计算题假设在某个地区细胞识别中正常（w₁）和异常（w₂）两类先验概率分别为P（w₁）=0.8，P（w₂）=0.2，现有一待识别的细胞，其观察值为x，从类条件概率密度分布曲线上查得P（x/w₁）=0.25，P（x/w₂）=0.6，并且已知λ₁₁=0，λ₁₂=6，λ₂₁=1，λ₂₂=0。 试对该细胞x基于最小错误率的贝叶斯决策方法进行分类。

问答题判断样本x1=1.35，x2=1.45，x3=1.55，x4=1.65各属于哪一类别。

问答题求总错误概率P（e）

问答题求0-1代价Bayes判决函数

问答题设两类样本的类内散布矩阵分别为，两类的类心分别为，试用fisher准则求其决策面方程。

问答题为什么说经主分量分析后，消除了各分量之间的相关性。

问答题主分量分析或称K-L变换，它的最佳准则是什么？

问答题求该数组的两个主分量。

问答题协方差矩阵中各元素的含义。

问答题试说明Mahalanobis距离平方的定义，到某点的Mahalanobis距离平方为常数的轨迹的几何意义，它与欧氏距离的区别与联系

问答题用下列势函数： 求解以下模式的分类问题：  ω1：{（0 1）T，（0 -1）T}   ω2：{（1 0）T，（-1 0）T}

问答题用二次埃尔米特多项式的势函数算法求解以下模式的分类问题：ω1：{（01）T，（0-1）T}ω2：{（10）T，（-10）T}

问答题用LMSE算法求下列模式的解向量：ω1：{（000）T，（100）T，（101）T，（110）T}ω2：{（001）T，（011）T，（010）T，（111）T}

问答题采用梯度法和准则函数： 式中实数b〉0，试导出两类模式的分类算法。

问答题用多类感知器算法求下列模式的判别函数：ω1：（-1-1）T，ω2：（00）T，ω3：（11）T

问答题用感知器算法求下列模式分类的解向量w：ω1：{（000）T，（100）T，（101）T，（110）T}ω2：{（001）T，（011）T，（010）T，（111）T}