模式識别期末總結

1. 模式識别三大核心問題：特征資料采集、分類識别、特征提取與選擇。
2. 構造可分性判據需要滿足4個條件：單調性、疊加性、距離性、單調不減性。

3. 歐式距離具有（  1、2  ）；馬式距離具有（ 1、2、3、4    ）。

     （1）平移不變性（2）旋轉不變性（3）尺度縮放不變性（4）不受量綱影響的特性 

4. 線性判别函數的正負和數值大小的幾何意義是（正（負）表示樣本點位于判别界面法向量指向的正（負）半空間中；絕對值正比于樣本點到判别界面的距離。）。
5. 若用Parzen窗法估計模式的類機率密度函數，視窗尺寸h1過小可能産生的問題是（估計的統計變動太大不穩定），h1過大可能産生的問題是（估計的分辨率太低）。《模式識别導論》P74
6. 聚類分析的基本思想：相似的歸為一類、模式相似性的度量和聚類算法、無監督分類。聚類分析的方法：基于距離門檻值的聚類法、層次聚類法、動态聚類法。影響層次聚類算法結果的主要因素有（ 計算模式距離的測度、（聚類準則、類間距離門限、預定的類别數目））。
7. 分類準則：類間離散度盡可能大而類内離散度盡可能小

8. 影響聚類算法結果的主要因素有（  ②③④  ）。

   ①已知類别的樣本品質；②分類準則；③特征選取；④模式相似性測度。

影響基本C均值算法的主要因素有（    ④①②    ）。

①樣本輸入順序；②模式相似性測度；③聚類準則；④初始類心的選取。

1. N-P判決，即限定一類錯誤率條件下使另一類錯誤率為最小的兩類别決策，即在一類錯誤率固定的條件下，求另一類錯誤率的極小值的問題
2. 特征選擇就是從一組特征中挑選出一些最有效的特征以達到降低特征空間維數的目的。
3. 散度Jij越大，說明wi類模式與wj類模式的分布（差别越大）；當wi類模式與wj類模式的分布相同時，Jij=（0）。
4. 下列判别域界面方程法中隻适用于線性可分情況的算法有  （1） ；線性可分、不可分都适用的有  （3） 。

1. 感覺器算法      （2）H-K算法      （3）積累位勢函數法   

1. 散度JD是根據（   ③   ）構造的可分性判據。

   ①先驗機率；②後驗機率；③類機率密度；④資訊熵；⑤幾何距離。

2. Kn近鄰元法較之Parzen窗法的優點是（  ②  ）。

   ①所需樣本數較少；②穩定性較好；③分辨率較高；④連續性較好。

3. Fisher線性判别函數的求解過程是将N維特征矢量投影在  （2）  中進行 。

    （1）二維空間        （2）一維空間       （3）N-1維空間

“特征個數越多越有利于分類”這種說法正确嗎？（ 錯誤 ）。特征選擇的主要目的是（從n個特征中選出最有利于分類的的m個特征（m<n），以降低特征維數）。一般在（ 可分性判據對特征個數具有單調性）和（ Cnm>>n ）的條件下，可以使用分支定界法以減少計算量。

在統計模式分類問題中，聶曼-皮爾遜判決準則主要用于（ 某一種判決錯誤較另一種判決錯誤更為重要）情況；最小最大判決準則主要用于（ 先驗機率未知的）情況。最小誤判機率準則（難于确定誤判的代價）情況。

描述模式相似的測度有(     1）距離測度    2）相似測度     3）比對測度  )。

（1）距離測度  （2）模糊測度    （3）相似測度   （4）比對測度