简答题

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。

问答题设有如下三类模式样本集ω1，ω2和ω3，其先验概率相等，求Sw和Sbω1：{（1 0）T，（2 0）T，（1 1）T} ω2：{（-1 0）T，（0 1）T，（-1 1）T} ω3：{（-1 -1）T，（0 -1）T，（0 -2）T}

问答题怎样利用朴素贝叶斯方法获得各个属性的类条件概率分布？

问答题模式识别系统主要由哪些部分组成？

问答题设X={x1，x2，x3，x4，x5，x6}，标准模型由以下模糊集合表示：