第 1 页 (共 6 页) 2 0 1 3 –2 0 1 4 学年度第 一 学期 模式识别原理 课程期末考试试题 (考试方式:□√ 开卷 □闭卷;考试时间: 1 2 0 分钟) 一、计算题 (共2 0 分) 在目标识别中,假定类型1 为敌方目标,类型2 为诱饵(假目标),已知先验概率 P(1 )=0.2 和 P(2 )=0.8,类概率密度函数如下: 其它021210)(1xxxxxp 其它0323211-)(2xxxxxp 1、求贝叶斯最小误判概率准则下的判决域,并判断样本 x=1.5 属于哪一类; 2、求总错误概率 p(e); 3、假设正确判断的损失 11=22=0,误判损失分别为 12 和 21,若采用最小损失判决准则,12 和 21 满足怎样的关系时,会使上述对 x=1.5 的判断相反? 解:(1)应用贝叶斯最小误判概率准则如果 )()()(2112xpxpxl)()(12PP 则判 21x (2分) 得 l12(1.5)=1 < )()(12PP=4,故 x=1.5 属于 2 。(2 分) (2)P(e)= 212121)()()(PPeP 12)()()()(2211xdxpPxdxpP =dxxxx1.2121.210.8d)2(0.2)(=0.08 (算式正确 2 分,计算错误扣 1~2 分) 第 2 页 (共 6 页) (3) 两类问题的最小损失准则的似然比形式的判决规则为: 如果 ))(())(()()(111212221221PPxpxp 则判 21x 带入x=1.5 得到 12≥421 (算式正确 2 分,计算错误扣 1~2 分) 二、证明题(共2 0 分) 设 p(x)N(,),窗函数 (x)N(0,1),试证明 Parzen 窗估计11ˆ ( )()NiNiNNxxpxNhh有如下性质:22ˆ[( )]( ,)NNE pxNh 。 证明:(1)(为书写方便,以下省略了 hN 的下标 N) 222222222222222222221111() ( )exp[() ]exp[() ]2222111exp[()() ]2221111exp{[()2()]}2211111exp[()]exp{()[2222yxyxyp y dydyhhyxydyhxxyydyhhhxyhh2222() ]}xhy dyh 22222222222222222222222211()exp[(]exp()22()211 ()exp[]222 ()1 ()exp[]2 ()2xxhhydyhhhhxhhhhxhh ...