考试注意事项:
1.考试形式:开卷网络笔试。
2.分 AB 卷,学号尾数为奇数的同学,答 A 卷,其他同学答 B 卷。
3.直接在自备的 A4 答题纸上答题。
4.在每张答题纸的上方区域写清楚自己的姓名和学号。
5.答题时,写清题号(注:不必在答题纸上重新抄写题目)。
6.答题时请保持字迹清楚,卷面整洁。
7.完成考试后将答题纸扫描或拍照后打包发送到以下邮箱。
(1)A 卷:wzfu@ustc.edu.cn,cjwbdw6@mail.ustc.edu.cn
(2)B 卷:wzfu@ustc.edu.cn,xlh1995@mail.ustc.edu.cn
8.考试结束后请销毁试卷。
0
2019- 2020 学年第二学期研究生考试试卷-B 卷
考试科目: 模式识别
学生所在系: 姓名: 学号:
1. 是非判断题(每小题 2 分,共 30 分)
(1) 多元正态分布概率密度函数等密度点的轨迹为超球面。( )
(2) 对于一个两类问题而言,如果给定的训练样本集是线性可分的,则感知器算法收
敛到正确的解权向量。( )
(3) 设 a、b、c 属于字母表,则句子 abcb 所有长度为 2 的子串是:ab,bc,cb。( )
(4) 两点间的欧氏距离是旋转变换下的不变量。( )
(5) 设 a,b,c 属于字母表,则根据定义,串abb的长度|abb|=3。( )
(6) 设 T 是由一个非确定的有限状态自动机接受的链集,则必存在一个能接受 T 的确
定的有限状态自动机。( )
(7) 设 T 是由一个非确定的下推自动机接受的链集,则必存在一个能接受 T 的确定的
下推自动机。( )
(8) 对一个二分类问题而言,若给定的训练样本集是线性可分的,则势函数法总是给
出正确的区分超平面。( )
(9) 设 T 是由一个非确定的图灵机接受的链集,则必存在一个能接受 T 的确定的图灵
机。( )
(10) 在二维特征空间中,用于区分两个类别的分类超平面退化为直线。( )
(11) 当一个语言由有限状态文法生成时,它能被一个下推自动机所识别。( )
(12) 多元正态分布的边缘分布仍然是正态分布。( )
(13) 在训练样本集线性可分的情况下,线性分类器的决策分界面的法线方向和线性判
别函数的权向量的方向平行。( )
(14) 最小风险判决仅与模式发生的先验概率有关。( )
(15) 设 X 是 d 维的正态随机向量,C 是与 X 同维的常向量,则 CT
X 是一个 d 维的正
态随机向量。( )
1
2. 如图所示,设、分别为线性可分的两个类别、的样本均值向量。若将、
分别作为各自类别的标准样本使用,则据此可构造最小距离分类器。
证明:最小距离分类器所确定的分界面由下式给出,
(共 10 分)
3. 设某样本集合的加权图如下图所示。
(1) 给出对应的最小张树表示(要求:给出中间结果);
(2) 根据最小张树聚类算法,将其分为两类(要求:结合图示进行说明)。
(共 15 分)
4
3
4
7
6
9
6
8
5
5
3
4
4. 设有文法 G = (N,,P,S)。其中:
N = {S,A,B,C,D}, = {a,b}, 以及
P:(1) S → B, (2) S → BC, (3) A → D, (4) D → a, (5) B → b, (6) C → SA。
用 CYK 算法对输入链 bbaaa 进行句法分析以判断其是否属于 L(G)。
(共 15 分)
5. 设 G = (N,,P,S)。其中:
N = {S}, = {a, b, c}, 以及
P:(1) S → aSa, (2) S → bSb, (3) S → c.
求 L(G)。
(共 10 分)
2
02)1(2)]1(21[T μμμμX
6. 设有两个模式类别和,其类条件概率密度函数分别如下图所示。又知,该两个
类别发生的先验概率不等,其中,P() = 0.6。试用 0-1 损失函数,
(1) 导出贝叶斯判决函数;
(2) 求出分界点;
(3) 判断下列样本各属于哪一个类别:x=1, x=1.5,x=2。
(共 20 分)
0 1 2 3
3
1(|)px2(|)px