四川大学模式识别期末考试内容
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
一.计算题
1、 在图像识别中,假定有灌木和坦克2种类型,它们的先验概率分别是0.7和0.3,损失函数如下表所示。其中,类型w 1和w 2分别表示灌木和坦克,判决a 1=w 1,a 2=w 2。现在做了2次实验,获得2个样本的类概率密度如下:
5.02.0)|(1=ωx P 3.06
.0)|(2=ωx P
(1)试用最小错误率贝叶斯准则判决2个样本各属于哪一类?坦克、灌木。 (2)试用最小风险决策规则判决2个样本各属于哪一类?灌木、灌木。 答:(1)最小错误率贝叶斯准则
,决策为坦克
第一个样本:
2121221
111)|()|(5625.04375.01)|(1)|(4375
.032
14
3.0*6.07.0*2.07.0*2.0)
()|()()|()|(ωωωωωωωωωω∈⇒>=-=-===+==∑=x x P x P x P x P P x p P x p x P j j j ,决策为灌木
第二个样本:
1121221
111)|()|(44
9205.0795.01)|(1)|(795
.044
35
3.0*3.07.0*5.07.0*5.0)
()|()()|()|(ωωωωωωωωωω∈⇒<==-≈-=≈=+==∑=x x P x P x P x P P x p P x p x P j j j
(2)最小风险决策规则
,决策为灌木
第一个样本
1212221212
1222121112
11122211211)|()|(3175.25625.0*0.14375.0*4)
|()|()|()|(35375.15625.0*24375.0*5.0)
|()|()|()|(0
.1425.0ωωλωλωλωλωλωλλλλλ∈⇒<=+=+===+=+======∑∑==x x a R x a R x P x P x P x a R x P x P x P x a R j j j j j j
,决策为灌木
第二个样本
1212221212
1222121112
111)|()|(385.3205.0*0.1795.0*4)
|()|()|()|(8075
.0205.0*2795.0*5.0)
|()|()|()|(ωωλωλωλωλωλωλ∈⇒<=+=+===+=+==∑∑==x x a R x a R x P x P x P x a R x P x P x P x a R j j j j j j
2、 给出二维样本数据(-1,1),(2,2),(1,-1),(-2,-2),试用K-L 变换作一维数据压缩。
答:数据压缩结果:0,2
2,0,22-
3、 已知两类的数据:ω1:(1,0),(2,0),(1,1);ω2:(-1,0),(0,1),(-1,1),试求该组数据的类内与类间散布矩阵。
⎪⎪⎭
⎫ ⎝⎛--=
⎪⎭⎫ ⎝⎛-⎪⎪⎪⎪⎭
⎫ ⎝⎛-=--=⎪⎪⎭⎫ ⎝⎛=⎪⎪⎭⎫ ⎝⎛+⎪⎪⎭⎫ ⎝⎛--=+=⎥⎦
⎤
⎢⎣⎡-⎥⎦
⎤⎢⎣⎡⎥⎦⎤⎢⎣⎡--⎪⎪⎭
⎫ ⎝⎛=--=
⎥⎦
⎤
⎢⎣⎡-⎥⎦
⎤
⎢⎣⎡-⎥⎦
⎤⎢⎣⎡--⎪⎪⎭
⎫ ⎝⎛--=--=
⎪⎭
⎫
⎝⎛-=⎪⎭⎫ ⎝⎛==
∑∑∑∈∈∈
1663691313
63136))((400431211231211231).33131
3132
3231211231))((32313132
3131
211231))(().23232,31341).1:
2121212221112
121T b w b
w T
T
T
x T
T
T
T
x T
T
T x i
i m m m m S S S S S S m x m x S m x m x S m m x N m i
与计算向量的距离平方和
分别计算两个类与均值取均值向量
答χχχ
其中Sw 为类内,Sb 为类间
4、已知欧氏二维空间中两类
9
个训练样本
w 1:(-1,0)T ,(-2,0)T ,(-2,1)T ,(-2,-1)T
w 2:(1,1)T ,(2,0)T ,(1,-1)T ,(2,1)T ,(2,2)T ,试分别用最近邻法和K 近邻法求测试样本(0,0)T 的分类,取K=5,7。
答:
最近邻法:最近邻为(-1,0)T 分类为w 1
K 近邻法:
K=5:5个近邻为1类的(-1,0)T ,(-2,0)T ,2类的(1,1)T ,(2,0)T ,(1,-1)T 分类为w 2
K=7:1)若近邻为1类的(-1,0)T,(-2,0)T,(-2,1)T,(-2,-1)T,2类的(1,1)T,(2,0)T,(1,-1)T,则分类为w1
2)若近邻为1类的(-1,0)T,(-2,0)T,(-2,1)T或(-2,-1)T两个之一,2类的(1,1)T,(2,0)T,(1,-1)T,(2,1)T,则分类为w2
5.已知两类的训练样本:w1(0,0)T,(0,2)T;w2(2,0)T,(2,2)T,试用最小平方误差准则算法进行分类器训练,求解向量w*。
简答题
简答题
1.什么是模式与模式识别?
模式:对象之间存在的规律性关系;
模式识别:是研究用计算机来实现人类模式识别能力的一门学科。
/*模式:广义地说,模式是一些供模仿用的、完美无缺的标本。本课程把所见到的具体事物称为模式,而将它们归属的类别称为模式类。模式的直观特性:可观察性,可区分性,相似性
模式识别:指对表征事物或现象的各种形式的(数值的、文字的和逻辑关系的)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。*/
2.一个典型的模式识别系统主要由哪几个部分组成
3.什么是后验概率?
系统在某个具体的模式样本X条件下位于某种类型的概率。
4.确定线性分类器的主要步骤