电脑桌面
添加小米粒文库到电脑桌面
安装后可以在桌面快捷访问

四川大学模式识别期末考试内容VIP免费

四川大学模式识别期末考试内容_第1页
1/7
四川大学模式识别期末考试内容_第2页
2/7
四川大学模式识别期末考试内容_第3页
3/7
精品文档。1欢迎下载一.计算题1、 在图像识别中,假定有灌木和坦克2 种类型,它们的先验概率分别是0.7 和 0.3 ,损失函数如下表所示。其中,类型w1 和 w2 分别表示灌木和坦克,判决a1=w1,a2=w2。现在做了 2 次实验,获得2 个样本的类概率密度如下:5.02.0)|(1xP3.06.0)|(2xP(1)试用最小错误率贝叶斯准则判决2 个样本各属于哪一类?坦克、灌木。(2)试用最小风险决策规则判决2 个样本各属于哪一类?灌木、灌木。答:(1)最小错误率贝叶斯准则,决策为坦克第一个样本:2121221111)|()|(5625.04375.01)|(1)|(4375.032143.0*6.07.0*2.07.0*2.0)()|()()|()|(xxPxPxPxPPxpPxpxPjjj,决策为灌木第二个样本:1121221111)|()|(449205.0795.01)|(1)|(795.044353.0*3.07.0*5.07.0*5.0)()|()()|()|(xxPxPxPxPPxpPxpxPjjj(2)最小风险决策规则,决策为灌木第一个样本1212221212122212111211122211211)|()|(3175.25625.0*0.14375.0*4)|()|()|()|(35375.15625.0*24375.0*5.0)|()|()|()|(0.1425.0xxaRxaRxPxPxPxaRxPxPxPxaRjjjjjj状态损失决策W1 W2 a1 0.5 2 a2 4 1.0 精品文档。2欢迎下载,决策为灌木第二个样本12122212121222121112111)|()|(385.3205.0*0.1795.0*4)|()|()|()|(8075.0205.0*2795.0*5.0)|()|()|()|(xxaRxaRxPxPxPxaRxPxPxPxaRjjjjjj2、给出二维样本数据(-1,1),(2,2),(1,-1),(-2,-2),试用 K-L 变换作一维数据压缩。答:数据压缩结果:0,22, 0,22220220)2(*22)2(*2222222*222*222222),(.5.42222,2222:)(1,405.25.15.15.2.35.25.15.15.210661041222211112222111141.2000041:.1112121得左乘以每原数据样本分别用本将原样本变换成一维样为变换矩阵的特征向量取更大的特征值所对应分别是标准特征向量求特征值与特征向量自相关矩阵样本的均值向量为TXXXXRm3、已知两类的数据:ω1: (1,0),(2,0),(1,1);ω 2:(-1,0),(0,1),(-1,1),试求该组数据的类内与类间散布矩阵。精品文档。3欢迎下载166369131363136))((400431211231211231).3313131323231211231))((323131323131211231))(().23232,31341).1:2121212221112121TbwbwTTTxTTTTxTTTxiimmmmSSSSSSmxmxSmxmxSmmxNmi与计算向量的距离平方和分别计算两个类与均值取均值向量答4 、 已 知 欧 氏 二 维 空 间 中 两 类9 个 训 练 样 本w1: (-1,0)T,(-2,0)T,(-2,1)T,(-2,-1)Tw2:(1,1)T,(2,0)T,(1,-1)T,(2,1)T,(2,2)T,试分别用最近邻法和K 近邻法求测试...

1、当您付费下载文档后,您只拥有了使用权限,并不意味着购买了版权,文档只能用于自身使用,不得用于其他商业用途(如 [转卖]进行直接盈利或[编辑后售卖]进行间接盈利)。
2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。
3、如文档内容存在违规,或者侵犯商业秘密、侵犯著作权等,请点击“违规举报”。

碎片内容

四川大学模式识别期末考试内容

确认删除?
VIP
微信客服
  • 扫码咨询
会员Q群
  • 会员专属群点击这里加入QQ群
客服邮箱
回到顶部