简答题

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。