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。

下面关于超平面的说法中正确的是（）。

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。

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。

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。

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。

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。

k-近邻法中k的选取一般为偶数。

在感知器算法中训练样本需要经过增广化处理和规范化处理。

下面关于贝叶斯分类器的说法中错误的是（）。