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。

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。

特征选择常用的次优算法有顺序前进法，顺序后退法和动态顺序前进法三种。

fisher线性判别方法可以将样本从多维空间投影到一维空间。

当各类的协方差矩阵不等时，决策面是超二次曲面。

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。

k-近邻法中k的选取一般为偶数。

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。

下面关于超平面的说法中正确的是（）。

参数估计是已知概率密度的形式，而参数未知。