模式識(shí)別考試

監(jiān)督學(xué)習(xí)和非監(jiān)督學(xué)習(xí)有什么區(qū)別？參考答案：當(dāng)訓(xùn)練樣本的類別信息已知時(shí)進(jìn)行的分類器訓(xùn)練稱為監(jiān)督學(xué)習(xí)，或者由教師示范的學(xué)習(xí)；否則稱為非監(jiān)督學(xué)習(xí)或者無(wú)教師監(jiān)督的學(xué)習(xí)。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(shù)是描述樣本的特征數(shù)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(lái)的算法、結(jié)構(gòu)等。例如：貝葉斯分類器、神經(jīng)網(wǎng)絡(luò)等。進(jìn)行模式識(shí)別在選擇特征時(shí)應(yīng)該注意哪些問(wèn)題？參考答案：特征要能反映樣本的本質(zhì)；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(cè)度、相似測(cè)度和匹配測(cè)度。距離測(cè)度例如歐氏距離、絕對(duì)值距離、明氏距離、馬氏距離等。相似測(cè)度有角度相似系數(shù)、相關(guān)系數(shù)、指數(shù)相似系數(shù)等。你怎么理解聚類準(zhǔn)則？參考答案：包括類內(nèi)聚類準(zhǔn)則、類間距離準(zhǔn)則、類內(nèi)類間距離準(zhǔn)則、模式與類核的距離的準(zhǔn)則函數(shù)等。準(zhǔn)則函數(shù)就是衡量聚類效果的一種準(zhǔn)則，當(dāng)這種準(zhǔn)則滿足一定要求時(shí)，就可以說(shuō)聚類達(dá)到了預(yù)期目的。不同的準(zhǔn)則函數(shù)會(huì)有不同的聚類結(jié)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(gè)數(shù)，稱S對(duì)于閾值h,r組成一類。請(qǐng)說(shuō)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(nèi)所有個(gè)體之間的平均距離小于h,單個(gè)距離最大不超過(guò)r,顯然該定義適合團(tuán)簇集中分布的樣本類別。貝葉斯決策理論中，參數(shù)估計(jì)和非參數(shù)估計(jì)有什么區(qū)別？參考答案：參數(shù)估計(jì)就是已知樣本分布的概型，通過(guò)訓(xùn)練樣本確定概型中的一些參數(shù)；非參數(shù)估計(jì)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(fēng)險(xiǎn)的統(tǒng)計(jì)貝葉斯決策理論中，計(jì)算代價(jià)Mj］矩陣的理論依據(jù)是什么？假設(shè)這個(gè)矩陣是MxN,M和N取決于哪些因素？參考答案：依據(jù)是根據(jù)專家對(duì)于不同決策所引起的實(shí)際風(fēng)險(xiǎn)來(lái)決定，一般情況下無(wú)法根據(jù)理論來(lái)確定。風(fēng)險(xiǎn)矩陣的行列參數(shù)M、N都等于待分類的類別數(shù)目。10什么是Parzen窗？簡(jiǎn)述其基本思想。參考答案：利用一系列超立方體，根據(jù)隨機(jī)樣本落入其中的數(shù)量確定總體概率密度分布的一種非參數(shù)估計(jì)方法，這是一種類似于直方圖的方法。11簡(jiǎn)要說(shuō)明二層感知器是如何解決異或（XOR）問(wèn)題的。參考答案：第一層將異或問(wèn)題的樣本轉(zhuǎn)換成兩類問(wèn)題，例如將（1，0）和（0，1）轉(zhuǎn)變成（1，0），將（0，0）和（1，1）保持不變，這樣就轉(zhuǎn)變成一個(gè)線性分類問(wèn)題；第二層就可以很容易進(jìn)行分類了。12感知器訓(xùn)練可以利用梯度下降法，利用必要的公式簡(jiǎn)要說(shuō)明梯度下降法的基本思路。參考答案：設(shè)一個(gè)函數(shù)為y=f（x）,定義域?yàn)椋踑,b］，其中只有一個(gè)極小值。要求計(jì)算該函數(shù)段的極小值。任給出一個(gè)初始值X0,計(jì)算此處的函數(shù)導(dǎo)數(shù)f'（X0），貝I」下一個(gè)迭代值應(yīng)該沿著導(dǎo)數(shù)的負(fù)方向，即xl=x0-c*f（X），其中c是一個(gè)比例正參數(shù)。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(shù)，或者迭代的新舊數(shù)值之間誤差滿足預(yù)設(shè)的閾值。設(shè)計(jì)題：1、交通路口違章車輛車牌識(shí)別：由于攝像頭分辨率有限，可以利用多臺(tái)相機(jī)進(jìn)行協(xié)同監(jiān)控。例如其中一個(gè)進(jìn)行交通路口的全局觀察，一旦發(fā)現(xiàn)有違章車輛，則定位車輛位置，向另一臺(tái)具有云臺(tái)的攝像頭或者高清數(shù)碼相機(jī)傳達(dá)指令，利用云臺(tái)攝像頭根據(jù)指定位置拉近違章車輛圖像并進(jìn)行車牌定位并予以識(shí)別，或者從高清數(shù)碼相機(jī)照片中的指定位置或者車牌信息。其中在定位車輛后進(jìn)一步定位車牌可以根據(jù)車輛行進(jìn)方向和速度來(lái)實(shí)現(xiàn)，由于攝像機(jī)的位置相對(duì)于路口是確定的，車輛的車牌位置相對(duì)于汽車也是確定的，因此車牌定位是可以實(shí)現(xiàn)的。2、自動(dòng)檢測(cè)交通路口的嚴(yán)重交通事故：嚴(yán)重交通事故一般有：機(jī)動(dòng)車與機(jī)動(dòng)車碰撞、行人與機(jī)動(dòng)車相撞、機(jī)動(dòng)車與非機(jī)動(dòng)車相撞等，其后果往往是機(jī)動(dòng)車或者行人失去運(yùn)動(dòng)能力，并導(dǎo)致長(zhǎng)時(shí)間原地駐留，或者發(fā)生相撞的一方繼續(xù)行進(jìn)（逃逸）而另一方駐留（例如死亡、車輛嚴(yán)重?fù)p壞等）。于是可以利用圖像處理跟蹤路口的各種移動(dòng)目標(biāo)并檢測(cè)有無(wú)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(cè)：可以利用顏色風(fēng)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(dòng)作判定等。動(dòng)作判定有一定的難度，與第4的姿態(tài)識(shí)別密切相關(guān)。4、人的姿態(tài)識(shí)別：首先在靜態(tài)背景的視頻中判定人，然后進(jìn)行姿態(tài)識(shí)別。姿態(tài)識(shí)別可以利用人的輪廓、重心旋轉(zhuǎn)展開曲線等形狀進(jìn)行分類。5、智能摘棉花、蘋果、桃子、橘子等水果的機(jī)器人：機(jī)器人不能破壞棉花枝葉果樹等。對(duì)于棉花可以采用高位站立，利用俯視攝像頭檢測(cè)白顏色目標(biāo)并定位（可以利用雙目視覺(jué)），然后向機(jī)械手發(fā)送指令。對(duì)于果樹，可以利用低位履帶式或者輪式機(jī)器人，利用仰視攝像頭檢測(cè)各種水果（利用顏色、形狀等）并定位。爬樓犯罪是危害現(xiàn)在社會(huì)治安的一種重要犯罪現(xiàn)象。假設(shè)有合適的固定監(jiān)控?cái)z像設(shè)備，這種設(shè)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(diǎn)，然后結(jié)合所學(xué)到的模式識(shí)別理論，設(shè)計(jì)一種合適的可行的算法來(lái)準(zhǔn)確檢測(cè)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(nèi)正常居民的行走、晾曬衣被、飛鳥等行為檢測(cè)為爬樓犯罪，要盡量降低誤報(bào)率。答:爬樓的基本特點(diǎn)，要考慮到實(shí)際情況，即：1、絕大多數(shù)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(yáng)面或者陰面（簡(jiǎn)稱樓面）；3、一定有移動(dòng)目標(biāo)，大小與距離成反比，應(yīng)該與人大小相似；4、移動(dòng)目標(biāo)在樓面上爬樓速度不可能很快；5、移動(dòng)目標(biāo)在樓面上發(fā)生跨樓層或者跨住戶單元的移動(dòng)；6、居民走動(dòng)一般不發(fā)生在樓面上的跨樓層或者跨住戶單元的移