简答题 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。

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：

问答题假设两类模式服从如下的正态分布：

问答题设语言L（G）的正样本集R+={101，111}，试推断出余码文法Gc。

问答题两类样本的均值矢量分别为m1=（4，2）T和m2=（-4，-2）T，协方差矩阵分别为：，两类的先验概率相等，试求一维特征提取矩阵。

问答题已知二维样本：

问答题现有样本集：，试用K-means{C-均值}算法进行聚类分析（类数C=2），初始聚类中心为（0，0）T、（0，1）T。

问答题假设两类模式服从如下的正态分布： 求使最大化的一维特征空间的变换矢量。

问答题使用Fisher线性判别方法给出这两类样本的分类面。

问答题用K-L变换求其二维特征空间，并求出其特征空间的坐标轴。