顺序前进法的缺点是不能剔除已入选的特征，无法保证全局最优。

C均值聚类算法对噪声和孤立点不敏感。

在监督模式识别中，分类器的形式越复杂，对未知样本的分类精度就越高。

动态顺序前进法（l-r）法是按照单步最优的原则从未入选的特征中选择l个特征，再从已入选的特征中剔除r个特征，使得仍保留的特征组合所得到的J值最大。

下面关于交叉验证法的说法中正确的是（）。

当各类的协方差矩阵不等时，决策面是超二次曲面。

多类问题的贝叶斯分类器中判别函数的数量与类别数量是有直接关系的。

概率密度函数的参数估计需要一定数量的训练样本，样本越多，参数估计的结果越准确。

在进行交叉验证时，一般让临时训练集较大，临时测试集较小，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。

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。