在多元正态分布中，区域的中心由均值来决定。

单项选择题下面关于正态分布的贝叶斯决策中描述错误的是（）

A.正态分布概率密度函数的两个主要参数是均值和方差
B.当各类的协方差矩阵相等并且是对角阵时，各类样本落入以均值为中心，同样大小的超球体内
C.当各类的协方差矩阵相等并且是对角阵时，判别函数本质上是一个线性判别函数
D.当各类的协方差矩阵相等时，分类面为超平面，并且与两类的中心连线垂直

判断题最小风险的贝叶斯决策的判别规则是将样本x判别为条件风险最小的那个类别。

判断题如果在采取每一个决策或行动时，都使条件风险最小，则对所有的x做出决策时，其期望风险也必然最小。

判断题已知一定数量的数据，就可以通过监督模式识别来实现类别的划分。

单项选择题下列属于非监督识别的是（）

A.车牌识别
B.汉字识别
C.人脸识别
D.CT图像的分割

判断题‌从性能上看，决策树算法优于k近邻算法。

判断题先剪枝可以有效解决过拟合问题，但是后剪枝不能。

判断题基于距离的分段线性分类器将每一类分成若干子类，也就是各类别里每一个峰代表一个子类，在每个峰里选一个代表点，可以用每个峰的中心来作为代表点。

判断题近邻法需要较大计算量和存储量。

判断题最小平方误差判别方法就是寻找使误差长度的平方和最小的权值。

判断题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