已知样本集呈现正态分布，采用基于最小错误率的贝叶斯决策方法，编程待定样本x=...

问答题 已知样本集呈现正态分布，采用基于最小错误率的贝叶斯决策方法，编程待定样本x=（2，0）T的类别，并画出分界线。

1.问答题设有如下两类样本集，其出现的概率相等： ω1：{（0 0 0）^T，（1 0 0）^T，（1 0 1）^T，（1 1 0）^T} ω2：{（0 0 1）^T，（0 1 0）^T，（0 1 1）^T，（1 1 1）^T} 用K-L变换，分别把特征空间维数降到二维和一维。

2.问答题设有如下三类模式样本集ω1，ω2和ω3，其先验概率相等，求Sw和Sbω1：{（1 0）^T，（2 0）^T，（1 1）^T} ω2：{（-1 0）^T，（0 1）^T，（-1 1）^T} ω3：{（-1 -1）^T，（0 -1）^T，（0 -2）^T}

3.问答题怎样利用朴素贝叶斯方法获得各个属性的类条件概率分布？

4.问答题模式识别系统主要由哪些部分组成？

5.问答题 设X={x1，x2，x3，x4，x5，x6}，标准模型由以下模糊集合表示：

6.问答题 假设两类模式服从如下的正态分布：

7.问答题设语言L（G）的正样本集R⁺={101，111}，试推断出余码文法Gc。

8.问答题 两类样本的均值矢量分别为m1=（4，2）^T和m2=（-4，-2）^T，协方差矩阵分别为：，两类的先验概率相等，试求一维特征提取矩阵。

总的类内散布阵可以算得：

9.问答题 已知二维样本：

10.问答题 现有样本集：，试用K-means{C-均值}算法进行聚类分析（类数C=2），初始聚类中心为（0，0）^T、（0，1）^T。