文档介绍：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和，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：
状态
损失
决策
W1
W2
a1
2
a2
4
（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
（2）最小风险决策规则
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，，0，
已知两类的数据：ω1：(1,0),(2,0),(1,1)；ω2：(-1,0),(0,1),(-1,1)，试求该组数据的类内与类间散布矩阵。
其中Sw为类内，Sb为类间
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)T
w2:(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近邻法求测试样本(0,0)T的分类，取K=5，7。
答：
最近邻法：最近邻为(-1，0)T分类为w1
K近邻法：
K=5：5个近邻为1类的(-1,0)T,(-2,0)T，2类的(1,1)T,(2,0)T,(1,-1)T 分类为w2
K=7：1）若近邻为1类的(-1,0)T,(-2,0)T,(-2,1)T,(-2,-1)T，2类的(1,1)T,(2,0)T,(1,-1)T，则分类为w1
2）若近邻为1类的(-1,0)T,(-2,0)T,(-2,1)T或(-2,-1)T两个之一，2类的(1,1)T,(2,0)T,(1,-1)T,(2,1)T，则分类为w2
：w1(0,0)T,(0,2)T;w2(2,0)T,(2,2)T，试用最小平方误差准则算法进行分类器训练，求解向量w*。
简答题
简答题
什么是模式与模式识别？
模式：对象之间存在的规律性关系；
模式识别：是研究用计算机来实现人类模式识别能力的一门学科。
/*模式：广义地说，模式是一些供模仿用的、完美无缺的标本。本课程把所见到的具体事物称为模式，而将它们归属的类别称为模式类。模式的直观特性:可观察性，可区分性，相似性
模式识别：指对表征事物或现象的各种形式的(数值的、文字的和逻辑关系的)信息进行处理和分析，以对事物或现象进行描述、辨认、分类和解释的过程。*/
一个典型的模式识别系统主要由哪几个部分组成
什么是后验概率？
系统在某个具体的模式样本X条件下位于某种类型的概率。
确定线性分类器的主要步骤
①采集训练样本，构成训练样本集。样本应该具有典型性
②确定一个准则J=J(w,x)，能反映分类器性能，且存在权值w*使得分类器性能最优
③设计求解w的最优算法，得到解向量w*
样本集推断总体概率分布的方法
近邻法的基本思想是什么？
作为一种分段线性判别函数的极端情况，将各类中全部样本都作为代表点，这样的决策方法就是近邻法的基本思想。
什么是K近邻法？
取未知样本x的k个近邻，