当各类的协方差矩阵不等时，决策面是超二次曲面。

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。

类间离散度矩阵代表了每一个类的重心到整个样本集的重心之间的距离。

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。

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。

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。

下面关于交叉验证法的说法中正确的是（）。

隐含层或输出层具有激活函数。

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。

一个数据集能生成多种决策树。