《模式识别样卷参考解答》由会员分享，可在线阅读，更多相关《模式识别样卷参考解答（5页珍藏版）》请在金锄头文库上搜索。
1、1、 提纲：第 1、2、3、4、5、7、8 章所学内容2、 题型：一、填空题1. 模式识别系统主要由四个部分组成，即：1 数据获取 2 预处理 3 特征提取和选择4 分类决策。2. 贝叶斯决策最常用的准则 (1)最小错误率准则 (2)最小风险准则3. 请写出样本 x 和均值 u 之间的欧式距离 ，以及马式距离为 开根号 3. 名词解释(先英文全拼，后中文解释， 6 分) ：PCA：P rincipal Component Analysis, 主 成 分 分 析 . NN：N eural Networks, 神经网络. PR：P attern Recognition ,模式识别4. 根据平方误差
2、准则函数 ，其最小二乘近2221()()NTs iiJYbby似解（MSE 解）为 5. 估计量的评价标准 1 无偏性 , 2_有效性_3_一致性_。 二、简述题1. 试结合 K-L 变换简述人脸识别的过程。 书 223答：1.从给定样本集中选取训练集，训练集的大小可选，但直接影响识别的正确率。2.根据生产矩阵 E(x-) (x-) T计算出特征脸。为了简化计算，这里用到奇异值分解，其基本原理是通过计算较低矩阵的特征值和特征向量而间接求出较高 维矩阵的特征向量（特征脸） 。3.求出训练集中各图像在特征脸空间中的坐标。4.通过将待识别样本 f 投影到特征脸子空间求出其系数向量然重建图像最后考虑图
3、像的信噪比，若小于阈值则可判断 f 不是人脸图像。2. 单层感知器和多层感知器神经网络的主要缺陷分别是什么？BP 算法的基本思想是什么，存在哪些不足？书 254答：单层感知器缺陷：无法解决异或问题，不具备非线性分类能力。多层感知器缺陷：对于一些识别中需要有可靠的拒绝的情况（如身份确定） ，多 层感知器神经网络无法胜任。BP 算法其主要思想： 从后向前（反向）逐层传播输出层的误差，以间接算出隐层误差。BP 算法缺陷：1.有可能陷入局部极小值点，不能保证收敛到全局极小值点。2.训练次数多使得学习效率低下，收敛速度慢。3.隐节点的选取缺乏理论标准。4.训练时学习新样本有遗忘旧样本的趋势。3. 试写出
4、两类问题的线性判别函数，并说明函数中各个变量的意义。书 84答：两类问题的线性判别函数：x 是样本向量，即样本在 d 维特征空间中的描述， w 是权向量，分别表示为：w0 是一个常数 (阈值权)。4. 请简述径向基神经网络和非线性支持向量机的基本思想。ppt prnn5-3-SVM P33答：RBF 网络的基本思想 ：1.用 RBF 作为隐单元的 “基”构成隐含层空间，将输入矢量直接( 即不需要通过权连接)映射到隐空间 2.2.当 RBF 的中心点确定后，映射关系也就确定3.隐含层空间到输出空间的映射是线性的非线性支持向量机的基本思想：选择非线性映射 (X)将 x 映射到高维特征空间Z，在 Z
5、 中构造最优超平面课本上：首先通过非线性变换将输入空间变换到一个高维空间，然后在这个新空间中求取最优线性分类面，而这种非线性变换是通过定义适当的内积函数实现的。5. 请说明 BP 算法的基本流程 ppt 5-2 p77答：(1)初始化； (2)输入训练样本对 X2，故最优 2x1 特征提取器此时的 K-L 变换式为：简述题第 5 题：初 始 化 V、 W、 Emin,、 q=1， p=1,E=0输 入 样 本 ， 计 算 各 层 输 出 ：21jfyTjj ,.),(XlkojkY计 算 误 差 ：P1plk2kod2E)(计 算 各 层 误 差 信 号 ： l21ko1odk ,.,)(ok mjywjl1kjyj调 整 各 层 权 值 ： 10jl2kyojkj ,.,nxmvijijij ,.,Y p增 1,q增 1 pP？ N NE=0,p=1 EEmin Y 结 束 10.87542Uu20.875.T xUyxu
