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
您可能感兴趣的试卷
你可能感兴趣的试题
A.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。
B.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。
C.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。
D.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。
A.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。
B.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。
C.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。
D.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。
最新试题
下面关于交叉验证法的说法中正确的是()。
测试集的样本数量越多,对分类器错误率的估计就越准确。
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。
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。
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。
下面关于贝叶斯分类器的说法中错误的是()。
参数估计是已知概率密度的形式,而参数未知。
神经网络的模型受到哪些因素的影响?()
分支定界法计算量一定比穷举法小。
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。