2008模式识别试题(A卷).doc

国防科技大学 2008-2009 学年秋季学期《模式识别》考试试卷（A）卷考试形式： 闭卷 考试时间： 120 分钟 满分： 100 分 题 号 一 二 三 四 五 总 分得 分评阅人注意：1、所有答题都须写在此试卷纸密封线右边，写在其它纸上一律无效2、密封线左边请勿答题，密封线外不得有姓名及相关标记得分 一、选择填空题（共 12 小题，共 36 分每题 3 分，不定选项，不填0 分，填错一项扣 1 分，每题最多扣 3 分 ）1、影响聚类算法结果的主要因素有（ ） ①已知类别的样本质量；②分类准则；③特征选取；④模式相似性测度2、模式识别中，马式距离较之于欧式距离的优点是（ ） ①平移不变性；②旋转不变性；③尺度不变性；④考虑了模式的分布3、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（ ） ①可以判别问题是否线性可分；②其解完全适用于非线性可分的情况；③其解的适应性更好；④计算量小4、影响基本 C 均值算法的主要因素有（ ）。

①样本输入顺序；②模式相似性测度；③聚类准则；④初始类心的选取5 5、位势函数法的积累势函数 K(x)的作用相当于 Bayes 判决中的（ ） ①先验概率；②后验概率；③类概率密度；④类概率密度与先验概率的乘积6、在统计模式分类问题中，当先验概率未知时，可以使用（ ） ①最小损失准则；②最小最大损失准则；③最小误判概率准则；④N-P 判决7、在（ ）情况下，用分支定界法做特征选择计算量相对较少①C nd>>n,（n 为原特征个数，d 为要选出的特征个数） ；②样本较多；③选用的可分性判据 J 对特征数目单调不减；④选用的可分性判据 J 具有可加性8、 散度 JD是根据（ ）构造的可分性判据①先验概率；②后验概率；③类概率密度；④信息熵；⑤几何距离9、似然函数的概型已知且为单峰，则可用（ ）估计该似然函数①矩估计；②最大似然估计；③Bayes 估计；④Bayes 学习；⑤Parzen 窗法10、Kn 近邻元法较之 Parzen 窗法的优点是（ ） 。

①所需样本数较少；②稳定性较好；③分辨率较高；④连续性较好11、从分类的角度讲，用 DKLT 做特征提取主要利用了 DKLT 的性质：（ ） ①变换产生的新分量正交或不相关；②以部分新的分量表示原矢量均方误差最小；③使变换后的矢量能量更趋集中；12、一般，剪辑 k-NN 最近邻方法在（ ）的情况下效果较好①样本数较大；②样本数较小；③样本呈团状分布；④样本呈链状分布得分二、计算题（共 2 小题，每小题 9 分，共 18 分）设两类问题，已知七个二维矢量： (1) 2341{(0,)'(,)'(0,2)'(,0)'}Xxxx(2)567'1''}（1）画出 1-NN 最近邻法决策面；（2）若按离样本均值距离的大小进行分类，试画出决策面得分三、分析题（共 3 问，每问 6 分，共 18 分）已知样本： 123456(,0)'(1,)'(0,)'(1,)'(2,)'(1,)'xxxx（1）用使用最小距离的层次聚类算法聚类，并画出树状图示；（2）改用最大距离重做（1） 3）根据（1） （2） ，分析较合理的聚类结果应是什么？得分 四、设计题（共 12 分）试画出处理多类问题的感知器算法程序流程图。

得分五、综合题（共 2 小题，每小题 8 分，共 16 分）假设两类二维正态分布参数为 ， ，12(,)'(1,)'121先验概率相等 ， i=1,2;n=2/2/(|)exp['()](|i iinipx x （1）求 0-1 损失最小损失 Bayes 判决域和判决函数2）试求一维特征提取变换： ，及变换域的 Bayes 判决规则'yv妈妈新开了个淘宝店，欢迎前来捧场 妈妈的淘宝点开了快半年了，主要卖的是毛绒玩具、坐垫、抱枕之类的，但生意一直不是很好，感觉妈妈还是很用心的，花了不少功夫，但是就是没有人气，所以我也来出自己的一份力，帮忙宣传一下并且妈妈总是去五亭龙挑最好的玩具整理、发货，质量绝对有保证 另外我家就在扬州五亭龙玩具城旁边，货源丰富，质量可靠，价格便宜欢迎大家来逛逛【扬州五亭龙玩具总动员】。