填空:
1、P(X|w1)+P(X|w2)_____1,P(w1|X)+P(w2|X)_____1。(填等于或者不一定等于)
2、统计模式识别按实现方式可分为 和 。(记不清题目了)
3、(+1, -1, -1, -1)和(+1, +1,-1,+1)的曼哈顿距离为 4 ,汉明距离为 2 。
4、贝叶斯分类分为 最小错误率 和 最小风险 。
5、神经网络训练权值的方法有哪两个。
简答:
1、说明K均值算法取聚类的均值向量作为聚类的中心的理由。
2、简述LMSE算法,并说明为什么它可以判断模式类线性可分。
3、3条直线将2维平面分成7个区域,根据直线的正负得到两类点A类: (000,001,011),B类: (010,100,110,111)。画出分类的神经网络。
4、wi/~wi两分法,3个判别函数,标出所有区域的含义(属于哪一类,可能属于哪两类,不属于任何一类)。
5、简述分支定界法从5个特征里选2个特征的过程。
计算题:
1、最大最小距离聚类。书上原题,10个样本。聚为3类。
2、两类一维正态分布,方差分别是1和1,均值分别是0和3,最小错误率贝叶斯分类,P(w1)/P(w2)=e,求判决界面。
3、感知器算法。2类共8个3维样本,算到怀疑人生。
4、K-L变换,2类共6个样本,分别是(10,8),(7,11),(11,10),(-10,-8),(-7,-11),(-11,-10),将样本转换成1维。