问答题简述支持向量机的基本思想。
问答题试说明以下问题求解是基于监督学习或是非监督学习: 1.求数据集的主分量 2.汉字识别 3.自组织特征映射 4.CT图像的分割
问答题线性分类器三种最优准则。
问答题监督学习与非监督学习的区别。
问答题设两个家庭,每家3-5人,选每个人的一张照片,共8张,混放在一起,将照片两两对照,得出描述其“相似程度”的模糊关系矩阵。要求按相似程度聚类,希望把二个家庭分开。
问答题请论述模式识别系统的主要组成部分及其设计流程,并简述各组成部分中常用方法的主要思想。
问答题写出两类和多类情况下最小风险贝叶斯决策判别函数和决策面方程。
问答题什么是Fisher线性判别?
问答题什么是特征选择?
问答题既然有线性判别函数,为什么还要引进非线性判别函数?试分析由“线性判别函数”向“非线性判别函数”推广的思想和方法。
问答题试分析五种常用决策规则思想方法的异同。
问答题对一副道路图像,希望把道路部分划分出来,可以采用以下两种方法: 1.在该图像中分别在道路部分与非道路部分画出一个窗口,把在这两个窗口中的象素数据作为训练集,用Fisher准则方法求得分类器参数,再用该分类器对整幅图进行分类。 2.将整幅图的每个象素的属性记录在一张数据表中,然后用某种方法将这些数据按它们的自然分布状况划分成两类。因此每个象素就分别得到相应的类别号,从而实现了道路图像的分割。试问以上两种方法哪一种是监督学习,哪个是非监督学习?
问答题试列举线性分类器中最著名的三种最佳准则以及它们各自的原理。
问答题试述动态聚类与分级聚类这两种方法的原理与不同。
问答题试说明用监督学习与非监督学习两种方法对道路图像中道路区域的划分的基本做法,以说明这两种学习方法的定义与它们间的区别。