‎感知器准则函数是用权向量a与所有的错分样本的乘积来表示对错分样本的惩罚。

判断题​在LMS算法中求解出的权向量与常数b无关。

判断题‏最小平方误差判别方法中的准则函数是误差长度的平方和。

判断题‎在求解权向量a的过程中，需要定义一个准则函数，准则函数的形式是唯一的，并且一定是权向量a的函数。

判断题在感知器算法中可以通过梯度下降法找到合适的权向量a。

单项选择题‍下面关于最小平方误差判别的说法中错误的是（）

A.最小平方误差判别方法既适用于线性可分的情况，也适用于线性不可分的情况。
B.最小平方误差判别方法中的准则函数是误差长度的平方和。
C.梯度下降法求解使误差长度的平方和最小的权值时不需要赋初值。
D.梯度下降法和伪逆法都可以求解使误差长度的平方和最小的权值。

判断题经过fisher准则投影后得到的最佳投影方向是投影后两类样本分类面的法线方向。

判断题‏分类面的位置是由判别函数的阈值决定的。

判断题在线性判别函数的表达式中，一般情况下，权向量w的维数和样本的维数是一致的。

单项选择题​在基于样本直接设计分类器时，不属于分类器设计三要素的是（）

A.参数的类型
B.准则函数的形式
C.寻优算法
D.判别函数的类型

判断题在多元正态分布中，区域的中心由均值来决定。

单项选择题下面关于正态分布的贝叶斯决策中描述错误的是（）

A.正态分布概率密度函数的两个主要参数是均值和方差
B.当各类的协方差矩阵相等并且是对角阵时，各类样本落入以均值为中心，同样大小的超球体内
C.当各类的协方差矩阵相等并且是对角阵时，判别函数本质上是一个线性判别函数
D.当各类的协方差矩阵相等时，分类面为超平面，并且与两类的中心连线垂直

判断题最小风险的贝叶斯决策的判别规则是将样本x判别为条件风险最小的那个类别。

判断题如果在采取每一个决策或行动时，都使条件风险最小，则对所有的x做出决策时，其期望风险也必然最小。

判断题已知一定数量的数据，就可以通过监督模式识别来实现类别的划分。

单项选择题下列属于非监督识别的是（）

A.车牌识别
B.汉字识别
C.人脸识别
D.CT图像的分割