样本经过增广化处理后样本和权向量的维数都会增加一维。

多项选择题‎下面关于分支定界法的说法中正确的是（）

A.分枝定界法的计算量与具体问题和数据有关。
B.分枝定界法也是一种特征选择的最优算法。
C.分枝定界法是一种自顶向下的方法，没有回溯的过程。
D.分枝定界法是一种自顶向下的方法，具有回溯的过程。

多项选择题‎下面关于基于类内类间距离的可分性判据的说法中正确的是（）

A.基于类内类间距离的可分性判据的值越小，说明可分离性越好。
B.当各类的协方差矩阵相差很大时，采用基于类内类间距离的可分性判据的效果会好一些。
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很小时，采用基于类内类间距离的可分性判据的效果会好一些。

多项选择题‍下面关于特征选择与提取的说法中正确的是（）

A.在不影响分类效果的前提下，特征越少越有利于分类。
B.在分类时，特征越多越有利于分类。
C.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。
D.在特征选择中，有两个很重要的方面，一个是特征的评价准则，另外一个是特征的寻优算法。

多项选择题​下面关于最小平方误差判别的说法中正确的是（）

A.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
B.在最小平方误差判别中可以使用梯度下降法来求解
C.最小平方误差判别方法适用于线性可分与线性不可分的情况
D.最小平方误差判别方法就是寻找使误差长度的平方和最大的权值

多项选择题‎在基于样本直接设计分类器时，属于分类器设计三要素的是（）

A.寻优算法
B.参数的类型
C.准则函数的形式
D.判别函数的类型

多项选择题‍下面关于最大似然估计的说法中正确的是（）

A.在最大似然函数估计中，要估计的参数是一个随机量。
B.最大似然估计是在已知概率密度函数的形式，但是参数未知的情况下，利用训练样本来估计未知参数。
C.在最大似然估计中要求各个样本必须是独立抽取的。
D.在最大似然函数估计中，要估计的参数是一个确定的量。

多项选择题‌下列关于最小风险的贝叶斯决策的说法中正确的有（）

A.最小错误率的贝叶斯决策是最小风险的贝叶斯决策的特例
B.最小风险的贝叶斯决策考虑到了不同的错误率所造成的不同损失
C.条件风险反映了对于一个样本x采用某种决策时所带来的损失
D.最小风险的贝叶斯决策当中，决策的数量和样本类别的数量一定是相等的

多项选择题‎下列属于监督模式识别的是（）

A.车牌识别
B.图像分割
C.人脸识别
D.字符识别

单项选择题下面关于PCA算法的说法中错误的是（）

A.PCA算法是通过变换矩阵得到原有特征的线性组合，新特征之间是线性相关的。
B.第一主成分和第二主成分是互不相关的。
C.通过PCA方法得到的特征变换矩阵是由协方差矩阵所对应的最大的几个特征值所得到的特征向量构成的。
D.第一主成分是原始特征的所有线性组合里是方差最大的。

单项选择题​下面关于熵的说法中，错误的是（）

A.基于熵的可分性判据中，判据的值越大，说明类别可分性越差。
B.在基于熵的可分性判据中利用熵的大小来作为类别可分性的判据。
C.熵表示不确定性，熵越大不确定性越大。
D.熵表示不确定性，熵越小不确定性越大。

单项选择题下面关于错误率的说法中错误的是（）

A.在实际当中，人们主要采用实验方法来估计监督模式识别系统中分类器的错误率。
B.在实际当中，人们主要采用理论分析的方法来评价监督模式识别系统中分类器的错误率。
C.训练错误率并不能准确反映分类器性能的好坏。
D.在监督模式识别系统中，可以用错误率来反映模式识别系统的性能。

单项选择题在利用神经网络进行分类时，神经网络的输入节点的个数（）输入的特征数量。

A.多于
B.等于
C.不确定
D.少于

单项选择题下面关于BP神经网络的说法错误的是（）

A.BP算法由误差的正向传播和数据的反向传播两个过程构成。
B.BP网络是是一种按误差反向传播算法训练的多层前馈网络。
C.在BP算法中数据的正向传播和误差的反向传播是交替进行的。
D.BP算法由数据流的前向计算（正向传播）和误差信号的反向传播两个过程构成。

单项选择题‌下列关于感知器算法的说法中错误的是（）

A.在感知器算法中可以通过调整学习率p来减少迭代次数
B.在感知器算法中，如果样本不是线性可分的，则算法最后不会收敛
C.感知器算法也适用于线性不可分的样本
D.在感知器算法中的学习率是可以改变的

单项选择题‌下列关于模式识别的说法中，错误的是（）

A.模式可以看作对象的组成成分或影响因素间存在的规律性关系
B.模式识别研究的问题就是如何通过机器实现样本的特征提取
C.人类的日常活动中包含很多模式识别的活动
D.对外界事物完成分类的过程也就完成了识别的过程