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。

基于数据的方法适用于特征和类别关系不明确的情况。

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。

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。

k-近邻法中k的选取一般为偶数。

下面关于交叉验证法的说法中正确的是（）。

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。

贝叶斯估计中是将未知的参数本身也看作一个随机变量，要做的是根据观测数据对参数的分布进行估计。

类间离散度矩阵代表了每一个类的重心到整个样本集的重心之间的距离。

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。