A.最小错误率的贝叶斯决策是最小风险的贝叶斯决策的特例
B.最小风险的贝叶斯决策考虑到了不同的错误率所造成的不同损失
C.条件风险反映了对于一个样本x采用某种决策时所带来的损失
D.最小风险的贝叶斯决策当中,决策的数量和样本类别的数量一定是相等的
您可能感兴趣的试卷
你可能感兴趣的试题
A.车牌识别
B.图像分割
C.人脸识别
D.字符识别
A.PCA算法是通过变换矩阵得到原有特征的线性组合,新特征之间是线性相关的。
B.第一主成分和第二主成分是互不相关的。
C.通过PCA方法得到的特征变换矩阵是由协方差矩阵所对应的最大的几个特征值所得到的特征向量构成的。
D.第一主成分是原始特征的所有线性组合里是方差最大的。
A.基于熵的可分性判据中,判据的值越大,说明类别可分性越差。
B.在基于熵的可分性判据中利用熵的大小来作为类别可分性的判据。
C.熵表示不确定性,熵越大不确定性越大。
D.熵表示不确定性,熵越小不确定性越大。
A.在实际当中,人们主要采用实验方法来估计监督模式识别系统中分类器的错误率。
B.在实际当中,人们主要采用理论分析的方法来评价监督模式识别系统中分类器的错误率。
C.训练错误率并不能准确反映分类器性能的好坏。
D.在监督模式识别系统中,可以用错误率来反映模式识别系统的性能。
A.多于
B.等于
C.不确定
D.少于
A.BP算法由误差的正向传播和数据的反向传播两个过程构成。
B.BP网络是是一种按误差反向传播算法训练的多层前馈网络。
C.在BP算法中数据的正向传播和误差的反向传播是交替进行的。
D.BP算法由数据流的前向计算(正向传播)和误差信号的反向传播两个过程构成。
A.在感知器算法中可以通过调整学习率p来减少迭代次数
B.在感知器算法中,如果样本不是线性可分的,则算法最后不会收敛
C.感知器算法也适用于线性不可分的样本
D.在感知器算法中的学习率是可以改变的
A.模式可以看作对象的组成成分或影响因素间存在的规律性关系
B.模式识别研究的问题就是如何通过机器实现样本的特征提取
C.人类的日常活动中包含很多模式识别的活动
D.对外界事物完成分类的过程也就完成了识别的过程
最新试题
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。
过拟合不会影响分类模型的泛化能力。
测试集的样本数量越多,对分类器错误率的估计就越准确。
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。
C均值聚类算法对噪声和孤立点不敏感。
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。
隐含层或输出层具有激活函数。
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。
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。
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。