的方式分泌出细胞，通过运输至下丘脑，并与靶细胞上的结合．
（2）人体内脂肪含量偏高时，瘦素释放量增加，引起神经元A兴奋，神经元B受抑制，使信号分子x与y的比值，从而使饱中枢兴奋；同时使信号分子z的释放，饥中枢受抑制，降低人的食欲．大多数肥胖者血液中瘦素水平没有降低，推测其体
内，从而使食欲失去控制．
（3）当人体大量进食后，胰岛素的分泌量增加，促进细胞葡萄糖并将其转变为脂肪．据此判断，当瘦素对胰岛素的分泌具有作用时，才可维持体内脂肪含量的稳定．
2015秋季学期信息期末考试试题讲解
2015年秋季学期高一年级信息技术期末测试试卷 （总分100分，时间：90分） 一、单项选择题（本大题共60小题，每小题1分，共60分。温馨提示：请在答题卡上作答， 在本试题上作答无效。） 1．下列选项中，属于信息载体的是 A．数学课本B．高考成绩C．上课铃声D．电视新闻 2．下列选项中，属于信息的是 A．起床铃声B．电视机C．体温计D．人民日报 3．“明修栈道，暗渡陈仓”主要体现信息具有 A．共享性B．时效性C．真伪性D．价值性 4．在人类社会发展历史上经历了五次信息技术革命。第五次信息技术革命将人类社会推进到了数字化的信息时代，其中最主要的表现是 A．语言的产生和使用B．文字的发明和使用 C．电报电话的发明和应用D．计算机技术与现代通信技术的普及应用 5．利用计算机模拟汽车碰撞的全过程，采用的是 A．虚拟现实技术B．语音合成技术C．智能代理技术D．传感交互技术 6．下列选项中，属于计算机输出设备的是 A．键盘B．鼠标C．扫描仪D．显示器 7．在中文标点符号状态下，要输入“、”(顿号)，在键盘上应按的键是 A．B．C．D． 8．在网址https://www.360docs.net/doc/149123552.html,中，“http://”指的是 A．邮件协议B．网际协议C．文件传输协议D．超文本传输协议9．利用电子表格对校运会中的各项比赛成绩进行汇总并排名，这属于信息加工一般过程的（）阶段。 A．记录信息B．加工信息C．发布信息D．存储信息 10．张晓在做“壮族文化”研究性学习时，有些数据不完整，他决定通过上网去查找。他的这个决定属于信息获取四个环节当中的 A．评价信息B．选择信息来源 C．定位信息需求D．确定信息获取方法并获取信息 11．小李收到了一条手机短信“……您获得了10万元大奖，请速汇1500元手续费至账号xxxxx……”。针对这条信息，以下做法较为妥当的是： A．不要轻信来历不明的信息B．直接拨打对方电话进行咨询 C．马上回复短信辱骂骗子D．按短信要求将钱汇入指定帐号 12．教师利用博客收集同学们对课后思考题的看法，该信息的来源属于（）。 A．文献型信息源B．电子型信息源C．实物型信息源D．口头型信息源13．下列选项中，属于电子型信息源的是 A．报纸B．朋友C．动物园D．因特网 14．在Word中，选定一行文字，按Delete键后 A．选定行的文字被删除B．选定行的文字被保存 C．选定行的文字被复制D．选定行的文字被撤销
人工智能期末试题及答案完整版
xx学校 2012—2013学年度第二学期期末试卷 考试课程：《人工智能》考核类型：考试A卷 考试形式：开卷出卷教师： 考试专业：考试班级： 一单项选择题（每小题2分，共10分） 1.首次提出“人工智能”是在（D ）年 A.1946 B.1960 C.1916 D.1956 2. 人工智能应用研究的两个最重要最广泛领域为：B A.专家系统、自动规划 B. 专家系统、机器学习 C. 机器学习、智能控制 D. 机器学习、自然语言理解 3. 下列不是知识表示法的是 A 。 A：计算机表示法B：“与/或”图表示法 C：状态空间表示法D：产生式规则表示法 4. 下列关于不确定性知识描述错误的是 C 。 A：不确定性知识是不可以精确表示的 B：专家知识通常属于不确定性知识 C：不确定性知识是经过处理过的知识 D：不确定性知识的事实与结论的关系不是简单的“是”或“不是”。 5. 下图是一个迷宫，S0是入口，S g是出口，把入口作为初始节点，出口作为目标节点，通道作为分支，画出从入口S0出发，寻找出口Sg的状态树。根据深度优先搜索方法搜索的路径是 C 。 A：s0-s4-s5-s6-s9-sg B：s0-s4-s1-s2-s3-s6-s9-sg C：s0-s4-s1-s2-s3-s5-s6-s8-s9-sg D：s0-s4-s7-s5-s6-s9-sg 二填空题（每空2分，共20分） 1.目前人工智能的主要学派有三家：符号主义、进化主义和连接主义。 2. 问题的状态空间包含三种说明的集合，初始状态集合S 、操作符集合F以及目标
状态集合G 。 3、启发式搜索中，利用一些线索来帮助足迹选择搜索方向，这些线索称为启发式(Heuristic)信息。 4、计算智能是人工智能研究的新内容，涉及神经计算、模糊计算和进化计算等。 5、不确定性推理主要有两种不确定性，即关于结论的不确定性和关于证据的不确 定性。 三名称解释（每词4分，共20分） 人工智能专家系统遗传算法机器学习数据挖掘 答：（1）人工智能 人工智能(Artificial Intelligence) ，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等 （2）专家系统 专家系统是一个含有大量的某个领域专家水平的知识与经验智能计算机程序系统,能够利用人类专家的知识和解决问题的方法来处理该领域问题.简而言之,专家系统是一种模拟人类专家解决领域问题的计算机程序系统 （3）遗传算法 遗传算法是一种以“电子束搜索”特点抑制搜索空间的计算量爆炸的搜索方法，它能以解空间的多点充分搜索，运用基因算法，反复交叉，以突变方式的操作，模拟事物内部多样性和对环境变化的高度适应性，其特点是操作性强，并能同时避免陷入局部极小点，使问题快速地全局收敛，是一类能将多个信息全局利用的自律分散系统。运用遗传算法(GA)等进化方法制成的可进化硬件(EHW)，可产生超出现有模型的技术综合及设计者能力的新颖电路，特别是GA独特的全局优化性能，使其自学习、自适应、自组织、自进化能力获得更充分的发挥，为在无人空间场所进行自动综合、扩展大规模并行处理(MPP)以及实时、灵活地配置、调用基于EPGA的函数级EHW，解决多维空间中不确定性的复杂问题开通了航向 （4）机器学习 机器学习(Machine Learning)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎 （5）数据挖掘 数据挖掘是指从数据集合中自动抽取隐藏在数据中的那些有用信息的非平凡过程，这些信息的表现形式为：规则、概念、规律及模式等。它可帮助决策者分析历史数据及当前数据，并从中发现隐藏的关系和模式，进而预测未来可能发生的行为。数据挖掘的
【模式识别】期末考试复习资料
题型： 1.填空题5题 填空题 2.名词解释4题 3.问答题4题 4.计算作图题3题 5.综合计算题1题 备注1：没有整理第一章和第六章，老师说不考的 备注2：非线性判别函数相关概念P69 概率相关定义、性质、公式P83以后 最小错误率贝叶斯决策公式P85 最小风险贝叶斯P86 正态贝叶斯P90 综合计算有可能是第六次作业 一、填空题 物以类聚人以群分体现的是聚类分析的基本思想。 模式识别分类：1.从实现方法来分模式识别分为监督分类和非监督分类；2.从理论上来分，有统计模式识别，统计模式识别，模糊模式识别，神经网络模式识别法 聚类分析是按照不同对象之间的差异，根据距离函数的规律做模式分类的。 模式的特性：可观察性、可区分性、相似性 模式识别的任务：一是研究生物体（包括人）是如何感知对象的，二是如何用计算机实现模式识别的理论和方法。 计算机的发展方向：1.神经网络计算机－－模拟人的大脑思维；2.生物计算机－－运用生物工程技术、蛋白分子作芯片； 3.光计算机－－用光作为信息载体，通过对光的处理来完成对信息的处理。 训练学习方法：监督学习、无监督学习（无先验知识，甚至类别数也未知）。 统计模式识别有：1.聚类分析法（非监督）；2.判决函数法/几何分类法(监督)；3.基于统计决策的概率分类法 - 以模式集在特征空间中分布的类概率密度函数为基础，对总体特征进行研究，以取得分类的方法 数据的标准化目的：消除各个分量之间数值范围大小对算法的影响 模式识别系统的基本构成：书P7 聚类过程遵循的基本步骤：特征选择；近邻测度；聚类准则；聚类算法；结果验证；结果判定。 相似测度基础：以两矢量的方向是否相近作为考虑的基础,矢量长度并不重要。 确定聚类准则的两种方式：阈值准则，函数准则 基于距离阈值的聚类算法——分解聚类：近邻聚类法；最大最小距离聚类法 类间距离计算准则:1）最短距离法2）最长距离法3）中间距离法4）重心法5）类平均距离法6）离差平方和法P24 系统聚类法——合并的思想 用于随机模式分类识别的方法，通常称为贝叶斯判决。 BAYES 决策常用的准则：最小错误率；最小风险 错误率的计算或估计方法：①按理论公式计算；②计算错误率上界；③实验估计。
模式识别与机器学习期末考查试题及参考答案(20210221222717)
模式识别与机器学习期末考查 试卷 研究生姓名：入学年份：导师姓名：试题1：简述模式识别与机器学习研究的共同问题和各自的研究侧重点。 答：（1）模式识别是研究用计算机来实现人类的模式识别能力的一门学科，是指对表征事物或现象的各种形式的信息进行处理和分析，以对事物或现象进行描述、辨认、分类和解释的过程。主要集中在两方面，一是研究生物体（包括人）是如何感知客观事物的，二是在给定的任务下，如何用计算机实现识别的理论和方法。机器学习则是一门研究怎样用计算机来模拟或实现人类学习活动的学科，是研究如何使机器通过识别和利用现有知识来获取新知识和新技能。主要体现以下三方面：一是人类学习过程的认知模型；二是通用学习算法；三是构造面向任务的专用学习系统的方法。两者关心的很多共同问题，如：分类、聚类、特征选择、信息融合等，这两个领域的界限越来越模糊。机器学习和模式识别的理论和方法可用来解决很多机器感知和信息处理的问题，其中包括图像/ 视频分析（文本、语音、印刷、手写）文档分析、信息检索和网络搜索等。 （2）机器学习和模式识别是分别从计算机科学和工程的角度发展起来的，各自的研究侧重点也不同。模式识别的目标就是分类，为了提高分类器的性能，可能会用到机器学习算法。而机器学习的目标是通过学习提高系统性能，分类只是其最简单的要求，其研究更
侧重于理论，包括泛化效果、收敛性等。模式识别技术相对比较成熟了，而机器学习中一些方法还没有理论基础，只是实验效果比较好。许多算法他们都在研究，但是研究的目标却不同。如在模式识别中研究所关心的就是其对人类效果的提高，偏工程。而在机器学习中则更侧重于其性能上的理论证明。试题2：列出在模式识别与机器学习中的常用算法及其优缺点。答：（1）K 近邻法算法作为一种非参数的分类算法，它已经广泛应用于分类、 回归和模式识别等。在应用算法解决问题的时候，要注意的两个方面是样本权重和特征权重。 优缺点：非常有效，实现简单，分类效果好。样本小时误差难控制，存储所有样本，需要较大存储空间，对于大样本的计算量大。（2）贝叶斯决策法 贝叶斯决策法是以期望值为标准的分析法，是决策者在处理 风险型问题时常常使用的方法。 优缺点：由于在生活当中许多自然现象和生产问题都是难以完全准确预测的，因此决策者在采取相应的决策时总会带有一定的风险。贝叶斯决策法就是将各因素发生某种变动引起结果变动的概率凭统计资料或凭经验主观地假设，然后进一步对期望值进行分析，由于此概率并不能证实其客观性，故往往是主观的和人为的概率，本身带有一定的风险性和不肯定性。虽然用期望的大小进行判断有一些风险，但仍可以认为贝叶斯决策是一种兼科学性和实效性于一身的比较完善的用于解决风险型决策问题的方法，在实际中能够广泛应
2015模式识别期末考试
2015模式识别期末考试
一：问答 1. 什么是模式？ 通过对具体个别事物进行观测所得到的具有时间和空间分布的信息称为模式。模式所指的不是事物本身，而是我们从事物中获得的信息。 2. 模式识别系统主要由哪些部分组成？ 信息获取，预处理，特征提取与选择，分类决策，后处理。 3. 最小错误率贝叶斯分类器设计过程？ 答：根据训练数据求出先验概率 类条件概率分布 利用贝叶斯公式得到后验概率 如果输入待测样本X ，计算X 的后验概率根据后验概率大小进行分类决策分析。 4. 怎样利用朴素贝叶斯方法获得各个属性的类条件概率分布？ 答：假设各属性独立，P(x| ωi) =P(x1, x2, …, xn |ωi) = P(x1| ωi) P(x2|ωi)… P(xn|ωi) 2 ,1),(=i w P i 2 ,1),|(=i w x p i ∑== 2 1 ) ()|() ()|()|(j j j i i i w P w x P w P w x P x w P
后验概率：P(ωi|x) = P(ωi) P(x1|ωi) P(x2|ωi)… P(xn|ωi) 类别清晰的直接分类算，如果是数据连续的，假设属性服从正态分布，算出每个类的均值方差，最后得到类条件概率分布。 均值： ∑==m i xi m x mean 1 1)( 方差： 2 )^(11)var(1 ∑=--=m i x xi m x 二：解答 1.设有如下三类模式样本集ω1，ω2和ω3，其先验概率相等，求Sw 和Sb ω1：{(1 0)T , (2 0) T , (1 1) T } ω2：{(-1 0)T , (0 1) T , (-1 1) T } ω3：{(-1 -1)T , (0 -1) T , (0 -2) T } 答：由于三类样本集的先验概率相等，则概率均为 1/3。 多类情况的类内散度矩阵，可写成各类的类内散布矩阵的先验概率的加权和，即： ∑∑===--=c i i i T i i c i i w C m x m x E P S 1 1 }|))(({)(ωω 其中Ci 是第i 类的协方差矩阵。其中 ??? ?? ? ??=31341m ， ??? ?? ? ??=323 2-2m ， ??? ?? ? ??=34-3 1-3m
【模式识别】期末考试试卷02
《模式识别》期末考试试题（ A ） 一、填空题（ 15 个空，每空 2 分，共 30 分） 1 ．基于机器学习的模式识别系统通常由两个过程组成 , 即（ ）和分类判决。 2 ．统计模式识别把观察对象表达为一个随机向量 (即特征向量 ), 将 ( ) 表达为由有穷或无穷个具有相似数值特性的 模式组成的集合。 3 ．特征一般有两种表达方法 : (1)将特征表达为 ( )； (2)将特征表达为基元。 4 ．特征提取是指采用变换或映射实现由模式测量空间向 ( )的转变。 5 ．同一类模式类样本的分布比较集中，没有或临界样本很少，这样的模式类称为 ( )。 6 ．加权空间的所有 ( )都通过坐标原点。 7．线性多类判别： 若每两个模式类间可用判别平面分开， 在这种情况下， M 类有 ( )个判别函数 ,存在有不确定 区域。 8 ．当取 ( )损失函数时 , 最小风险贝叶斯判决准则等价于最大后验概率判决准则。 9．Neyman-Pearson 决策的基本思想是 ( )某一错误率，同时追求另一错误率最小。 10．聚类 /集群：用事先不知样本的类别，而利用样本的先验知识来构造分类器属于 ( )学习。 11．相似性测度、 ( )和聚类算法称为聚类分析的三要素。 12． K/C 均值算法使用的聚类准则函数是 ( )准则，通过反复迭代优化聚类结果，使所有样本到各自所属类别的中 心的距离平方和达到最小。 13．根据神经元的不同连接方式，可将神经网络分为分层网络和相互连接型网络两大类。其中分层网络可细分为前向网 络、具有反馈的前向网络和 ( )三种互连方式。 14．神经网络的特性及能力主要取决于 ( )及学习方法。 15． BP 神经网络是采用误差反向传播算法的多层前向网络，其中，神经元的传输函数为 是一种 ( )映射关系。 二、简答题（ 2 题，每小题 10 分，共 20 分） S 型函数，网络的输入和输出 1．简述有监督分类方法和无监督分类方法的主要区别。 1 1/ 2 2．已知一组数据的协方差矩阵为 ，试问： 1/2 1 (1) 协方差矩阵中各元素的含义是什么？ (2) K-L 变换的最佳准则是什么？ (3) 为什么说经 K-L 变换后消除了各分量之间的相关性？ 三、计算题(2 题，每小题 13 分，共 26 分 ) 1．设有两类样本，两类样本的类内离散度矩阵分别为 S 1 1/ 2 ， S 1 1/ 2 ，各类样本均值分别为 1 1/ 2 1 2 1/ 2 1 T T μ1 2 0 和 μ2 2 2 ，试用 Fisher 准则求其决策面方程。 2．设有两类正态分布的样本集，第一类均值 μ1 T 1 1/ 2 T 20，方差 1 1/ 2 ，第二类均值 μ2 22，方差 1 1 1/ 2 p( 2 ) 。试按最小错误率 Bayes 决策求两类的分界面。 2 1/ 2 ，先验概率 p( 1 ) 1
模式识别期末试题
一、填空与选择填空（本题答案写在此试卷上，30分） 1、模式识别系统的基本构成单元包括：模式采集、特征提取与选择 和模式分类。 2、统计模式识别中描述模式的方法一般使用特真矢量；句法模式识别中模式描述方法一般有串、树、网。 3、聚类分析算法属于（1）；判别域代数界面方程法属于（3）。 （1）无监督分类 (2)有监督分类（3）统计模式识别方法（4）句法模式识别方法 4、若描述模式的特征量为0-1二值特征量，则一般采用（4）进行相似性度量。 （1）距离测度（2）模糊测度（3）相似测度（4）匹配测度 5、下列函数可以作为聚类分析中的准则函数的有（1）（3）（4）。 （1）（2） (3) (4) 6、Fisher线性判别函数的求解过程是将N维特征矢量投影在（2）中进行。 （1）二维空间（2）一维空间（3）N-1维空间 7、下列判别域界面方程法中只适用于线性可分情况的算法有（1）；线性可分、不可分都适用的有（3）。 （1）感知器算法（2）H-K算法（3）积累位势函数法 8、下列四元组中满足文法定义的有（1）（2）（4）。 （1）({A, B}, {0, 1}, {A→01, A→ 0A1 , A→ 1A0 , B→BA , B→ 0}, A) （2）({A}, {0, 1}, {A→0, A→ 0A}, A) （3）({S}, {a, b}, {S → 00S, S → 11S, S → 00, S → 11}, S) （4）({A}, {0, 1}, {A→01, A→ 0A1, A→ 1A0}, A) 9、影响层次聚类算法结果的主要因素有（计算模式距离的测度、（聚类准则、类间距离门限、预定的 类别数目））。 10、欧式距离具有（ 1、2 ）；马式距离具有（1、2、3、4 ）。 （1）平移不变性（2）旋转不变性（3）尺度缩放不变性（4）不受量纲影响的特性 11、线性判别函数的正负和数值大小的几何意义是（正（负）表示样本点位于判别界面法向量指向的 正（负）半空间中；绝对值正比于样本点到判别界面的距离。）。 12、感知器算法1。 （1）只适用于线性可分的情况；（2）线性可分、不可分都适用。
2015模式识别期末考试
一：问答 1. 什么是模式？ 通过对具体个别事物进行观测所得到的具有时间和空间分布的信息称为模式。模式所指的不是事物本身，而是我们从事物中获得的信息。 2. 模式识别系统主要由哪些部分组成？ 信息获取，预处理，特征提取与选择，分类决策，后处理。 3. 最小错误率贝叶斯分类器设计过程？ 答：根据训练数据求出先验概率 类条件概率分布 利用贝叶斯公式得到后验概率 如果输入待测样本X ，计算X 的后验概率根据后验概率大小进行分类决策分析。 4. 怎样利用朴素贝叶斯方法获得各个属性的类条件概率分布？ 答：假设各属性独立，P(x| ωi) =P(x1, x2, …, xn |ωi) = P(x1| ωi) P(x2|ωi)… P(xn|ωi) 后验概率：P(ωi|x) = P(ωi) P(x1|ωi) P(x2|ωi)… P(xn|ωi) 类别清晰的直接分类算，如果是数据连续的，假设属性服从正态分布，算出每个类的均值方差，最后得到类条件概率分布。 均值：∑==m i xi m x mean 1 1)( 方差：2)^(11)var(1∑=--=m i x xi m x 二：解答 1.设有如下三类模式样本集ω1，ω2和ω3，其先验概率相等，求Sw 和Sb ω1：{(1 0)T , (2 0) T , (1 1) T } ω2：{(-1 0)T , (0 1) T , (-1 1) T } ω3：{(-1 -1)T , (0 -1) T , (0 -2) T } 答：由于三类样本集的先验概率相等，则概率均为 1/3。 多类情况的类内散度矩阵，可写成各类的类内散布矩阵的先验概率的加权和，即： ∑∑===--=c i i i T i i c i i w C m x m x E P S 1 1 }|))(({)(ωω 其中Ci 是第i 类的协方差矩阵。其中?????? ??=31341m ，?? ???? ??=3232-2m ，??? ?? ? ??=34-31-3m 则 =++=321S w w w w S S S ??? ? ??=???? ??+???? ??+???? ??2/3 1/9-1/9- 2/32/3 1/3-1/3- 2/3312/3 1/31/3 2/3312/3 1/3-1/3- 2/331 类间散布矩阵常写成：T i i c i i b m m m m P S ))(()(001 --= ∑=ω 其中，0m 为多类模式（如共有c 类）分布的总体均值向量，即： 2,1),(=i w P i 2 ,1),|(=i w x p i ∑==21 )()|() ()|()|(j j j i i i w P w x P w P w x P x w P
最新模式识别试题答案
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：当训练样本的类别信息已知时进行的分类器训练称为监督学习，或者由教师示范的学习；否则称为非监督学习或者无教师监督的学习。 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、 你怎么理解聚类准则？ 参考答案：包括类内聚类准则、类间距离准则、类内类间距离准则、模式与类核的距离的准则函数等。准则函数就是衡量聚类效果的一种准则，当这种准则满足一定要求时，就可以说聚类达到了预期目的。不同的准则函数会有不同的聚类结果。 7、 一种类的定义是：集合S 中的元素x i 和x j 间的距离d ij 满足下面公式： ∑∑∈∈≤-S x S x ij i j h d k k )1(1，d ij ≤ r ，其中k 是S 中元素的个数，称S 对于阈值h ，r 组成一类。请说明，该定义适合于解决哪一种样本分布的聚类？ 参考答案：即类内所有个体之间的平均距离小于h ，单个距离最大不超过r ，显然该定义适合团簇集中分布的样本类别。 8、 贝叶斯决策理论中，参数估计和非参数估计有什么区别？ 参考答案：参数估计就是已知样本分布的概型，通过训练样本确定概型中的一些参数；非参数估计就是未知样本分布概型，利用Parzen 窗等方法确定样本的概率密度分布规律。 9、 基于风险的统计贝叶斯决策理论中，计算代价[λij ]矩阵的理论依据是什么？假设这个矩阵是 M ?N ，M 和N 取决于哪些因素？
人工智能期末试题及答案完整版(最新)
一单项选择题（每小题2分，共10分） 1.首次提出“人工智能”是在（D ）年 A.1946 B.1960 C.1916 D.1956 2. 人工智能应用研究的两个最重要最广泛领域为：B A.专家系统、自动规划 B. 专家系统、机器学习 C. 机器学习、智能控制 D. 机器学习、自然语言理解 3. 下列不是知识表示法的是 A 。 A：计算机表示法B：“与/或”图表示法 C：状态空间表示法D：产生式规则表示法 4. 下列关于不确定性知识描述错误的是 C 。 A：不确定性知识是不可以精确表示的 B：专家知识通常属于不确定性知识 C：不确定性知识是经过处理过的知识 D：不确定性知识的事实与结论的关系不是简单的“是”或“不是”。 5. 下图是一个迷宫，S0是入口，S g是出口，把入口作为初始节点，出口作为目标节点，通道作为分支，画出从入口S0出发，寻找出口Sg的状态树。根据深度优先搜索方法搜索的路径是 C 。 A：s0-s4-s5-s6-s9-sg B：s0-s4-s1-s2-s3-s6-s9-sg C：s0-s4-s1-s2-s3-s5-s6-s8-s9-sg D：s0-s4-s7-s5-s6-s9-sg 二填空题（每空2分，共20分） 1.目前人工智能的主要学派有三家：符号主义、进化主义和连接主义。 2. 问题的状态空间包含三种说明的集合，初始状态集合S 、操作符集合F以及目标状态集合G 。 3、启发式搜索中，利用一些线索来帮助足迹选择搜索方向，这些线索称为启发式(Heuristic)信息。 4、计算智能是人工智能研究的新内容，涉及神经计算、模糊计算和进化计算等。 5、不确定性推理主要有两种不确定性，即关于结论的不确定性和关于证据的不确 定性。
模式识别期末考试
问答 1. 什么是模式？ 通过对具体个别事物进行观测所得到的具有时间和空间分布的信息称为模式。 模式所指 的不是事物本身，而是我们从事物中获得的信息。 2. 模式识别系统主要由哪些部分组成？ 信息获取，预处理，特征提取与选择，分类决策，后处理。 3. 最小错误率贝叶斯分类器设计过程？ 答：根据训练数据求出先验概率 P ( w i ), i 类条件概率分布 p ( x | w i ), i 1, 2 利用贝叶斯公式得到后验概率 P (w i | x) P(x |w j )P(w j ) 如果输入待测样本 X ，计算 X 的后验概率根据后 验j 概1 率大小进行分类决策分析。 4. 怎样利用朴素贝叶斯方法获得各个属性的类条件概率分布？ 答：假设各属性独立， P(x| ωi) =P(x1, x2, ?, xn | ωi) = P(x1| ωi) P(x2| ωi) ? P(xn| ωi) 后验概率： P(ωi|x) = P( ωi) P(x1| ωi) P(x2| ωi) ? P(xn| ωi) 类别清晰的直接分类算，如果是数据连续的，假设属性服从正态分布，算出每个类的均 值方差，最后得到类条件概率分布。 1 m 1 m 均值： mean(x) 1 xi 方差： var( x) 1 (xi x)^2 m i 1 m 1 i 1 二：解答 1. 设有如下三类模式样本集 ω1，ω2和ω3，其先验概率相等， 求 Sw 和 Sb ω1： {(1 0) T , (2 0) T , (1 1) T } ω2： {(-1 0) T , (0 1) T , (-1 1) T } ω3： {(-1 -1) T , (0 -1) T , (0 -2) T } 答：由于三类样本集的先验概率相等，则概率均为 1/3 。 多类情况的类内散度矩阵，可写成各类的类内散布矩阵的先验概率的加权和，即： S w c P( i1 i )E{(x m i )(x c m i )T | i } C i i1 4 2 - 1 其Ci 是第 i 类的协方差矩其中 3， - 3 ， -3 m 1 m 2 m 3 1 1 23 4 3 3 -3 则 1 2/3 -1/3 1 2/3 1/3 1 2/3 -1/3 2/3 -1/9 S w S w1 S w2 S w3 3 -2/3 3 1/3 2/3 3 -1/3 2/3 -2/3 c 类间散布矩阵常写成： S b P( i )(m i m 0 )(m i m 0)T i1 1,2 P(x |w i )P(w i ) 2
2015模式识别期末考试.docx
2015 模式识别期末考试
一：答 1.什么是模式？ 通具体个事物行所得到的具有 P ( w i), i 1 , 2 和空分布的信息称模式。模式所指的 p ( x | w i ), i 1 , 2P ( x | w i ) P ( w i ) P ( w i| x )2信 不是事物本身，而是我从事物中 j得的j P ( x | w ) P ( w ) j 1 息。 2.模式系主要由哪些部分成？ 信息取，理，特征提取与，分决策，后理。 3.最小率叶斯分器程？答：根据 数据求出先概率 条件概率分布 利用叶斯公式得到后概率 如果入待本 X，算 X 的后概率根据后概率大小行分决策分析。 4.怎利用朴素叶斯方法得各个属性的条件概率分布？ 答：假各属性独立， P(x| ωi) =P(x1, x2, xn | ωi)= P(x1|ωi)P(x2| ωi) P(xn| ωi)?,?
后概率：P(ωi|x)= P(ωi) P(x1| ωi) P(x2| ωi) ? P(xn| ωi) 清晰的直接分算，如果是数据的，假属性服从正分布，算出每个的均方差，最后得到条件概率分布。 1m1m 均： mean(x)xi方差：var( x) m ( xi x)^ 2 m i 1 1 i 1 二：解答 1.有如下三模式本集ω1，ω2 和ω3， 其先概率相等，求Sw和 Sb ω1：{(1 0)T, (2 0)T, (1 1)T} ω2：{(-1 0)T, (0 1)T, (-1 1)T} ω3：{(-1 -1)T, (0 -1)T, (0 -2)T} 答：由于三本集的先概率相等，概率均 1/3 。 多情况的内散度矩，可写成各的内散布矩的先概率的加和，即： c c S w P(i )E{ ( x m i)( x m i )T|i }C i i 1i 1 其中 Ci 是第 i 的方差矩。其中m34， 11 3 -2 ， m3 - 1 m233 2-4 33