《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（6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，以及马式距离为根号二(X-11)开根号_3. 名词解释(先英文全拼，后中文解释，6分)：PCA： Principal Component Analysis, 主成分分析. NN： Neural Networks, 神经网络.PR： Pattern Recognition ,模 式识别4. 根据平方误差准则函数J (a) = lie|
2、2 = |Fa-b|根据生产矩阵E(x- u ) (x- u )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)。 求出训练集中各图像在特征脸空间中的坐标。 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
3、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。 =研 印y厂2,其最小二乘近似i=1a* = argmin J/a) a解 (MSE 解)为 a*二Y+b, YY)5.估计量的评价标准1 无偏性，2_有效性_3一致性_。、简述题 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。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
4、样本的趋势。3.试写出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g (x) 函： wtx + w0x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:x Lx , X ,.X Tw LW , w ,. w T12 d12 dw0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
5、的非线性支持向量机的基本思想：选择非线性映射QX)将x映射到高维特征空间 乙在Z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X=Xp、，d用3表示“类别”这一随机变量，3表示患病，C02表示正常； X表示“白细胞浓度”这个随机变量。本例医生掌握的知识非常充分，包括：1）类别的先验分布：P（3） = 0.5%，P（32） = 99.5%先验分布：没有获得观测数据（病人白细胞浓度）之前，已知的关
6、于类别的分布（某 类事物出现的比例）。2）观测数据白细胞浓度分别在两种情况下的类条件分布：P（xl叫）（2000,10002）P（xl%）（7000,30002）样本观测值：X =3100尸（31001叫）=2.1785e-004, P（3100l32） = 5.7123e-005计算后验概率：P（3l3100）=1.9%,P（32l3100）=98.1%1/ (x -0 )2p(x 10 = R,0 =b2) -0 exp(-k _ 12p ( X l 0 , 0 )-歹 V ln p (X 10)lk=1101,0)-答：ln-k2012-2ln(2)的参数01，0 2。(10分)g( x
7、2 0k2-0)2七 H (0)l.a n-ln d010MLp ( Xk异 ln P ( Xk21202MLA(。0k2(X - 0 )2k2 0 212代入前式，人RML代入前式，得 ml1 yN-工 (XN kk -1医生的判断：正常3. 写出Fisher判别函数的准则是，并利用拉格朗日乘子计算满足其准则的最佳投影向 量 w *|ppt prnn4 p22 书 p89答：Fisher判别函数的准则是：使原样本向量在投影方向上的投影能兼顾类间分布尽可 能分开，类内尽可能密集的要求。令 wtS w = c 丰 0w对 Fisher 准则函数 J (w) = =土F S + SwtS w定义L
8、agrange函数：L(w2,人)=wtS w 人(wtS w c) 令：3L 二，人 ) = Sbw 盘 S： w = 0 wS 1S w = x ww* = RS -1(mx w 1x w = S 1S w = S 1(m m )(m m )t w w bw 1212=S 1( m m ) Rm ) = S 1( m m )2 w 124.已知多层感知器(或BP神经网络)的网络结构和权值，请分析输入(x1,x2)和输出(O)之间的逻辑关系，并做出真值表0.8750.482V5.答：计算特征值及特征向量V, D=eig(C)； 特征值D=24.736, 2.263T,特征向量:0.4820.8750.8750.482由于入1入2，故最优2x1特征提取器 此时的K-L变换式为：y = U t x = u t x = 0.8750.482 * 1,1-2简述题第5题:2.用最大似然估计法以数据样本估计一元正态分布函数中ppt prnn3 p22课本p54-55 （这题解的符号大家自己调整啊 我是直接贴得ppt上的）
