MOOC 模式识别-青岛大学 中国大学慕课答案

MOOC模式识别-青岛大学中国大学慕课答案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正确答案:【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图像的分割正确答案:【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正确答案:【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、错误正确答案:【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、错误正确答案:【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、错误正确答案:【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、错误正确答案:【错误】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)正确答案:【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。正确答案:【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、先验概率正确答案:【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、错误正确答案:【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、错误正确答案:【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、错误正确答案:【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、错误正确答案:【正确】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。正确答案:【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、数据的线性变换正确答案:【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、错误正确答案:【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、错误正确答案:【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、错误正确答案:【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、错误正确答案:【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、错误正确答案:【正确】超平面的一些问题：1、问题：超平面的法线方向与判别函数的权向量的方向是垂直的选项：A、正确B、错误正确答案:【错误】2、问题：分类面的位置是由判别函数的阈值决定的选项：A、正确B、错误正确答案:【正确】关于Fisher线性判别1、问题：好的投影方向应该使不同类别的样本均值之差尽量大，类内的样本尽量聚集。选项：A、正确B、错误正确答案:【正确】2、问题：经过fisher准则投影后得到的最佳投影方向是投影后两类样本分类面的法线方向。选项：A、正确B、错误正确答案:【正确】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aTyi0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。正确答案:【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。正确答案:【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、错误正确答案:【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、错误正确答案:【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、错误正确答案:【正确】6、问题：在LMS算法中求解出的权向量与常数b无关。选项：A、正确B、错误正确答案:【错误】7、问题：感知器准则函数是用权向量a与所有的错分样本的乘积来表示对错分样本的惩罚。选项：A、正确B、错误正确答案:【错误】8、问题：在感知器算法中感知器准则函数取得最大值时所对应的权向量a就是所要寻找的合适的权向量。选项：A、正确B、错误正确答案:【错误】关于fisher线性判别准则的测验1、问题：下面关于fisher线性判别准则的说法中错误的是选项：A、fisher线性判别方法可以将样本从多维空间投影到一维空间B、将样本从多维空间向一维空间投影的方向是不唯一的。C、经过fisher准则投影后得到的最佳投影方向就是投影后两类样本的分类面D、好的投影方向应该使不同类别的样本均值之差尽量大，类内的样本尽量聚集。正确答案:【经过fisher准则投影后得到的最佳投影方向就是投影后两类样本的分类面】2、问题：在基于样本直接设计分类器时，不属于分类器设计三要素的是选项：A、判别函数的类型B、准则函数的形式C、寻优算法D、参数的类型正确答案:【参数的类型】3、问题：在线性判别函数的表达式中，一般情况下，权向量w的维数和样本的维数是一致的。选项：A、正确B、错误正确答案:【正确】4、问题：分类面的位置是由判别函数的阈值决定的。选项：A、正确B、错误正确答案:【正确】5、问题：经过fisher准则投影后得到的最佳投影方向是投影后两类样本分类面的法线方向。选项：A、正确B、错误正确答案:【正确】单元测试（一）1、问题：下面关于分段线性判别函数的说法中错误的是选项：A、分段线性判别函数能够逼近任意的超曲面，具有很强的适应性。B、分段线性距离分类器在类别的各个维度不对称的情况下，分类结果是不准确的。C、在类别的各个维度不对称的情况下，可以考虑使用分段线性距离分类器。D、在分段线性判别函数的设计当中很重要的一个问题是子类的划分问题。正确答案:【在类别的各个维度不对称的情况下，可以考虑使用分段线性距离分类器。】2、问题：下面关于二次判别函数的说法中，错误的是选项：A、每一类样本都满足高斯分布，可以定义每一类的判别函数为样本到各类均值的马氏距离的平方与给定阈值之间的比较。B、当每一类均符合高斯分布时，可以通过调整二次判别函数中的阈值来减少错误率。C、如果其中一类分布比较接近高斯分布，即分布为团状，而另外一类则较均匀的分布在第一类附近，只求出一类的判别函数就可以进行类别的划分。D、如果一类分布比较接近高斯分布，即分布为团状，而另外一类则较均匀的分布在第一类附近，需要分别求出每一类的判别函数来进行类别的划分。正确答案:【如果一类分布比较接近高斯分布，即分布为团状，而另外一类则较均匀的分布在第一类附近，需要分别求出每一类的判别函数来进行类别的划分。】3、问题：在类别数量未知的情况下，可以采用二分树的方式进行分类器设计。选项：A、正确B、错误正确答案:【正确】4、问题：基于距离的分段线性分类器将每一类分成若干子类，也就是各类别里每一个峰代表一个子类，在每个峰里选一个代表点，可以用每个峰的中心来作为代表点。选项：A、正确B、错误正确答案:【正确】5、问题：在使用二分树进行分类器设计的时候，初始权值对分类结果没有影响。选项：A、正确B、错误正确答案:【错误】单元测试（二）1、问题：下面关于多层神经网络的说法中，错误的是选项：A、多层神经网络由输入层、隐藏层和输出层组成。B、多层神经网络的各层神经元之间通过可修正的权值互联。C、多层神经网络的同一层的神经元之间通过可修正的权值互联。D、多层神经网络可以实现非线性判别。正确答案:【多层神经网络的同一层的神经元之间通过可修正的权值互联。】2、问题：下面关于激活函数的说法中错误的是选项：A、隐含层或输出层具有激活函数。B、输入层没有激活函数。C、同一神经网络的激活函数必须是相同的。D、同一神经网络的隐含层和输出层的激活函数可以不同。正确答案:【同一神经网络的激活函数必须是相同的。】3、问题：下面关于BP神经网络的说法中错误的是选项：A、BP网络是是一种按误差反向传播算法训练的多层前馈网络。B、BP算法由数据流的前向计算（正向传播）和误差信号的反向传播两个过程构成。C、在BP算法中数据流的正向传播时，数据的传播方向是输入层→隐层→输出层。D、在BP算法中数据的正向传播和误差的反向传播是同时进行的。正确答案:【在BP算法中数据的正向传播和误差的反向传播是同时进行的。】4、问题：在误差的反向传播过程中，是通过调整权值使得全局误差最小。选项：A、正确B、错误正确答案:【正确】5、问题：在BP算法中，学习率选的越大，收敛速度越快。选项：A、正确B、错误正确答案:【错误】6、问题：单个感知器可以实现线性分类。选项：A、正确B、错误正确答案:【正确】7、问题：神经元是神经网络的基本组成单元。选项：A、正确B、错误正确答案:【正确】8、问题：BP算法由误差的正向传播和数据的反向传播两个过程构成。选项：A、正确B、错误正确答案:【错误】单元测试（三）1、问题：下面关于神经网络参数的说法错误的是选项：A、在选择神经网络的层数时，隐藏层的层数应该是越少越好。B、神经网络的模型受到神经元的传递函数、网络结构和连接权值的学习这三个因素的影响。C、在多层前馈网络中，若隐层节点数量太少，会出现欠学习的问题。D、在多层前馈网络中，若隐层节点数量太少，会出现过学习的问题。正确答案:【在多层前馈网络中，若隐层节点数量太少，会出现过学习的问题。】2、问题：下面关于利用神经网络进行分类的说法中错误的是选项：A、利用神经网络对两类问题进行分类时，可以用一个输出节点来实现。B、神经网络实现多类问题的分类时可以用多个神经网络组合来实现。C、利用神经网络来实现多类问题的分类时，可以采用一个具有的多个输出节点的神经网络来实现。D、在利用神经网络进行分类时，神经网络的输入节点的个数多于输入的特征数量。正确答案:【在利用神经网络进行分类时，神经网络的输入节点的个数多于输入的特征数量。】3、问题：在利用神经网络进行分类时，神经网络的输入节点的个数等于输入的特征数量。选项：A、正确B、错误正确答案:【正确】4、问题：在神经网络对多类问题分类时，可以用少数的输出节点实现多数的类别划分。选项：A、正确B、错误正确答案:【正确】5、问题：过学习问题是指神经网络在训练样本集上的误差很小，但是在独立的测试样本集上误差很大。选项：A、正确B、错误正确答案:【正确】近邻法的测试1、问题：近邻法是一种有监督学习选项：A、正确B、错误正确答案:【正确】2、问题：近邻法对模板数量没有要求，模板数量对分类性能影响不大选项：A、正确B、错误正确答案:【错误】3、问题：近邻法需要较大计算量和存储量选项：A、正确B、错误正确答案:【正确】4、问题：剪辑近邻法可以同时减少数据存储量和计算量选项：A、正确B、错误正确答案:【正确】决策树的测试1、问题：决策树学习是无监督学习选项：A、正确B、错误正确答案:【错误】2、问题：一个数据集只能生成一种决策树选项：A、正确B、错误正确答案:【错误】3、问题：ID3方法的目的是降低系统信息熵选项：A、正确B、错误正确答案:【正确】4、问题：随机森林算法是基于自举思想的一种决策树改进算法选项：A、正确B、错误正确答案:【正确】非监督模式识别测试题1、问题：聚类分析算法属于有监督学习选项：A、正确B、错误正确答案:【错误】2、问题：无监督学习不需要训练集就可以进行选项：A、正确B、错误正确答案:【正确】3、问题：分级聚类方法需要进行迭代运算选项：A、正确B、错误正确答案:【错误】4、问题：C均值算法是基于相似性度量的选项：A、正确B、错误正确答案:【正确】特征选择的测试题目1、问题：下面关于特征选择的说法中，错误的是：选项：A、特征选择不仅可以降低特征空间的维度，还可以消除特征之间的相关性B、基于类内类间距离的可分性判据是通过计算各类特征向量之间的平均距离来作为评价准则。C、基于类内类间距离的可分性判据的值越大，说明可分离性越好。D、当各类的协方差矩阵相差不大时，采用基于类内类间距离的可分性判据的效果会好一些。正确答案:【特征选择不仅可以降低特征空间的维度，还可以消除特征之间的相关性】2、问题：下面关于分支定界法的说法中，错误的是：选项：A、分枝定界法也是一种特征选择的最优算法。B、分枝定界法是一种自顶向下的方法，具有回溯的过程。C、分枝定界法是一种自顶向下的方法，没有回溯的过程。D、分枝定界法的计算量与具体问题和数据有关正确答案:【分枝定界法是一种自顶向下的方法，没有回溯的过程。】3、问题：在特征选择中，有两个很重要的方面，一个是特征的评价准则，另外一个是特征的寻优算法。选项：A、正确B、错误正确答案:【正确】4、问题：可以利用分类器错误率的大小作为设定特征评价准则的依据。选项：A、正确B、错误正确答案:【正确】5、问题：穷举法是一种基本的特征选择最优算法。选项：A、正确B、错误正确答案:【正确】特征提取的单元测试1、问题：下面关于特征提取的说法中错误的是:选项：A、特征提取不仅可以降低特征空间的维度，还可以消除特征之间的相关性。B、特征提取是通过特征变换将原来的高维特征转换为低维特征。C、PCA算法是通过变换矩阵得到原有特征的线性组合，新特征之间是线性相关的。D、特征提取的过程是通过训练样本求取特征变换矩阵的过程。正确答案:【PCA算法是通过变换矩阵得到原有特征的线性组合，新特征之间是线性相关的。】2、问题：下面关于PCA的说法中，错误的是：选项：A、PCA算法是从一组特征中计算出一组按重要性从大到小排列的新特征，它们是原有特征的线性组合，并且相互之间是不相关的。B、主成分分析的目的是将多个原始特征压缩为互不相关的少数综合特征的过程。C、通过PCA方法得到的新特征能够完全表达原始特征的信息。D、主成分分析方法需要计算原始特征的协方差矩阵或自相关矩阵。正确答案:【通过PCA方法得到的新特征能够完全表达原始特征的信息。】3、问题：在K-L变换中不同的正交向量系会对应不同的均方误差，在选择时应该选择使均方误差最小的正交向量系。选项：A、正确B、错误正确答案:【正确】4、问题：可以通过计算K-L变换的产生矩阵的本征值来得到相应的正交变换系。选项：A、正确B、错误正确答案:【正确】5、问题：当原始特征的均值不为0时，主成分分析方法和K-L变换方法是等价的。选项：A、正确B、错误正确答案:【错误】系统评价的测试1、问题：下面关于交叉验证的说法，错误的是：选项：A、在总的样本集不是很大的情况下，可以采用交叉验证法来较好的估计分类器性能。B、在进行交叉验证时,，一般让临时训练集较小,临时测试集较大,这样得到的错误率估计就更接近用全部样本作为训练样本时的错误率。C、交叉验证法中的测试集过小会带来错误率估计方差大的问题，这个问题可以通过多轮实验的平均得到一定的缓解。D、n倍交叉验证法和留一法都是交叉验证法的具体形式。正确答案:【在进行交叉验证时,，一般让临时训练集较小,临时测试集较大,这样得到的错误率估计就更接近用全部样本作为训练样本时的错误率。】2、问题：下面关于模式识别系统的评价的说法中，错误的是：选项：A、模式识别系统的某些优质算法的性能在任何情况下都会优于其他的算法。B、在模式识别系统中，只有确定了问题的具体类型、先验分布情况、以及其他一些信息，才能确定哪种形式的分类器将提供最好的性能。C、在模式识别系统中，不存在与问题领域无关的最优的学习算法或模式识别系统。D、在监督模式识别系统中，可以用错误率来反映模式识别系统的性能。正确答案:【模式识别系统的某些优质算法的性能在任何情况下都会优于其他的算法。】3、问题：训练错误率并不能准确反映分类器性能的好坏。选项：A、正确B、错误正确答案:【正确】4、问题：征的提取和选择对分类器的性能也有很大的影响。选项：A、正确B、错误正确答案:【正确】5、问题：在非监督学习中，可以采用数学上评价聚类性能的指标来帮助人们客观地理解和解释所得的聚类结果。选项：A、正确B、错误正确答案:【正确】模式识别期末考试试卷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正确答案:【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：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（x）B、P（wi|x）C、P（wi）D、P（x|wi）正确答案:【P（wi|x）】3、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、数据的线性变换正确答案:【数据的线性变换】4、问题：下列关于感知器算法的说法中错误的是选项：A、在感知器算法中的学习率是可以改变的B、在感知器算法中可以通过调整学习率p来减少迭代次数。C、在感知器算法中，如果样本不是线性可分的，则算法最后不会收敛。D、感知器算法也适用于线性不可分的样本正确答案:【感知器算法也适用于线性不可分的样本】5、问题：下面关于BP神经网络的说法错误的是选项：A、BP网络是是一种按误差反向传播算法训练的多层前馈网络。B、BP算法由数据流的前向计算（正向传播）和误差信号的反向传播两个过程构成。C、BP算法由误差的正向传播和数据的反向传播两个过程构成。D、在BP算法中数据的正向传播和误差的反向传播是交替进行的。正确答案:【BP算法由误差的正向传播和数据的反向传播两个过程构成。】6、问题：在利用神经网络进行分类时，神经网络的输入节点的个数______输入的特征数量。选项：A、少于B、等于C、多于D、不确定正确答案:【等于】7、问题：下面不能用来度量概率距离的参数是选项：A、散度B、Chernoff界限C、Bhattacharyya距离D、欧式距离正确答案:【欧式距离】8、问题：下面关于错误率的说法中错误的是选项：A、在监督模式识别系统中，可以用错误率来反映模式识别系统的性能。B、在实际当中，人们主要采用实验方法来估计监督模式识别系统中分类器的错误率。C、在实际当中，人们主要采用理论分析的方法来评价监督模式识别系统中分类器的错误率。D、训练错误率并不能准确反映分类器性能的好坏。正确答案:【在实际当中，人们主要采用理论分析的方法来评价监督模式识别系统中分类器的错误率。】9、问题：下面关于BP神经网络的说法错误的是选项：A、BP网络是是一种按误差反向传播算法训练的多层前馈网络。B、BP算法由数据流的前向计算（正向传播）和误差信号的反向传播两个过程构成。C、BP算法由误差的正向传播和数据的反向传播两个过程构成。D、在BP算法中数据的正向传播和误差的反向传播是交替进行的。正确答案:【BP算法由误差的正向传播和数据的反向传播两个过程构成。】10、问题：下面关于熵的说法中，错误的是选项：A、在基于熵的可分性判据中利用熵的大小来作为类别可分性的判据。B、熵表示不确定性，熵越小不确定性越大。C、熵表示不确定性，熵越大不确定性越大。D、基于熵的可分性判据中，判据的值越大，说明类别可分性越差。正确答案:【熵表示不确定性，熵越小不确定性越大。】11、问题：下面关于PCA算法的说法中错误的是选项：A、PCA算法是通过变换矩阵得到原有特征的线性组合，新特征之间是线性相关的。B、第一主成分是原始特征的所有线性组合里是方差最大的。C、第一主成分和第二主成分是互不相关的。D、通过PCA方法得到的特征变换矩阵是由协方差矩阵所对应的最大的几个特征值所得到的特征向量构成的。正确答案:【PCA算法是通过变换矩阵得到原有特征的线性组合，新特征之间是线性相关的。】12、问题：下列属于监督模式识别的是选项：A、字符识别B、人脸识别C、车牌识别D、图像分割正确答案:【字符识别#人脸识别#车牌识别】13、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、先验概率正确答案:【后验概率#似然比#类条件概率】14、问题：下列关于最小风险的贝叶斯决策的说法中正确的有选项：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正确答案:【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#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#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】15、问题：下面关于最大似然估计的说法中正确的是选项：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确定的量。D、在最大似然函数估计中，要估计的参数是一个随机量。正确答案:【在最大似然估计中要求各个样本必须是独立抽取的。#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。#在最大似然函数估计中，要估计的参数是一个确定的量。】16、问题：在基于样本直接设计分类器时，属于分类器设计三要素的是选项：A、判别函数的类型B、准则函数的形式C、寻优算法D、参数的类型正确答案:【判别函数的类型#准则函数的形式#寻优算法】17、问题：下面关于最小平方误差判别的说法中正确的是选项：A、最小平方误差判别方法适用于线性可分与线性不可分的情况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、最小平方误差判别方法就是寻找使误差长度的平方和最大的权值。D、在最小平方误差判别中可以使用梯度下降法来求解正确答案:【最小平方误差判别方法适用于线性可分与线性不可分的情况#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。#在最小平方误差判别中可以使用梯度下降法来求解】18、问题：神经网络的模型受到哪些因素的影响选项：A、传递函数B、网络结构C、连接权值的学习D、样本的数量正确答案:【传递函数#网络结构#连接权值的学习】19、问题：下面关于特征选择与提取的说法中正确的是选项：A、在分类时，特征越多越有利于分类。B、在不影响分类效果的前提下，特征越少越有利于分类。C、在特征选择中，有两个很重要的方面，一个是特征的评价准则，另外一个是特征的寻优算法。D、特征选择不仅可以降低特征空间的维度，还可以消除特征之间的相关性。正确答案:【在不影响分类效果的前提下，特征越少越有利于分类。#在特征选择中，有两个很重要的方面，一个是特征的评价准则，另外一个是特征的寻优算法。】20、问题：下面关于基于类内类间距离的可分性判据的说法中正确的是选项：A、基于类内类间距离的可分性判据的值越大，说明可分离性越好。B、基于类内类间距离的可分性判据的值越小，说明可分离性越好。C、当各类的协方差矩阵相差很大时，采用基于类内类间距离的可分性判据的效果会好一些。D、当各类的协方差矩阵相差很小时，采用基于类内类间距离的可分性判据的效果会好一些。正确答案:【基于类内类间距离的可分性判据的值越大，说明可分离性越好。#当各类的协方差矩阵相差很小时，采用基于类内类间距离的可分性判据的效果会好一些。】21、问题：下面关于分支定界法的说法中正确的是选项：A、分枝定界法是一种自顶向下的方法，具有回溯的过程。B、分枝定界法的计算量与具体问题和数据有关。C、分枝定界法是一种自顶向下的方法，没有回溯的过程。D、分枝定界法也是一种特征选择的最优算法。正确答案:【分枝定界法是一种自顶向下的方法，具有回溯的过程。#分枝定界法的计算量与具体问题和数据有关。#分枝定界法也是一种特征选择的最优算法。】22、问题：下面关于分段线性判别函数的说法中正确的是选项：A、在类别的各个维度不对称的情况下，可以考虑使用分段线性距离分类器。B、具有推广性的分段线性分类器是对各个子类分别定义一个线性判别函数，判别时将样本划分到判别函数最大的子类所属的类别。C、分段线性判别函数能够逼近任意的超曲面，具有很强的适应性。D、分段线性判别函数能够只能逼近平面或超平面。正确答案:【具有推广性的分段线性分类器是对各个子类分别定义一个线性判别函数，判别时将样本划分到判别函数最大的子类所属的类别。#分段线性判别函数能够逼近任意的超曲面，具有很强的适应性。】23、问题：下面关于神经网络的说法中正确的是选项：A、单个感知器可以实现线性分类。B、神经元是神经网络的基本组成单元。C、多层神经网络由输入层、隐藏层和输出层组成。D、多个感知器可以解决非线性问题的分类。正确答案:【单个感知器可以实现线性分类。#神经元是神经网络的基本组成单元。#多层神经网络由输入层、隐藏层和输出层组成。#多个感知器可以解决非线性问题的分类。】24、问题：下面算法中不属于特征选择的次优算法的是选项：A、顺序前进法B、顺序后退法C、穷举法D、分支定界法正确答案:【穷举法#分支定界法】25、问题：感知器算法适用于线性可分的情况。选项：A、正确B、错误正确答案:【正确】26、问题：感知器准则函数是用权向量a与所有的错分样本的乘积来表示对错分样本的惩罚。选项：A、正确B、错误正确答案:【错误】27、问题：符合正态分布的两类样本的分类面的位置与先验概率无关。选项：A、正确B、错误正确答案:【错误】28、问题：在最小风险的贝叶斯决策当中不需要计算样本的后验概率。选项