《模式识别》试题库
《模式识别》试题库一、基本概念题1.1 模式识别的三大核心问题是：、、。
1.2、模式分布为团状时，选用聚类算法较好。
1.3 欧式距离具有。
马式距离具有。
（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1.4 描述模式相似的测度有：。
（1）距离测度（2）模糊测度（3）相似测度（4）匹配测度1.5 利用两类方法处理多类问题的技术途径有：（1）；（2）；（3）。
其中最常用的是第个技术途径。
1.6 判别函数的正负和数值大小在分类中的意义是：，。
1.7 感知器算法。
（1）只适用于线性可分的情况；（2）线性可分、不可分都适用。
1.8 积累位势函数法的判别界面一般为。
（1）线性界面；（2）非线性界面。
1.9 基于距离的类别可分性判据有：。
（1）1[]w BTr S S-（2）BWSS（3）BW BSS S+1.10 作为统计判别问题的模式分类，在（）情况下，可使用聂曼-皮尔逊判决准则。
1.11 确定性模式非线形分类的势函数法中，位势函数K(x,x k)与积累位势函数K(x)的关系为（）。
1.12 用作确定性模式非线形分类的势函数法，通常，两个n维向量x和x k的函数K(x,x k)若同时满足下列三个条件，都可作为势函数。
①（）；②（ ）； ③ K(x,x k )是光滑函数，且是x 和x k 之间距离的单调下降函数。
1.13 散度J ij 越大，说明ωi 类模式与ωj 类模式的分布（ ）。
当ωi 类模式与ωj 类模式的分布相同时，J ij =（ ）。
1.14 若用Parzen 窗法估计模式的类概率密度函数，窗口尺寸h1过小可能产生的问题是（ ），h1过大可能产生的问题是（ ）。
1.15 信息熵可以作为一种可分性判据的原因是： 。
1.16作为统计判别问题的模式分类，在（ ）条件下，最小损失判决规则与最小错误判决规则是等价的。
1.17 随机变量l(x )=p( x |ω1)/p( x |ω2)，l( x )又称似然比，则E {l( x )|ω2}=（ ）。
在最小误判概率准则下，对数似然比Bayes 判决规则为（ ）。
1.18 影响类概率密度估计质量的最重要因素是（ ）。
1.19 基于熵的可分性判据定义为)]|(log )|([1x P x P E J i c i i x Hωω∑=-=，J H 越（ ），说明模式的可分性越强。
当P(ωi | x ) =（ ）(i=1,2,…,c)时，J H 取极大值。
1.20 Kn 近邻元法较之于Parzen 窗法的优势在于（ ）。
上述两种算法的共同弱点主要是（ ）。
1.21 已知有限状态自动机Af=(∑，Q ，δ，q0，F)，∑={0，1}；Q={q0，q1}；δ：δ(q0，0)= q1，δ(q0，1)= q1，δ(q1，0)=q0，δ(q1，1)=q0；q0=q0；F={q0}。
现有输入字符串：(a) 00011101011，(b) 1100110011，(c) 101100111000，(d)0010011，试问，用Af 对上述字符串进行分类的结果为（ ）。
1.22 句法模式识别中模式描述方法有： 。
（1）符号串 （2）树 （3）图 （4）特征向量1.23设集合X={a,b,c,d }上的关系，R={(a,a),(a,b),(a,d),(b,b),(b,a),(b,d),(c,c),(d,d),(d,a),(d,b)}，则a,b,c,d 生成的R 等价类分别为 （ [a]R= ，[b]R= ，[c]R= ，[d]R= ）。
1.24 如果集合X 上的关系R 是传递的、（ ）和（ ）的，则称R 是一个等价关系。
1.25一个模式识别系统由那几部分组成？画出其原理框图。
1.26 统计模式识别中，模式是如何描述的。
1.27 简述随机矢量之间的统计关系：不相关，正交，独立的定义及它们之间的关系。
1.28 试证明，对于正态分布，不相关与独立是等价的。
1.29 试证明，多元正态随机矢量的线性变换仍为多元正态随机矢量。
1.30 试证明，多元正态随机矢量X的分量的线性组合是一正态随机变量。
第二部分 分析、证明、计算题 第二章 聚类分析2.1 影响聚类结果的主要因素有那些？ 2.2 马氏距离有那些优点？2.3 如果各模式类呈现链状分布，衡量其类间距离用最小距离还是用最大距离？为什么？2.4 动态聚类算法较之于简单聚类算法的改进之处何在？层次聚类算法是动态聚类算法吗？比较层次聚类算法与c-均值算法的优劣。
2.5 ISODATA 算法较之于c-均值算法的优势何在？ 2.6 简述最小张树算法的优点。
2.7 证明马氏距离是平移不变的、非奇异线性变换不变的。
2.8 设，类pω、qω的重心分别为px 、qx ，它们分别有样本pn 、qn 个。
将和qω合并为l ω，则 lω有qp l n n n +=个样本。
另一类 k ω的重心为 k x。
试证明 k ω与 l ω的距离平方是2222pqlk q p kq lk q kp lk p kl D n n n n D n n n D n n n D +-+++=2.9 （1）设有M 类模式ωi ，i=1,2,...,M ，试证明总体散布矩阵S T 是总类内散布矩阵S W 与类间散布矩阵S B 之和，即S T ＝S W ＋S B 。
（2）设有二维样本：x1=(-1,0)T，x2=(0,-1)T，x3=(0,0)T，x4=(2,0)T和x5=(0,2)T。
试选用一种合适的方法进行一维特征特征提取y i= W T x i。
要求求出变换矩阵W，并求出变换结果y i，(i=1,2,3,4,5)。
（3）根据（2）特征提取后的一维特征，选用一种合适的聚类算法将这些样本分为两类，要求每类样本个数不少于两个，并写出聚类过程。
2.10 （1）试给出c-均值算法的算法流程图;（2）试证明c-均值算法可使误差平方和准则∑∑∈=--=)()()()()(1)(kjixkjiTkjicjk zxzxJω最小。
其中，k是迭代次数；)(kjz是)(kjω的样本均值。
2.11 现有2k+1个一维样本，其中k个样本在x=-2处重合，另k个样本在x=0处重合，只有1个在x=a>0处。
若a=2(k+1)，证明，使误差平方和准则Jc最小的两类划分是x=0处的k个样本与x=a处的1个样本为一类，其余为另一类。
这里，c N jJc = ∑∑(x i-m j)2j=1 i=1其中，c为类别数，Nj是第j类的样本个数，xi∈ωj，i=1,2,...,Nj，mj是第j类的样本均值。
2.12 有样本集}1,55,45,54,44,1,{⎪⎪⎭⎫⎝⎛⎪⎪⎭⎫⎝⎛⎪⎪⎭⎫⎝⎛⎪⎪⎭⎫⎝⎛⎪⎪⎭⎫⎝⎛⎪⎪⎭⎫⎝⎛⎪⎪⎭⎫⎝⎛，试用谱系聚类算法对其分类。
2.13 设有样本集S=},...,,{21nxxx，证明类心z到S中各样本点距离平方和∑=--niiTizxzx1)()(为最小时，有∑==niixnz11。
2.14 假设s为模式矢量集X上的距离相似侧度，有,0,(,)0x y s x y∀>>且当0a>时，(,)/(,)d x y a s x y=。
证明d是距离差异性测度。
2.15 证明欧氏距离满足旋转不变性。
提示：运用Minkowski不等式，对于两矢量T1[,,]lx x x=和min min max max m m (),(),(),()()ss ss ss ss ss ss ss ssavg avg ean ean d s d s d s d s d s ，满足1/1/1/111()()()ppplllpppi i i i i i i y y x x ≤+===+∑∑∑2.16证明：（a ）如果s 是类X 上的距离相似侧度，,0,(,)0x y s x y ∀>>，那么对于 0a ∀>，(,)s x y a +也是类X 上的距离测度。
（b ）如果d 是类X 上的距离差异性测度，那么对于0a ∀>， d a +也是类X 上的距离差异性测度2.17 假设:f R R ++→是连续单调递增函数，满足()()(),,f x f y f x y x y R ++≥+∀∈d 是类X 上的距离差异性测度且00d ≥。
证明()f d 也是类X 上的距离差异性测度。
2.18 假设s 为类X 上的距离相似侧度，有,0,(,)0x y s x y ∀>>， :f R R ++→是连续单调递增函数，满足111()()(),,x yf x f y f x y R ++≥∀∈+证明()f x 是X 上的距离相似侧度。
2.19 证明：对于模式矢量集X 上任意两个矢量x 和 y 有21(,)(,)(,)x y x y x y dd d ∞≤≤2.20 （a ）证明公式1/(,)1(,)()qF lq qx y i i i s x y s ==∑中 (,)F s x y 的最大最小值分别是和1/0.5ql 。
（b ）证明当q →+∞时，公式1/(,)1(,)()qqF lqx y i i i s x y s ==∑中1(,)max (,)i l i i Fx y s x y s≤≤=2.21 假设d 是模式矢量集X 上的差异性测度，max s d d =-是相应相似测度。
证明max (,)(,),,pspsavg avg x C x C x X C Xs d d =-∀∈⊂其中ps avgs和ps avgd是分别根据s 和d 所定义的。
ps avgψ的定义来自于下面公式，其中第一个集合只含有一个矢量。
提示：平均亲近函数1(,)(,)i ji jps avg i j x D y D D D D D x y n n ∈∈ψ=ψ∑∑，其中iD n 和jD n 分别是集合i D 和j D 的势。
即使 ψ是测度，显然ps avgψ不是测度。
在公式中，i D 和j D 中的所有矢量都参与计算。
2.22 假设,{0,1}l x y ∈。
证明2(,)x y d =。
2.23 考虑一维空间的两矢量，T 1[,,]l x x x =和 T 1[,,]l y y y =，1max {}j lij ijyy x x =-=-，定义距离(,)nx y d为1,1(,)[(2)/2]lniiiij j ix y l l yydx x =≠=-+---∑这个距离曾被提议作为欧氏距离的近似值。
（a ）证明nd 是距离。
（b ）比较nd和2d的计算复杂度。
2．24 若定义下列准则函数11()()i cT T i T i i x X J x m S x m -=∈=--∑∑其中i m 是 i X 中 i N 个样本的均值向量，T S 是总散布矩阵，（1）证明T J 对数据的非奇异线形变换具有不变性。
模式识别期末试题
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。
模式识别试卷及答案
模式识别试卷及答案一、选择题（每题5分，共30分）1. 以下哪一项不是模式识别的主要任务？A. 分类B. 回归C. 聚类D. 预测答案：B2. 以下哪种算法不属于监督学习？A. 支持向量机（SVM）B. 决策树C. K最近邻（K-NN）D. K均值聚类答案：D3. 在模式识别中，以下哪一项是特征选择的目的是？A. 减少特征维度B. 增强模型泛化能力C. 提高模型计算效率D. 所有上述选项答案：D4. 以下哪种模式识别方法适用于非线性问题？A. 线性判别分析（LDA）B. 主成分分析（PCA）C. 支持向量机（SVM）D. 线性回归答案：C5. 在神经网络中，以下哪种激活函数常用于输出层？A. SigmoidB. TanhC. ReLUD. Softmax答案：D6. 以下哪种聚类算法是基于密度的？A. K均值聚类B. 层次聚类C. DBSCAND. 高斯混合模型答案：C二、填空题（每题5分，共30分）1. 模式识别的主要任务包括______、______、______。
答案：分类、回归、聚类2. 在监督学习中，训练集通常分为______和______两部分。
答案：训练集、测试集3. 支持向量机（SVM）的基本思想是找到一个______，使得不同类别的数据点被最大化地______。
答案：最优分割超平面、间隔4. 主成分分析（PCA）是一种______方法，用于降维和特征提取。
答案：线性变换5. 神经网络的反向传播算法用于______。
答案：梯度下降6. 在聚类算法中，DBSCAN算法的核心思想是找到______。
答案：密度相连的点三、简答题（每题10分，共30分）1. 简述模式识别的基本流程。
答案：模式识别的基本流程包括以下几个步骤：（1）数据预处理：对原始数据进行清洗、标准化和特征提取。
（2）模型选择：根据问题类型选择合适的模式识别算法。
（3）模型训练：使用训练集对模型进行训练，学习数据特征和规律。
模式识别期末考试题及答案
模式识别期末考试题及答案一、选择题（每题2分，共20分）1. 以下哪一项不是模式识别的主要任务？A. 分类B. 回归C. 聚类D. 预测答案：B2. 以下哪一种方法不属于统计模式识别方法？A. 最小二乘法B. 感知机C. 支持向量机D. 决策树答案：A3. 在模式识别中，以下哪种技术用于降低特征维度？A. 主成分分析（PCA）B. 线性判别分析（LDA）C. 神经网络D. K-均值聚类答案：A4. 以下哪一种模式识别方法适用于非线性问题？A. 线性判别分析（LDA）B. 支持向量机（SVM）C. 主成分分析（PCA）D. K-最近邻（K-NN）答案：B5. 以下哪一项不是模式识别的评价指标？A. 准确率B. 精确率C. 召回率D. 信息熵答案：D二、填空题（每题2分，共20分）6. 模式识别的主要任务包括分类、回归、聚类和________。
答案：预测7. 统计模式识别方法包括最小二乘法、感知机、________和决策树。
答案：支持向量机8. 主成分分析（PCA）的主要目的是________特征。
答案：降低维度9. 在模式识别中，________用于将样本分为不同的类别。
答案：分类器10. 支持向量机（SVM）的基本思想是找到一个________，使得不同类别的样本之间的间隔最大化。
答案：最优分割超平面三、简答题（每题10分，共30分）11. 请简述模式识别的主要步骤。
答案：（1）数据预处理：对原始数据进行清洗、标准化和降维等处理。
（2）特征提取：从原始数据中提取有助于分类的特征。
（3）模型训练：使用训练集对分类器进行训练。
（4）模型评估：使用测试集对分类器的性能进行评估。
（5）模型优化：根据评估结果对模型进行调整和优化。
12. 请简述支持向量机（SVM）的基本原理。
支持向量机是一种二分类模型，其基本思想是找到一个最优分割超平面，使得不同类别的样本之间的间隔最大化。
SVM通过求解一个凸二次规划问题来寻找最优分割超平面，从而实现分类任务。
模式识别期末试题
模式识别期末试题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。
这些构成单元一起协作，以确定输入模式的类别或特征。
2.统计模式识别中，描述模式的方法一般使用特征向量；而句法模式识别中，模式描述方法一般有串、树、网等。
3.聚类分析算法属于无监督分类；判别域代数界面方程法属于统计模式识别方法。
4.若描述模式的特征量为0-1二值特征量，则一般采用匹配测度进行相似性度量。
5.准则函数可以作为聚类分析中的判别标准，常用的有距离准则、均值准则和连通性准则。
6.Fisher线性判别函数的求解过程是将N维特征向量投影在一维空间中进行。
7.感知器算法只适用于线性可分情况；而积累位势函数法既适用于线性可分，也适用于线性不可分情况。
8.满足文法定义的四元组包括：起始符号、非终结符号集合、终结符号集合和产生式规则集合。
其中，第一、二、四个四元组满足文法定义。
9.影响层次聚类算法结果的主要因素包括计算模式距离的测度、聚类准则、类间距离门限和预定的类别数目。
10.欧式距离具有平移不变性和旋转不变性；马式距离具有平移不变性、旋转不变性、尺度缩放不变性和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.感知器算法适用于线性可分和线性不可分的情况。
13.积累位势函数法相较于H-K算法的优点是该方法可用于非线性可分情况，也可用于线性可分情况。
位势函数K(x,xk)与积累位势函数K(x)的关系为K(x) = ∑αkK(x,xk)，其中xk∈X。
14、XXX判决准则适用于一种判决错误比另一种判决错误更为重要的情况，而最小最大判决准则适用于先验概率未知的情况。
15、特征个数越多并不一定有利于分类。
特征选择的主要目的是从n个特征中选出最有利于分类的m个特征（m<n），以降低特征维数。
在可分性判据对特征个数具有单调性且特征个数远小于样本数的情况下，可以使用分支定界法以减少计算量。
模式识别期末试题及答案
模式识别期末试题及答案正文：模式识别期末试题及答案1. 选择题1.1 下列关于机器学习的说法中，正确的是：A. 机器学习是一种人工智能的应用领域B. 机器学习只能应用于结构化数据C. 机器学习不需要预先定义规则D. 机器学习只能处理监督学习问题答案：A1.2 在监督学习中，以下哪个选项描述了正确的训练过程？A. 通过输入特征和预期输出，训练一个模型来进行预测B. 通过输入特征和可能的输出，训练一个模型来进行预测C. 通过输入特征和无标签的数据，训练一个模型来进行预测D. 通过输入特征和已有标签的数据，训练一个模型来进行分类答案：D2. 简答题2.1 请解释什么是模式识别？模式识别是指在给定一组输入数据的情况下，通过学习和建模，识别和分类输入数据中的模式或规律。
通过模式识别算法，我们可以从数据中提取重要的特征，并根据这些特征进行分类、聚类或预测等任务。
2.2 请解释监督学习和无监督学习的区别。
监督学习是一种机器学习方法，其中训练数据包含了输入特征和对应的标签或输出。
通过给算法提供已知输入和输出的训练样本，监督学习的目标是学习一个函数，将新的输入映射到正确的输出。
而无监督学习则没有标签或输出信息。
无监督学习的目标是从未标记的数据中找到模式和结构。
这种学习方法通常用于聚类、降维和异常检测等任务。
3. 计算题3.1 请计算以下数据集的平均值：[2, 4, 6, 8, 10]答案：63.2 请计算以下数据集的标准差：[1, 3, 5, 7, 9]答案：2.834. 综合题4.1 对于一个二分类问题，我们可以使用逻辑回归模型进行预测。
请简要解释逻辑回归模型的原理，并说明它适用的场景。
逻辑回归模型是一种用于解决二分类问题的监督学习算法。
其基本原理是通过将特征的线性组合传递给一个非线性函数（称为sigmoid函数），将实数值映射到[0,1]之间的概率。
这个映射的概率可以被解释为某个样本属于正类的概率。
逻辑回归适用于需要估计二分类问题的概率的场景，例如垃圾邮件分类、欺诈检测等。
《模式识别》试题库
《模式识别》试题库一、基本概念题1.1 模式识别的三大核心问题是： 、。
1.2、模式分布为团状时，选用 聚类算法较好。
1.3 欧式距离具有 。
马式距离具有 。
（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 1.4 描述模式相似的测度有： 。
（1）距离测度 （2）模糊测度 （3）相似测度 （4）匹配测度1.5 利用两类方法处理多类问题的技术途径有：（1） ；（2） ；（3） 。
其中最常用的是第 个技术途径。
1.6 判别函数的正负和数值大小在分类中的意义是： ， 。
1.7 感知器算法 。
（1）只适用于线性可分的情况；（2）线性可分、不可分都适用。
1.8 积累位势函数法的判别界面一般为 。
（1）线性界面；（2）非线性界面。
1.9 基于距离的类别可分性判据有： 。
（1）1[]wB Tr S S - （2）B W S S （3）BW BS S S + 1.10 作为统计判别问题的模式分类，在（ ）情况下，可使用聂曼-皮尔逊判决准则。
1.11 确定性模式非线形分类的势函数法中，位势函数K(x,x k )与积累位势函数K(x)的关系为（ ）。
1.12 用作确定性模式非线形分类的势函数法，通常，两个n 维向量x 和x k 的函数K(x,x k )若同时满足下列三个条件，都可作为势函数。
①（ ）； ②（ ）； ③ K(x,x k )是光滑函数，且是x 和x k 之间距离的单调下降函数。
1.13 散度J ij 越大，说明ωi 类模式与ωj 类模式的分布（ ）。
当ωi 类模式与ωj 类模式的分布相同时，J ij =（ ）。
1.14 若用Parzen 窗法估计模式的类概率密度函数，窗口尺寸h1过小可能产生的问题是（ ），h1过大可能产生的问题是（ ）。
1.15 信息熵可以作为一种可分性判据的原因是： 。
1.16作为统计判别问题的模式分类，在（ ）条件下，最小损失判决规则与最小错误判决规则是等价的。
模式识别期末精彩试题
模式识别期末精彩试题一、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。
【模式识别】期末考试试卷01
《模式识别》期末考试试题（B ）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, 即分类器设计和（ ）。
2．统计模式识别把( )表达为一个随机向量(即特征向量), 将模式类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)将特征表达为数值；(2)将特征表达为( )。
4．特征提取是指采用( )实现由模式测量空间向特征空间的转变。
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．加权空间的所有分界面都通过( )。
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0-1损失函数时, 最小风险贝叶斯判决准则等价于( )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、聚类准则和( )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误差平方和准则，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( )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、( )和层内互连前向网络三种互连方式。
14．神经网络的特性及能力主要取决于网络拓扑结构及( )。
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S 型函数，网络的输入和输出是一种( )映射关系。
二、简答题（2题，每小题10分，共20分）1．两类问题的最小风险Bayes 决策的主要思想是什么？ 2．已知一组数据的协方差矩阵为11/21/21⎡⎤⎢⎥⎣⎦，试问： (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．已知有两类样本集，分别为ω1={x 1, x 2}={(1,2)T , (-1,0)T }; ω2={x 3, x 4} ={(-1,-2)T , (1,-1)T } 设初始权值w 1=(1,1,1)T , ρk =1，试用感知器固定增量法求判别函数，画出决策面。
(完整word版)模式识别试题及总结
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。
《模式识别》试题库(共享).docx
《模式识别》试题库一、基本概念题1.1 模式识别的三大核心问题:是：、、。
1.2、模式分布为团状时，选用聚类算法较好。
1.3欧式距离具有o 马式距离具有o（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1.4描述模式相似的测度有：=（1）距离测度（2）模糊测度（3）相似测度（4）匹配测度1.5利用两类方法处理多类问题的技术途径有：（1）；（2）；（3） o其中最常用的是第个技术途径。
1.6判别函数的正负和数值大小在分类中的意义是：，__________________________________________________________________________________1.7感知器算法=（1）只适用于线性可分的情况；（2）线性可分、不可分都适用。
1.8积累位势函数法的判别界面一般为o（1）线性界面；（2）非线性界面。
1.9基于距离的类别可分性判据有：oS B S B（1）『「［，”咒］（2）（3）1.10作为统计判别问题的模式分类，在（）情况下，可使用聂曼-皮尔逊判决准则。
1.11确定性模式非线形分类的势函数法中，位势函数K（x,xQ与积累位势函数K（x）的关系为（）O1.12用作确定性模式非线形分类的势函数法，通常，两个n维向量X和Xk的函数K（x,xD若同时满足下列三个条件，都可作为势函数。
①（）；②()；③K(x, x k)是光滑函数，且是x和珏之间距离的单调下降函数。
1.13散度J”越大，说明。
类模式与①」类模式的分布( )。
当。
类模式与®类模式的分布相同时，Jij=()。
1.14若用Parzen窗法估计模式的类概率密度函数，窗口尺寸hl过小可能产生的问题是( ),hl过大可能产生的问题是( )01.15信息炳可以作为一种可分性判据的原因是：。
1.16作为统计判别问题的模式分类，在( )条件下，最小损失判决规则与最小错误判决规则是等价的。