模式识别期末试题

"模式识别期末试题" 模式识别是计算机科学中的一门重要学科，涵盖了模式的识别、分类、聚类等方面的内容。本试题涵盖了模式识别的基本概念、统计模式识别、句法模式识别、聚类分析、判别式、距离度量等方面的知识点。 1. 模式识别系统的基本构成单元包括模式采集、特征提取与选择和模式分类。 2. 统计模式识别中描述模式的方法一般使用特真矢量；句法模式识别中模式描述方法一般有串、树、网。 3. 聚类分析算法属于无监督分类；判别域代数界面方程法属于统计模式识别方法。 4. 若描述模式的特征量为0-1二值特征量，则一般采用匹配测度进行相似性度量。 5. 下列函数可以作为聚类分析中的准则函数的有（1）（3）（4）。 6. Fisher线性判别函数的求解过程是将N维特征矢量投影在一维空间中进行。 7. 下列判别域界面方程法中只适用于线性可分情况的算法有感知器算法；线性可分、不可分都适用的有积累位势函数法。 8. 下列四元组中满足文法定义的有（1）（2）（4）。 9. 影响层次聚类算法结果的主要因素有计算模式距离的测度、聚类准则、类间距离门限、预定的类别数目。 10. 欧式距离具有平移不变性和旋转不变性；马式距离具有平移不变性、旋转不变性、尺度缩放不变性和不受量纲影响的特性。 11. 线性判别函数的正负和数值大小的几何意义是正（负）表示样本点位于判别界面法向量指向的正（负）半空间中；绝对值正比于样本点到判别界面的距离。 12. 感知器算法只适用于线性可分的情况。 13. 积累势函数法较之于H-K算法的优点是该方法可用于非线性可分情况（也可用于线性可分情况）。 14. 在统计模式分类问题中，聂曼-皮尔逊判决准则主要用于某一种判决错误较另一种判决错误更为重要的情况；最小最大判决准则主要用于先验概率未知的情况。 15. “特征个数越多越有利于分类”这种说法是错误的。特征选择的主要目的是从n个特征中选出最有利于分类的m个特征（m<n），以降低特征维数。 16. 散度Jij越大，说明i类模式与j类模式的分布差别越大；当i类模式与j类模式的分布相同时，Jij=0。 17. 已知有限状态自动机Af=(Σ,Q,δ,q0,F)，Σ={0,1}；Q={q0,q1}；δ：δ(q0,0)=q1，δ(q0,1)=q1，δ(q1,0)=q0，δ(q1,1)=q0；q0=q0；F={q0}。现有输入字符串：(a) 00011101011，(b) 1100110011，(c) 101100111000，(d)0010011，试问，用Af对上述字符串进行分类的结果为（ω1:{a,d};ω2:{b,c}）。 18. 影响聚类算法结果的主要因素有分类准则、特征选取、模式相似性测度。 19. 模式识别中，马式距离较之于欧式距离的优点是尺度不变性和考虑了模式的分布。 20. 基于二次准则函数的H-K算法较之于感知器算法的优点是可以判别问题是否线性可分和其解的适应性更好。 21. 影响基本C均值算法的主要因素有样本输入顺序、模式相似性测度和聚类准则。 本试题涵盖了模式识别的基本概念、统计模式识别、句法模式识别、聚类分析、判别式、距离度量等方面的知识点，旨在检测学生对模式识别的理解和掌握情况。