2021 模式识别(青岛大学)1465138444 最新满分章节测试答案

本答案对应课程为:点我自动跳转查看
本课程起止时间为:2021-09-06到2022-01-09
本篇答案更新状态:已完结

第一章 绪论 第一章绪论部分的单元测试

1、 问题:下列关于模式识别的说法中,错误的是(    )
选项：
A:人类的日常活动中包含很多模式识别的活动.
B:模式可以看作对象的组成成分或影响因素间存在的规律性关系
C:模式识别研究的问题就是如何通过机器实现样本的特征提取
D:对外界事物完成分类的过程也就完成了识别的过程
答案: 【模式识别研究的问题就是如何通过机器实现样本的特征提取】

2、 问题:下列属于非监督识别的是
选项：
A:车牌识别
B:汉字识别 
C: 人脸识别 
D:CT图像的分割
答案: 【CT图像的分割】

3、 问题:关于监督模式识别与非监督模式识别的描述错误的是 
选项：
A:监督模式识别需要训练样本
B:非监督模式识别对样本的分类结果是唯一的
C:监督模式识别需要设计分类器
D:非监督模式识别是根据样本之间的相似性进行分类的
答案: 【非监督模式识别对样本的分类结果是唯一的】

4、 问题:若已知特征的情况下,一定可以通过模式识别方法得到特征和类别之间的对应关系.
选项：
A:正确
B:错误
答案: 【错误】

5、 问题:在模式识别中，样本的特征构成特征空间，特征数量越多越有利于分类。
选项：
A:正确
B:错误
答案: 【错误】

6、 问题:一个典型的模式识别系统由原始数据获取与预处理、特征提取与选择、分类器设计或聚类、后处理四部分组成。
选项：
A:正确
B:错误
答案: 【正确】

7、 问题:已知一定数量的数据,就可以通过监督模式识别来实现类别的划分
选项：
A:正确
B:错误
答案: 【错误】

第二章 贝叶斯决策理论 贝叶斯决策理论测试（一）

1、 问题:贝叶斯决策是通过计算样本后验概率的大小来进行决策的，下面表达式中wi代表类别，x代表样本，能够表示后验概率的是（   ）
选项：
A:P（wi） 
B: P（x）
C: P(x|wi) 
D:P(wi|x)
答案: 【P(wi|x)】

2、 问题:下面关于基于最小风险的贝叶斯决策的描述中，错误的是（）
选项：
A:最小风险的贝叶斯决策考虑到了不同的错误率所造成的不同损失。
B:最小错误率的贝叶斯决策是最小风险的贝叶斯决策的特例。
C:最小风险的贝叶斯决策当中，决策的数量和样本类别的数量一定是相等的。
D:条件风险反映了对于一个样本x采用某种决策时所带来的损失。
答案: 【最小风险的贝叶斯决策当中，决策的数量和样本类别的数量一定是相等的。】

3、 问题: 基于最小错误率的贝叶斯决策规则可以采用不同的形式，下列不能表达其决策规则的是（  ）
选项：
A:后验概率
B:似然比
C:类条件概率
D:先验概率
答案: 【先验概率】

4、 问题:基于最小错误率的贝叶斯决策的核心思想是将样本判别为后验概率最大的类别。
选项：
A:正确
B:错误
答案: 【正确】

5、 问题:如果在采取每一个决策或行动时，都使条件风险最小，则对所有的x做出决策时，其期望风险也必然最小。
选项：
A:正确
B:错误
答案: 【正确】

6、 问题:最小风险的贝叶斯决策的判别规则是将样本x判别为条件风险最小的那个类别。
选项：
A:正确
B:错误
答案: 【正确】

7、 问题:错误率是所有服从同样分布的独立样本上错误概率的平均值。
选项：
A:正确
B:错误
答案: 【正确】

第三章 概率密度函数的估计 概率密度函数的估计的单元测试

1、 问题:下面关于最大似然估计的说法中错误的是（）
选项：
A:在最大似然估计中要求各个样本必须是独立抽取的。
B:最大似然估计是在已知概率密度函数的形式，但是参数未知的情况下，利用训练样本来估计未知参数。
C:在最大似然函数估计中，要估计的参数是一个不确定的量。
D:在最大似然估计中，可以使用对数形式的似然函数来进行估计。
答案: 【在最大似然函数估计中，要估计的参数是一个不确定的量。】

2、 问题:下列表达中不能影响贝叶斯估计结果的是（）
选项：
A:损失函数的形式 
B:样本的数量
C:待估计参数的后验概率
D:数据的线性变换
答案: 【数据的线性变换】

3、 问题: 最大似然函数估计认为最有可能出现的样本就是似然函数最大的样本。
选项：
A:正确
B:错误
答案: 【正确】

4、 问题:贝叶斯估计中是将未知的参数本身也看作一个随机变量，要做的是根据观测数据对参数的分布进行估计。
选项：
A:正确
B:错误
答案: 【正确】

5、 问题:在贝叶斯学习的过程中，训练样本数量越多，估计值越接近与真实值。
选项：
A:正确
B:错误
答案: 【正确】

6、 问题:随着训练样本数的增多，待估计参数的函数会趋近于δ函数。
选项：
A:正确
B:错误
答案: 【正确】

7、 问题:贝叶斯估计的方法类似于贝叶斯决策，也需要定义损失函数。
选项：
A:正确
B:错误
答案: 【正确】

第四章 线性分类器 关于感知器算法和最小平方误差判别的测验

1、 问题:下面关于感知器算法的说法正确的是（）
选项：
A:样本经过增广化处理后样本和权向量的维数都会增加一维。
B:在解空间中满足aTyi>0的条件的解向量是唯一的。
C: 感知器算法的思想是选择一个合适的权向量a，使得aT与错分样本的乘积大于零。
D:在感知器算法中的学习率是不可改变的。
答案: 【样本经过增广化处理后样本和权向量的维数都会增加一维。】

2、 问题:下面关于最小平方误差判别的说法中错误的是（）
选项：
A:最小平方误差判别方法既适用于线性可分的情况，也适用于线性不可分的情况。
B:最小平方误差判别方法中的准则函数是误差长度的平方和。
C:梯度下降法求解使误差长度的平方和最小的权值时不需要赋初值。
D: 梯度下降法和伪逆法都可以求解使误差长度的平方和最小的权值。
答案: 【梯度下降法求解使误差长度的平方和最小的权值时不需要赋初值。】

3、 问题:在感知器算法中可以通过梯度下降法找到合适的权向量a。
选项：
A:正确
B:错误
答案: 【正确】

4、 问题:在求解权向量a的过程中，需要定义一个准则函数，准则函数的形式是唯一的，并且一定是权向量a的函数。
选项：
A:正确
B:错误
答案: 【错误】

5、 问题:最小平方误差判别方法中的准则函数是误差长度的平方和。
选项：
A:正确
B:错误
答案: 【正确】