课数值仿真 堂 练 习
1、假设两类(ω1和ω2)的先验概率分别为P(ω1)=0.9,P(ω2)=0.1。类条件概率密度分布曲线为p(x|ω1),p(x|ω2),两者均满足正态分布,方差相同,均为1,均值分别是-1,和1。 1)写出按最小错误率决策时的负对数似然比决策规则。 2)根据1)写出判别函数及决策面方程。
2、1)写出正态分布条件下,最小错误率贝叶斯分类器是最小距离分类器的条件。
2)写出最小距离分类器的判别函数及决策规则。
3) 考虑一个两维的两类分类问题,其先验概率相同,类条件概率均服从正态分布,各类的均值及协方差矩阵分别为
若按最小错误率贝叶斯决策,求其决策面方程。
3、已知两类二维样本属于正态分布,其均值向量、协方差矩阵如下: ,,,
按fisher准则求解最优投影方向W
4、已知两类已规范化的样本向量集YY={y1,y2,…,yN},yi,i=1,…,N是N个已知类别的规范化增广样本向量。对于给定步长系数ρk ,画出“批处理感知器算法”的主程序流程图
5、有7个2维向量
x1=(1,0)T,x2=(0,1)T ,x3=(0,-1)T,
x4=(种菜偷菜0,0)T ,x5=(0,2)T,x6=(0,-2)T ,x7=(-2,0)T。
前3个是w1类,后4世界温州人大会是w2类 ,画出最近邻法的决策面
6、什么是特征提取和特征选择?特征提取和选择的目的是什么?
7、有两类样本:W1: x11=(0,0,0)T, X12=(1,0,0)T, X13=(1,0,1)T, X14=(1,1,0)T ;
W2: x21=(0,0,1)T, X22=(0,1,0)T, X23=(0,1,1)T, X24=(1,1,1)T
试利用散度JD降低维数。
8、对一组D维数据X1,X2,….,XN,如何对其求得K-L变换坐标系(即求正交基向量)? 若选择d(<D)个向量,如何选取?
9、已知两类样本,其协方差矩阵及均值
, ,
总的类内离散度
已知其本征值矩阵和本征向量矩阵为,
嘎达梅林教案
,
采用K-L变换的从类平均向量中提取判别信息的方法将数据降到1维,求变换向量
10、现有4个样本: x1=[4,5]注塑机螺杆的选择
T,,x2=[1,4]T,x3=[0,1]T,x4=[5,0]T;将其聚成两类,若有如下3种聚类: (1) ω1={x1,x2}; ω 2={x3,x4}
(2) ω1={x1,x4}; ω 2={x2,x3}
(3) ω1={x1,x2,x3}; ω 2={x4}
按最小平方误差和准则,哪种聚类最好?
11、现有8个一维数据:
{-5.5,-4.1,-3.0,-2.6,10.1,11.9,12.6,13.8}
若类与类的相似性定义为:20-Δ(Γi,Γj桂系演义),其中,表示两个样本的距离。按(基于合并的)分级聚类方法画出聚类的树图,并说明分成几个聚类较为合理。