模式识别课堂练习
- 格式:doc
- 大小:73.00 KB
- 文档页数:2
课 堂 练 习
1、假设两类(ω1和ω2)的先验概率分别为P(ω1)=0.9,P(ω2)=0.1。类条件概率密度分布曲线为p(x|ω1),p(x|ω2),两者均满足正态分布,方差相同,均为1,均值分别是-1,和1。
1)写出按最小错误率决策时的负对数似然比决策规则。
2)根据1)写出判别函数及决策面方程。
2、1)写出正态分布条件下,最小错误率贝叶斯分类器是最小距离分类器的条件。
2)写出最小距离分类器的判别函数及决策规则。
3) 考虑一个两维的两类分类问题,其先验概率相同,类条件概率均服从正态分布,各类的均值及协方差矩阵分别为
111/20[3,6],;01/2T μ⎡⎤=∑=⎢⎥⎣⎦ 221/20[3,2],01/2T μ⎡⎤=-∑=⎢⎥⎣⎦
若按最小错误率贝叶斯决策,求其决策面方程。
3、已知两类二维样本属于正态分布,其均值向量、协方差矩阵如下:
1[2,2]T μ=--,2[2,2]T μ=,11001⎡⎤∑=⎢
⎥⎣⎦,21004⎡⎤∑=⎢⎥⎣⎦
按fisher 准则求解最优投影方向W
4、已知两类已规范化的样本向量集YY={y1,y2,…,y N },yi ,i=1,…,N 是N 个已知类别的规范化增广样本向量。对于给定步长系数ρk ,画出“批处理感知器算法”的主程序流程图
5、有7个2维向量
x1=(1,0)T ,x2=(0,1)T ,x3=(0,-1)T ,
x4=(0,0)T ,x5=(0,2)T ,x6=(0,-2)T ,x7=(-2,0)T 。 前3个是w1类,后4是w2类 ,画出最近邻法的决策面
6、什么是特征提取和特征选择?特征提取和选择的目的是什么?
7、有两类样本:W1: x11=(0,0,0)T , X12=(1,0,0)T , X13=(1,0,1)T , X14=(1,1,0)T ; W2: x21=(0,0,1)T , X22=(0,1,0)T , X23=(0,1,1)T , X24=(1,1,1)T 试利用散度J D 降低维数。
8、对一组D 维数据X 1,X 2,….,X N ,如何对其求得K-L 变换坐标系(即求正交基向量)? 若选择d ( 9、已知两类样本,其协方差矩阵及均值 12311113116113⎡⎤⎢⎥∑=∑=-⎢⎥⎢⎥-⎣⎦ , 11[311]4T μ= , 21[133] 4T μ= 总的类内离散度 1231111()131216113w S ⎡⎤⎢⎥=∑+∑=-⎢⎥⎢⎥-⎣⎦ 已知其本征值矩阵和本征向量矩阵为, 1/80001/20001/2⎡⎤⎢⎥Λ=⎢⎥⎢⎥⎣⎦ , 1421412141214 U ⎡--⎢=--⎢⎢⎢⎣ 采用K-L 变换的从类平均向量中提取判别信息的方法将数据降到1维,求变换向量 10、现有4个样本: x1=[4,5]T ,,x2=[1,4]T ,x3=[0,1]T ,x4=[5,0]T ;将其聚成两类,若有如下3种聚类: (1) ω1={x1,x2}; ω 2={x3,x4} (2) ω1={x1,x4}; ω 2={x2,x3} (3) ω1={x1,x2,x3}; ω 2={x4} 按最小平方误差和准则,哪种聚类最好? 11、现有8个一维数据: {-5.5,-4.1,-3.0,-2.6,10.1,11.9,12.6,13.8} 若类与类的相似性定义为:20-Δ(Γi ,Γj ),其中{},(,)(,)min i j i j x y x y δ∈Γ∈Γ∆ΓΓ= , (,)x y δ表示两个样本的距离。按(基于合并的)分级聚类方法画出聚类的树图,并说明分成几个聚类较为合理。