模式识别课后题.docx

模式识别课后题.docx

《模式识别课后题.docx》由会员分享，可在线阅读，更多相关《模式识别课后题.docx（14页珍藏版）》请在冰豆网上搜索。

模式识别课后题

1、理解下述概念决策面、权空间、特征空间

决策面：

每一模式可以被看成是模式空间中的一个点，隶属于不同类别的模式将落入模式空间的不同区域，即它们将在不同的位置上聚集成团。

这样，我们就可以在模式空间中找到一些分离表面，将不同的模式彼此分开，这些分离表面成为决策面。

权空间：

构成增广权向量W的n+1维欧式空间

特征空间：

2、分析Fisher线性判别用于模式分类的基本思想及其优缺点

基本思想：

如果将n维空间的样本投影到一维空间，即完成了最大限度的数据压缩，但这样容易破坏模式的可分性，因此必须找到一个最佳投影反向，以保证样本的投影较其它方向能做最好的区分，Fisher准则将问题归结为求投影变换的最佳变换矩阵W。

优缺点：

完成了数据的压缩，但容易破坏模式的可分性，使本来在n维空间中各自聚集成团且彼此分开的类别，经投影到直线后相互混淆而无法识别。

3、分类判别函数的原理是什么？

举例结合其实现步骤说明？

为了对模式X作出分类决策，还必须引入可用于判断X隶属关系的函数，称为判别函数。

对于m个类，一般的需要确定m个判别函数

以决定模式X的归属。

设

、

分别为模式X对于类别i、j的判别函数，则

便是分离类别i、j的决策面方程。

相应的决策规则写成

则

；

，对于多类问题，可以在判别函数的基础上设计分类器。

即首先设计出m个判别函数，再从中选出对应于判别函数为最大的类作为决策结果。

4、如何理解统计决策分类法的“最优”特性？

从统计上确保获得最小的分类误差。

5、分析最小风险的Bayes分类判别的基本特点，并指出其与最小错误率Bayes判别的联系？

最小错误率判别：

把待分模X式看为随机变量，各类别先验概率

为已知，已知各类别的类条件概率密度

；

1、

2、

3、

最小风险Bayes判别：

以风险函数最小为依据，决定X]的归属

从以上可以看出最小错误率判别是最小风险判别的特例。

6、试推导当模式向量X服从多元正太分布时，决策面方程的表达式，并以此分析Bayes判别在不同条件下所表现出的特殊情形？

7、比较几类典型聚类准则函数的作用特征？

8、结合实现步骤，分析K均值聚类算法的实现原理?

9、阐述ISODATA算法主要思想，你认为其局限是什么？

10、特征选择中建立概率距离准则的出发点是什么？

请结合离散度准则做简要分析？

概率距离准则J满足：

（1）非负

（2）当两类完全不相交时取极大值（3）当两类条件概率密度相同时为0

11、分析利用主分量变换（K—L变换）进行特征提取的优点并结合其实现步骤？

12、阐述下列概念：

模式，模式识别，模式识别系统?

模式：

模式识别系统的工作对象

模式识别：

对所研究的模式对象，根据其共同特征或属性进行自动分类或分析的过程

模式识别系统：

完成模式的分类或分析任务的系统

13、举例说明统计模式识别方法和结构模式识别方法的主要区别？

统计模式识别：

以决策函数为基础，要求待识模式以特征向量的形式表示。

结构模式识别：

是基于形式语言的概念和理论的一种识别方法，其区别于统计模式识别方法的特殊点在于：

寻找一个合适的基元的集合，对模式分解为基元，以及由基元重建该模式的机理，加以形式化的描述和理解。

一般用于复杂模式分析。

14、分析结构模式识别所包含主要步骤的基本特征？

输入模式-预处理模式表示句法分析分类描述

模式样本基元选择文法推断

预处理目的在于使模式更容易被系统分析和识别。

模式表示用形式化的语言表示模式

句法分析根据样本找出有效的分类规律

分类描述利用有关算法对输入的大量模式取得分类结果或进行相应描述

15、结合你所熟悉的某项模式识别相关技术，介绍其发展历史并分析其发展特征？

自己找找！