模式識別考試

監(jiān)督學習和非監(jiān)督學習有什么區(qū)別？參考答案：當訓練樣本的類別信息已知時進行的分類器訓練稱為監(jiān)督學習，或者由教師示范的學習；否則稱為非監(jiān)督學習或者無教師監(jiān)督的學習。你如何理解特征空間？表示樣本有哪些常見方法？參考答案：由利用某些特征描述的所有樣本組成的集合稱為特征空間或者樣本空間，特征空間的維數是描述樣本的特征數量。描述樣本的常見方法：矢量、矩陣、列表等。什么是分類器？有哪些常見的分類器？參考答案：將特征空中的樣本以某種方式區(qū)分開來的算法、結構等。例如：貝葉斯分類器、神經網絡等。進行模式識別在選擇特征時應該注意哪些問題？參考答案：特征要能反映樣本的本質；特征不能太少，也不能太多；要注意量綱。聚類分析中，有哪些常見的表示樣本相似性的方法？參考答案：距離測度、相似測度和匹配測度。距離測度例如歐氏距離、絕對值距離、明氏距離、馬氏距離等。相似測度有角度相似系數、相關系數、指數相似系數等。你怎么理解聚類準則？參考答案：包括類內聚類準則、類間距離準則、類內類間距離準則、模式與類核的距離的準則函數等。準則函數就是衡量聚類效果的一種準則，當這種準則滿足一定要求時，就可以說聚類達到了預期目的。不同的準則函數會有不同的聚類結果。一種類的定義是：集合S中的元素xi和xj間的距離dij滿足下面公式：,dijr,其中k是S中元素的個數，稱S對于閾值h,r組成一類。請說明，該定義適合于解決哪一種樣本分布的聚類？參考答案：即類內所有個體之間的平均距離小于h,單個距離最大不超過r,顯然該定義適合團簇集中分布的樣本類別。貝葉斯決策理論中，參數估計和非參數估計有什么區(qū)別？參考答案：參數估計就是已知樣本分布的概型，通過訓練樣本確定概型中的一些參數；非參數估計就是未知樣本分布概型，利用Parzen窗等方法確定樣本的概率密度分布規(guī)律。9基于風險的統(tǒng)計貝葉斯決策理論中，計算代價Mj］矩陣的理論依據是什么？假設這個矩陣是MxN,M和N取決于哪些因素？參考答案：依據是根據專家對于不同決策所引起的實際風險來決定，一般情況下無法根據理論來確定。風險矩陣的行列參數M、N都等于待分類的類別數目。10什么是Parzen窗？簡述其基本思想。參考答案：利用一系列超立方體，根據隨機樣本落入其中的數量確定總體概率密度分布的一種非參數估計方法，這是一種類似于直方圖的方法。11簡要說明二層感知器是如何解決異或（XOR）問題的。參考答案：第一層將異或問題的樣本轉換成兩類問題，例如將（1，0）和（0，1）轉變成（1，0），將（0，0）和（1，1）保持不變，這樣就轉變成一個線性分類問題；第二層就可以很容易進行分類了。12感知器訓練可以利用梯度下降法，利用必要的公式簡要說明梯度下降法的基本思路。參考答案：設一個函數為y=f（x）,定義域為［a,b］，其中只有一個極小值。要求計算該函數段的極小值。任給出一個初始值X0,計算此處的函數導數f'（X0），貝I」下一個迭代值應該沿著導數的負方向，即xl=x0-c*f（X），其中c是一個比例正參數。以后的迭代公式是：xi+l=xi-c*f（xi）。直到滿足一定的迭代次數，或者迭代的新舊數值之間誤差滿足預設的閾值。設計題：1、交通路口違章車輛車牌識別：由于攝像頭分辨率有限，可以利用多臺相機進行協同監(jiān)控。例如其中一個進行交通路口的全局觀察，一旦發(fā)現有違章車輛，則定位車輛位置，向另一臺具有云臺的攝像頭或者高清數碼相機傳達指令，利用云臺攝像頭根據指定位置拉近違章車輛圖像并進行車牌定位并予以識別，或者從高清數碼相機照片中的指定位置或者車牌信息。其中在定位車輛后進一步定位車牌可以根據車輛行進方向和速度來實現，由于攝像機的位置相對于路口是確定的，車輛的車牌位置相對于汽車也是確定的，因此車牌定位是可以實現的。2、自動檢測交通路口的嚴重交通事故：嚴重交通事故一般有：機動車與機動車碰撞、行人與機動車相撞、機動車與非機動車相撞等，其后果往往是機動車或者行人失去運動能力，并導致長時間原地駐留，或者發(fā)生相撞的一方繼續(xù)行進（逃逸）而另一方駐留（例如死亡、車輛嚴重損壞等）。于是可以利用圖像處理跟蹤路口的各種移動目標并檢測有無位置重合（相撞）并且駐留或者一方駐留等事件。3、血腥暴力恐怖視頻鏡頭的檢測：可以利用顏色風格分類、顏色直方圖分類等，利用人臉的表情判定、膚色判定、人的動作判定等。動作判定有一定的難度，與第4的姿態(tài)識別密切相關。4、人的姿態(tài)識別：首先在靜態(tài)背景的視頻中判定人，然后進行姿態(tài)識別。姿態(tài)識別可以利用人的輪廓、重心旋轉展開曲線等形狀進行分類。5、智能摘棉花、蘋果、桃子、橘子等水果的機器人：機器人不能破壞棉花枝葉果樹等。對于棉花可以采用高位站立，利用俯視攝像頭檢測白顏色目標并定位（可以利用雙目視覺），然后向機械手發(fā)送指令。對于果樹，可以利用低位履帶式或者輪式機器人，利用仰視攝像頭檢測各種水果（利用顏色、形狀等）并定位。爬樓犯罪是危害現在社會治安的一種重要犯罪現象。假設有合適的固定監(jiān)控攝像設備，這種設備可以在白天和晚上以及其他光線不佳（例如雨霧天氣等）的情況下正常工作。如果你能夠獲得這種連續(xù)視頻圖像，試分析爬樓翻窗犯罪的特點，然后結合所學到的模式識別理論，設計一種合適的可行的算法來準確檢測爬樓翻窗等犯罪行為，并給出算法的偽代碼程序。注意：不要將窗戶內正常居民的行走、晾曬衣被、飛鳥等行為檢測為爬樓犯罪，要盡量降低誤報率。答:爬樓的基本特點，要考慮到實際情況，即：1、絕大多數的爬樓翻窗犯罪都發(fā)生在晚上；2、爬樓行為一定發(fā)生在樓的陽面或者陰面（簡稱樓面）；3、一定有移動目標，大小與距離成反比，應該與人大小相似；4、移動目標在樓面上爬樓速度不可能很快；5、移動目標在樓面上發(fā)生跨樓層或者跨住戶單元的移動；6、居民走動一般不發(fā)生在樓面上的跨樓層或者跨住戶單元的移