模式識(shí)別與人工智能整理

1、什么是模式？ 什么是模式？模式：具體事物所具有的信息。對象之間存在的規(guī)律性關(guān)系。存在于時(shí)間和空間中可觀察的事物，如果可以區(qū)別它們是否相同或是否相似，都可稱之為模式。模式是指我們從事物獲得的信息，往往表現(xiàn)為具有時(shí)間或空間分布的信息。模式識(shí)別的作用和目的就是在面對某一具體的事物時(shí)將其正確歸入某一類別。模式識(shí)別的含義？ 模式識(shí)別的含義？模式識(shí)別：是研究用計(jì)算機(jī)來實(shí)現(xiàn)人類識(shí)別模式的能力用一定數(shù)量的樣本（訓(xùn)練集或?qū)W習(xí)集）進(jìn)行分類器的設(shè)計(jì)，用所設(shè)計(jì)

2、的分類器對待識(shí)別的樣本進(jìn)行分類決策。模式識(shí)別與人工智能的區(qū)別？ 模式識(shí)別與人工智能的區(qū)別？模式識(shí)別是人工智能應(yīng)用的一個(gè)方面。模式識(shí)別是一個(gè)不斷發(fā)展的新學(xué)科,它的理論基礎(chǔ)和研究范圍也在不斷發(fā)展,隨著應(yīng)用范圍的不斷擴(kuò)大以及計(jì)算機(jī)科學(xué)的不斷進(jìn)步,基于人工神經(jīng)網(wǎng)絡(luò)的模式識(shí)別技術(shù)在今后將會(huì)得到更大的發(fā)展,量子計(jì)算技術(shù)也將用于模式識(shí)別研究。人工智能下包括人工智能理論，模式識(shí)別，神經(jīng)網(wǎng)絡(luò)，自然語言處理，專家系統(tǒng)等等多個(gè)方面。模式識(shí)別系統(tǒng)由哪幾個(gè)部分組

3、成？ 模式識(shí)別系統(tǒng)由哪幾個(gè)部分組成？基于統(tǒng)計(jì)方法的模式識(shí)別系統(tǒng)主要有 4 個(gè)部分組成：數(shù)據(jù)獲取， 預(yù)處理，特征提取和選擇，分類決策。數(shù)據(jù)獲?。喊ㄒ痪S波形、二維圖像、物理參量和邏輯值等。預(yù)處理：除去噪聲，加強(qiáng)有用信息，并對測量儀器或其它因素造成的退化現(xiàn)象進(jìn)行復(fù)原。 特征提取和選擇：由于圖像或波形所獲得的數(shù)據(jù)量相當(dāng)大，為了有效的實(shí)現(xiàn)分類識(shí)別，就要對原始數(shù)據(jù)進(jìn)行變換，得到最能反映分類本質(zhì)的特征。分類決策：在特征空間中用統(tǒng)計(jì)方法把被識(shí)別對象歸

4、為某一類別。假如只知道先驗(yàn)概率，用哪種決策規(guī)則？ 假如只知道先驗(yàn)概率，用哪種決策規(guī)則？設(shè)一個(gè)有 C 類，每一類的先驗(yàn)概率為 P(wj)，j = 1, ...,C。此時(shí)最小錯(cuò)誤率貝葉斯決策規(guī)則為：如果 P(wi) = maxP(wj)，則 x ∈ wi。假如只知道后驗(yàn)概率，用哪種決策規(guī)則？ 假如只知道后驗(yàn)概率，用哪種決策規(guī)則？設(shè)一個(gè)有 C 類，每一類的后驗(yàn)概率為 P(wj|x)，j = 1, ...,C。此時(shí)最小錯(cuò)誤率貝葉斯決策規(guī)則為：如

5、果 P(wi|x) = max P(wj|x)，則 x ∈ wi。貝葉斯決策理論的含義？ 貝葉斯決策理論的含義？貝葉斯決策利用先驗(yàn)概率和類條件概率密度，將貝葉斯公式（加上貝葉斯公式）作為理論依據(jù)，對某一樣本按其特征向量進(jìn)行分類。貝葉斯決策的先決條件？ 貝葉斯決策的先決條件？（1）各類別總體的概率分布是已知的 。（2）要決策分類的類別數(shù)是一定的 。（1）物理上的合理性:（2）數(shù)學(xué)上比較簡便什么是監(jiān)督參數(shù)估計(jì)？ 什么是監(jiān)督參數(shù)估計(jì)？監(jiān)督參數(shù)

6、估計(jì)：樣本所屬類別及類條件總體概率密度函數(shù)的形式已知，某些參數(shù)未知。非監(jiān)督參數(shù)估計(jì)：已知總體概率密度函數(shù)形式，但未知樣本類別,要推斷某些參數(shù)。非參數(shù)估計(jì)：已知樣本類別，未知總體概率密度函數(shù)形式，要求直接推斷概率密度函數(shù)本身。非監(jiān)督參數(shù)估計(jì)的方法有哪些？ 非監(jiān)督參數(shù)估計(jì)的方法有哪些？迭代法非參數(shù)估計(jì)的方法有哪些？ 非參數(shù)估計(jì)的方法有哪些？Parzen 窗估計(jì)方法和 K-近鄰概率密度估計(jì)方法。Parzen 窗估計(jì)方法的主題思想是固定窗口區(qū)域

7、容積，去看有多少個(gè)樣本點(diǎn)在里面，而 K-近鄰概率密度估計(jì)方法的主要思想是固定樣本點(diǎn)的個(gè)數(shù)（k 個(gè)）看需要的多大的容積。最大似然估計(jì)和貝葉斯估計(jì)的差異？ 最大似然估計(jì)和貝葉斯估計(jì)的差異？最大似然估計(jì)是把參數(shù) θ看成為確定的未知參數(shù)。貝葉斯估計(jì)是把參數(shù) θ 看成隨機(jī)的未知參數(shù)。什么情況下使用最大似然估計(jì)？ 什么情況下使用最大似然估計(jì)？適用于參數(shù)是確定的的情況。什么情況下使用貝葉斯估計(jì)？ 什么情況下使用貝葉斯估計(jì)？適用于參數(shù)是隨機(jī)的的情況。什

8、么是可識(shí)別性問題？ 什么是可識(shí)別性問題？從混合密度中把 θ 的分量恢復(fù)出來。設(shè) θ ≠ θ ' ，如果對于混合分布中的每個(gè) x 都有p (x | θ)≠p(x | θ ') ，則稱密度 p (x | θ) 是可識(shí)別的。為什么用線性判別函數(shù)？ 為什么用線性判別函數(shù)？簡單、易實(shí)現(xiàn)，計(jì)算和存儲(chǔ)量小。Fisher 線性判別函數(shù)的含義？ 線性判別函數(shù)的含義？考慮把𝑑 維空間的樣本投影到一條直線上，形成一維空間，即把

9、維數(shù)壓縮到一維。在一般的情況下， （對于投影）總可以找到某個(gè)方向，使在這個(gè)方向的直線上樣本的投影能分開得好。線性判別函數(shù)不滿足要求時(shí)，用什么樣的方法來判別？ 線性判別函數(shù)不滿足要求時(shí)，用什么樣的方法來判別？廣義判別函數(shù)。將非線性函數(shù)，通過映射，變成“線性”函數(shù)。什么是分段線性判別函數(shù)？ 什么是分段線性判別函數(shù)？實(shí)際中有很多復(fù)雜的模式識(shí)別問題并不是線性可分的，簡單的線性判別函數(shù)往往會(huì)帶來較大的分類錯(cuò)誤，這時(shí)就需要采用非線性分類器。分段線性