您可能感兴趣的试卷
你可能感兴趣的试题
A.紧致性准则
B.散布准则
C.误差平方和准则
D.分布形式准则
A.最短距离
B.最长距离
C.重心距离
D.类平均距离
E.曼哈顿距离
F.欧几里得距离
G.明考夫斯基距离
H.切比雪夫距离
A.最短距离
B.最长距离
C.重心距离
D.类平均距离
E.曼哈顿距离
F.欧几里得距离
G.明考夫斯基距离
H.切比雪夫距离
A.聚类是对整个样本集的划分,而不是对单个样本的识别
B.聚类的依据是“样本间的相似程度”
C.聚类结果是“无遗漏”、“无重复”的
D.数据聚类是典型的的有监督学习
A.聚类任务的需求
B.特征对聚类任务的有效性
C.维度和算法效率
D.判别函数的选取
A.经济
B.信息检索
C.生物基因分析
D.数据处理
E.指纹考勤
F.战场敌我识别
A.数据聚类没有预先分好类的样本集
B.数据聚类没有已知的分类决策规则
C.数据聚类由待分样本特征的内在规律来驱动分类过程
D.聚类结果受特征选取和聚类准则的影响
E.聚类结果受相似度度量标准的影响
F.聚类结果受各特征量纲标尺的影响
A.归一化处理
B.函数化处理
C.相对化处理
D.其余三个答案都不对
A.聚类中心的选择
B.待分类模式样本的排列顺序
C.阈值T的大小
D.样本分布的几何性质
E.分类准则函数的选取
最新试题
我们在对某一模式x进行分类判别决策时,只需要算出它属于各类的条件风险就可以进行决策了。
参数估计是已知概率密度的形式,而参数未知。
顺序后退法(SBS)是从0个特征开始,每次从已经入选的特征中剔除一个特征,使得仍保留的特征组合所得到的J值最大,是一种特征选择的最优算法。
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。
剪辑近邻法去除的是远离分类边界,对于最后的决策没有贡献的样本。
当各类的协方差矩阵相等时,分类面为超平面,并且与两类的中心连线垂直。
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。
理想的判据应该对特征具有单调性,加入新的特征不会使判据减小。
概率密度函数的估计的本质是根据训练数据来估计概率密度函数的形式和参数。
过拟合不会影响分类模型的泛化能力。