A.特征选择不仅可以降低特征空间的维度,还可以消除特征之间的相关性B.基于类内类间距离的可分性判据是通过计算各类特征向量之间的平均距离来作为评价准则C.基于类内类间距离的可分性判据的值越大,说明可分离性越好D.当各类的协方差矩阵相差不大时,采用基于类内类间距离的可分性判据的效果会好一些
判断题在使用二分树进行分类器设计的时候,初始权值对分类结果没有影响。
判断题在类别数量未知的情况下,可以采用二分树的方式进行分类器设计。
单项选择题下面关于二次判别函数的说法中,错误的是()
A.当每一类均符合高斯分布时,可以通过调整二次判别函数中的阈值来减少错误率。B.如果一类分布比较接近高斯分布,即分布为团状,而另外一类则较均匀的分布在第一类附近,需要分别求出每一类的判别函数来进行类别的划分。C.每一类样本都满足高斯分布,可以定义每一类的判别函数为样本到各类均值的马氏距离的平方与给定阈值之间的比较。D.如果其中一类分布比较接近高斯分布,即分布为团状,而另外一类则较均匀的分布在第一类附近,只求出一类的判别函数就可以进行类别的划分。
单项选择题下面关于分段线性判别函数的说法中错误的是()
A.在分段线性判别函数的设计当中很重要的一个问题是子类的划分问题。B.在类别的各个维度不对称的情况下,可以考虑使用分段线性距离分类器。C.分段线性距离分类器在类别的各个维度不对称的情况下,分类结果是不准确的。D.分段线性判别函数能够逼近任意的超曲面,具有很强的适应性。
判断题在感知器算法中感知器准则函数取得最大值时所对应的权向量a就是所要寻找的合适的权向量。
判断题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