单选题、判断题、简答题、计算题、综合题
① 课前测的题目
② 87个知识点
1.什么是模式？监督模式识别和非监督模式识别的典型过程分别是什么？
模式：指需要识别且可测量的对象的描述
监督模式识别：分析问题→原始特征提取→特征提取与选择→分类器设计
非监督模式识别：分析问题→原始特征提取→特征提取与选择→聚类分析→结果解释
2.基本的基于最小错误率的贝叶斯决策规则是什么？
3.最小错误率的贝叶斯决策规则的等价形式有哪些？
4.多类问题中基于最小错误率的贝叶斯决策规则是什么？
决策原则：将样本决策为后验概率最大的类别
5.基于最小风险的贝叶斯决策规则是什么？
6. 基于最小错误率的贝叶斯决策与最小风险的贝叶斯决策是什么关系？
7.在正态分布概率模型下，当各类的协方差矩阵相等，并且都是对角阵时，各类的判别函数形式是什么？其分类面有什么特点？各类别的先验概率是否相等对分类面有什么影响？
（1）判别函数形式：X的线性函数
（2）分类面
（3）先验概率的影响
8.在正态分布概率模型下，当各类的协方差矩阵相等，均值任意，各类的判别函数形式是什么？其分类面有什么特点？各类别的先验概率是否相等对分类面有什么影响？
（1）判别函数
（2）分类面
（3）先验概率的影响
各类的先验概率相等
各类的先验概率不等
10.参数估计的主要工作是什么？
参数估计，统计推断的一种。根据从总体中抽取的随机样本来估计总体分布中未知参数的过程。
11.最大似然估计的基本思想是什么？
先建立似然函数或对数似然函数，然后求得使似然函数或对数似然函数达到极大值时的参数的取值，称为参数的最大似然估计值。
12.什么是似然函数？对数似然函数的形式是什么？
在数理统计学中，似然函数是一种关于统计模型中的参数的函数，表示模型参数中的似然性。
似然函数是一种关于统计模型参数的函数。给定输出x时，关于参数θ的似然函数L(θ|x)（在数值上）等于给定参数θ后变量X的概率：L(θ|x)=P(X=x|θ)
13.贝叶斯估计的基本思想是什么？
把待估计的参数本身也看作随机变量，然后根据观测数据对参数的分布进行估计；
任一未知统计量θ 都可以看做一个随机变量也即我们需要推断的总体的某个特征服从某个分布，可以根据先验信息建立一个服从的分布，这样做的目的就在于合理的利用先验信息来进行统计推断
14.非参数概率密度估计的原理是什么？
15.最大似然估计和贝叶斯估计的区别是什么？
（1）估计的参数不同
最大似然估计和贝叶斯估计最大区别在于估计的参数不同，最大似然估计要估计的参数θ被当作是固定形式的一个未知变量，然后结合真实数据通过最大化似然函数求解这个固定形式的未知变量。文章来源：https://www.toymoban.com/news/detail-515628.html
贝叶斯估计则是将参数视为是有某种已知先验分布的随机变量，意思便是这个参数他不是一个固定的未知数，而是符合一定先验分布如：随机变量θ符合正态分布等，那么在贝叶斯估计中除了类条件概率密度p(x|w)符合一定的先验分布，参数θ也符合一定的先验分布。我们通过贝叶斯规则将参数的先验分布转化成后验分布进行求解。文章来源地址https://www.toymoban.com/news/detail-515628.html
到了这里，关于模式识别-期末复习简答题（87个知识点、问题集锦|已完结）的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
