A.一定可以收敛B.算法收敛较快C.容易陷入局部最优D.易受到新的学习样本的影响
单项选择题构建一个用于训练1000个80维数据的神经网络,输入层的神经元个数为()
A.大于1000B.小于8C.80D.1000
判断题K-L变换是在均方误差最小的意义下获得的数据降维最佳变换。
多项选择题下面哪些情况适合使用K-L变换()
A.多类问题B.两类问题C.样本数多D.样本数少
多项选择题欧式距离同马氏距离相比不具备以下哪些性质()
A.不受量纲影响的特性B.平移不变性C.尺度缩放不变性D.旋转不变性
判断题特征空间是在模式空间的基础上完成特征提取和选择的操作所得。
判断题监督学习不区分训练集与测试集,样本没有类别标号。
判断题在模式识别中,模式表示的是一类事物的代表,模式类则是某一事物的具体体现。
名词解释什么是模式; 模式名词解释定义是什么?
问答题随机生成20个样本,每个样本有3个特征,使用C均值法将样本分为2类。
问答题某城市细胞识别中两类先验概率分别为:正常状态:P(ω1)=0.9;异常状态:P(ω2)=0.1。一系列观察值为x的待观察细胞: P(x▏ω1)P(x▏ω2)类条件概率分布正态分布分别为(-2,0.25)(2,4)。决策表为λ11=0,λ12=6,λ21=1,λ22=0。用最小风险贝叶斯分类器分为1和2两类。
问答题已知欧氏三维空间中两类9个训练样本。ω1:{(-10)T,(-20)T,(-21)T,(-2-1)T}ω2:{(11)T,(20)T,(1-1)T,(21)T,(22)T}1:用最近邻法编程求样本(0 0)T的分类,并画出分界线。 2:用k近邻法编程求样本(0 0)T的分类,取K=5,7,9。
问答题编程实现下列样本的fisher法分类:ω1:{(0 0 0)T,(1 0 0)T,(1 0 1)T,(1 1 0)T}ω2:{(0 0 1)T,(0 1 1)T,(0 1 0)T,(1 1 1)T}
问答题已知四个训练样本 w1={(0,0),(0,1)}、w2={(1,0),(1,1)}使用感知器固定增量法求判别函数设w0=(1,1,1,1)、ρ=1 要求编写程序,写出判别函数,并打出图表。
问答题已知样本集呈现正态分布,采用基于最小错误率的贝叶斯决策方法,编程待定样本x=(2,0)T的类别,并画出分界线。
问答题设有如下两类样本集,其出现的概率相等: ω1:{(0 0 0)T,(1 0 0)T,(1 0 1)T,(1 1 0)T} ω2:{(0 0 1)T,(0 1 0)T,(0 1 1)T,(1 1 1)T} 用K-L变换,分别把特征空间维数降到二维和一维。