人工智能之模式识别(北京理工大学) 中国大学mooc慕课答案2024版 m103297

模块1 课程导论 课程导论 单元测验

1、 模式识别中识别的基础和本质是____。

A:抽象和认知
B:认知和分类
C:抽象和分类
D:识别和分类
答案: 认知和分类

2、 下列选项中对模式识别定义正确的是？

A:对事物所具有的特征进行完全匹配
B:事物所具有的共同特征
C:依据事物的特征进行概念归类的过程
D:其余3个答案都对
答案: 依据事物的特征进行概念归类的过程

3、 深度学习属于哪种类型的模式识别算法？

A:结构模式识别
B:统计模式识别
C:模糊模式识别
D:句法模式识别
答案: 统计模式识别

4、 模式识别的主要算法包括以下哪些？

A:线性分类器算法
B:贝叶斯分类器算法
C:模糊模式识别算法
D:神经网络模式识别算法
答案: 线性分类器算法;
贝叶斯分类器算法;
模糊模式识别算法;
神经网络模式识别算法

5、 以下选项中属于模式识别应用领域的是？

A:人脸识别
B:语音识别
C:脑电识别
D:自然语言理解
E:手势识别
F:目标跟踪
答案: 人脸识别;
语音识别;
脑电识别;
自然语言理解;
手势识别;
目标跟踪

6、 下列说法中正确的是？

A:模式识别是人工智能领域中的感知技术
B:模式识别是根据事物的特征进行归类的过程
C:模式识别技术包括认知和识别两个过程
D:模式识别技术中，认知是识别的基础，识别是在认知基础上的知识运用
答案: 模式识别是人工智能领域中的感知技术;
模式识别是根据事物的特征进行归类的过程;
模式识别技术包括认知和识别两个过程;
模式识别技术中，认知是识别的基础，识别是在认知基础上的知识运用

7、 1995年前苏联统计学家和数学家Vapnik等人提出了支持向量机。

A:正确
B:错误
答案: 正确

8、 1986年美国认知神经学家Rumelhart等人提出了深度学习。

A:正确
B:错误
答案: 错误

9、 模式识别技术是研究如何使计算机具备识别能力的学科。

A:正确
B:错误
答案: 正确

10、 人工智能技术包括感知，决策，行动三个方面的技术。

A:正确
B:错误
答案: 正确

11、 模式识别技术属于人工智能领域中的决策技术。

A:正确
B:错误
答案: 错误

12、 在模式识别技术中，认知是从一类事物的具体样本中抽象出类别共同特征的过程。

A:正确
B:错误
答案: 正确

13、 在模式识别中，识别是依据事物的特征进行全部特征匹配的过程。

A:正确
B:错误
答案: 错误

14、 模式识别是研究如何使计算机具识别能力的学科，而不是研究生物识别能力的机理。

A:正确
B:错误
答案: 正确

15、 识别的基础是认知，识别的本质是分类。

A:正确
B:错误
答案: 正确

模块2 模式识别系统 模式识别系统 单元测验

1、 给定一个样本集但是没有给每一个样本贴上类别标签的学习方式称为____。

A:无监督学习
B:有监督学习
C:深度学习
D:机器学习
答案: 无监督学习

2、 得到特征后一定要进行特征降维吗？

A:并不是一定要进行特征降维，可以自行分析生成结果，判断是否需要
B:必须要进行，否则会对分类结果造成巨大影响
C:没必要进行，特征的维度对分类结果没有影响
D:其余三个说法都不对
答案: 并不是一定要进行特征降维，可以自行分析生成结果，判断是否需要

3、 造成维数灾难的原因是____。

A:训练集样本数量不足
B:训练集样本数量过多
C:带标签的样本数量过多
D:带标签的样本数量不足
答案: 训练集样本数量不足

4、 以下选项中哪些属于统计模式识别？

A:线性分类器
B:贝叶斯分类器
C:最近邻分类器
D:神经网络分类器
E:结构聚类算法
F:句法模式识别
答案: 线性分类器;
贝叶斯分类器;
最近邻分类器;
神经网络分类器

5、 下列选项中，属于模式识别系统的环节是？

A:预处理与特征生成
B:分类器训练
C:特征降维
D:模式采集
E:分类决策
答案: 预处理与特征生成;
分类器训练;
特征降维;
模式采集;
分类决策

6、 特征的维度可以无限增加。

A:正确
B:错误
答案: 错误

7、 特征降维的方法包括特征选择和特征提取。

A:正确
B:错误
答案: 正确

8、 模板匹配算法对车牌数字和手写数字的识别结果精度一样。

A:正确

B:错误

答案: 错误

9、 当出现维数灾难时，可以通过增加样本数量来缓解分类器性能下降的问题。

A:正确
B:错误
答案: 正确

10、 整个模式识别系统中各个环节的完成完全是计算机自主实现的，不需要人工干预。

A:正确
B:错误
答案: 正确

11、 模式识别的核心是分类器。

A:正确
B:错误
答案: 正确

12、 模式识别分类的依据是样本的共同特征和分类决策规则。

A:正确
B:错误
答案: 正确

13、 在数学上，模式识别中的特征空间可以由向量空间和集合空间来表达。

A:正确
B:错误
答案: 正确

14、 导致维数灾难的根本原因是训练集样本特征过多。

A:正确
B:错误
答案: 错误

15、 模式识别系统由模式采集，预处理与特征生成，特征降维，分类器训练构成。

A:正确
B:错误
答案: 错误

16、 在模式识别系统中，模式采集是针对具体物理样本所包含的各种信息，将其通过采集转换得到计算机能接受和处理的数据。

A:正确
B:错误
答案: 正确

17、 在模式识别系统中，预处理是通过各种滤波降噪措施降低干扰的影响，增强有用信息，生成在分类上具有意义的各种特征。

A:正确
B:错误
答案: 正确

18、 在模式识别系统中，分类器训练是分类决策规则的学习过程，由人根据样本的情况自动进行。

A:正确
B:错误
答案: 错误

19、 在模式识别系统中，分类决策是在分类器训练结束以后对已经分好类的样本按照已建立起来的分类决策规则进行分类的过程。

A:正确
B:错误
答案: 错误

20、 有监督学习是分类器从有类别标签的训练集中学习到具体的分类决策规则的学习模式。

A:正确
B:错误
答案: 正确

21、 无监督学习是使用没有类别标签的训练集进行分类学习的学习模式。

A:正确
B:错误
答案: 正确

22、 有监督学习和无监督学习的区别是一个需要从人类的经验中进行学习一个不需要。

A:正确
B:错误
答案: 正确

23、 泛化能力是指训练好的分类器对已知样本的正确分类能力。

A:正确
B:错误
答案: 错误

24、 过拟合是指为追求样本集中样本的正确分类性导致分类器泛化能力降低。

A:正确
B:错误
答案: 正确

25、 样本中能够用于识别的某个重要特性称为特征，样本转化为特征表达后的整体构成了特征空间。

A:正确
B:错误
答案: 正确

模块3 线性分类器 线性判别与感知器算法 单元测验

1、 用二分类问题的组合来确定三分类的分类决策规则时，在什么情况下是一定可分的？

A:仅有一个判别函数值大于0
B:有两个判别函数值大于0
C:三个判别函数值都小于0
D:三个判别函数值都大于0
答案: 仅有一个判别函数值大于0

2、 在绝对可分的情况下，以下哪种表述是正确的？

A:存在不可识别区域较多的问题
B:多分类线性判别函数形式复杂
C:多分类线性判别函数的意义不明确
D:分类器的整体性能比较好
答案: 存在不可识别区域较多的问题

3、 梯度法中，步长的取值可以小于或等于0吗？

A:不可以
B:可以
C:步长取值可以任意
D:其余三种说法都不对
答案: 不可以

4、 下列选项中关于随机梯度下降法的说法，正确的是？

A:随机梯度下降法最终收敛的点不一定是全局最优
B:随机梯度下降法最终收敛的点一定是全局最优
C:无论随机梯度下降法存不存在最终收敛的点，一定可以找到最优解
D:无论随机梯度下降法存不存在最终收敛的点，一定不能找到最优解
答案: 随机梯度下降法最终收敛的点不一定是全局最优

5、 为什么批量梯度下降法(BGD)寻优路径相对比较平滑？

A:批量梯度下降法(BGD)每一次对模型参数的调整，都朝向代价函数值减小的方向
B:批量梯度下降法(BGD)每一次对模型参数的调整，都朝向代价函数值增加的方向
C:批量梯度下降法(BGD)每一次对模型参数的调整，都朝向代价函数值不变的方向
D:批量梯度下降法(BGD)每一次对模型参数的调整，都朝向代价函数值发生变化的方向
答案: 批量梯度下降法(BGD)每一次对模型参数的调整，都朝向代价函数值减小的方向

6、 感知器算法应用什么方法求解准则函数的最优值？

A:梯度下降法
B:最小均方误差
C:最大均方误差
D:平均值法
答案: 梯度下降法

7、 下列选项中，属于感知器的特点的是？

A:感知器具有多路输入、单路输出
B:感知器没有反馈和内部状态
C:感知器将输入信号加权求和与阈值比较，当信号加权和大于阈值时输出1，当信号加权和小于等于阈值时输出0
D:单个感知器可以解决非线性分类问题
答案: 感知器具有多路输入、单路输出;
感知器没有反馈和内部状态;
感知器将输入信号加权求和与阈值比较，当信号加权和大于阈值时输出1，当信号加权和小于等于阈值时输出0

8、 下列选项中，哪些因素会影响到感知器算法中随机梯度下降法的求解结果？

A:初始权向量设置
B:学习速率
C:样本处理顺序不同
D:学习规则
答案: 初始权向量设置;
学习速率;
样本处理顺序不同

9、 线性分类器训练的一般思路是？

A:寻找准则函数
B:通过求准则函数的极小值求得最优解
C:寻找分类规则
D:根据分类规则进行分类
答案: 寻找准则函数;
通过求准则函数的极小值求得最优解

10、 感知器算法的两种权向量更新方式都属于随机梯度下降法。

A:正确
B:错误
答案: 错误

11、 样本到决策边界的距离正比于判别函数的值。

A:正确
B:错误
答案: 正确

12、 感知器算法可以从解区域中优中取优。

A:正确
B:错误
答案: 错误

13、 批量梯度下降法(BGD)寻优路径相对比较平滑。

A:正确
B:错误
答案: 正确

14、 为平衡感知器算法中的求解精度和速度之间的关系，可以通过变速学习速率进行训练。

A:正确
B:错误
答案: 正确

15、 在超定等式约束的条件下，线性分类器的求解仍然是一个最优化问题。

A:正确
B:错误
答案: 正确

16、 单个感知器神经元只能做二分类判别。

A:正确
B:错误
答案: 正确

17、 为平衡感知器算法中的求解精度和速度之间的关系，可以通过最优化学习速率进行训练。

A:正确
B:错误
答案: 正确

18、 感知器算法的最大缺陷是无法解决线性不可分问题。

A:正确
B:错误
答案: 正确

19、 引入松弛变量，可以将约束条件转化为等式方程组来求解。

A:正确
B:错误
答案: 正确

20、 采用最大值可分方法，需要的判别函数数量是k的平方。（假设类别数为k）

A:正确
B:错误
答案: 错误

21、 为平衡感知器算法中的求解精度和速度之间的关系，可以通过绝对修正学习速率进行训练。

A:正确
B:错误
答案: 正确

22、 为平衡感知器算法中的求解精度和速度之间的关系，可以通过固定学习速率进行训练。

A:正确
B:错误
答案: 错误

23、 在模式识别中，广义线性化是指从低维特征空间映射到高维特征空间，从而将一个非线性不可分问题映射为一个线性可分问题。

A:正确
B:错误
答案: 正确

24、 感知器算法权向量递推公式修正的符号是“+”。

A:正确
B:错误
答案: 正确

模块3 线性分类器 LMSE算法与支持向量机 单元测验

1、 ①更新权向量w(k+1)；②令k=k=1，进行下一步递推，计算误差向量，直至e(k)小于等于0；③当k=0时，设定初始松弛变量b(0)的值，计算初始权向量；④更新松弛变量b(k+1)；⑤计算误差向量e(k)，H-K算法的正确排序是？

A:③⑤①④②
B:②⑤①③④
C:③①⑤④②
D:①②③④⑤
答案: ③⑤①④②

2、 支持向量机分类模型对误差的容忍程度与惩罚因子有什么关系？

A:惩罚因子越大，容忍度越低
B:惩罚因子越大，容忍度越高
C:二者之间存在联系，但是不能找到联系间存在的规律
D:二者没有联系
答案: 惩罚因子越大，容忍度越低

3、 下列选项中属于支持向量机面对的线性不可分问题的是？

A:异常点干扰和非线性分类
B:异常点干扰和线性分类
C:非异常点干扰和线性分类
D:非异常点干扰和非线性分类
答案: 异常点干扰和非线性分类

4、 采用____方法能够使线性分类器的学习在解区域中求得最优解。

A:最小均方误差
B:最大均方误差
C:平均值法
D:梯度下降法
答案: 最小均方误差

5、 分类器函数的VC维h越大，将使下列选项中的哪些数据发生变化？

A:置信风险越大
B:结构风险越大
C:分类器泛化能力越差
D:经验风险越大
答案: 置信风险越大;
结构风险越大;
分类器泛化能力越差

6、 利用SVM将低维空间中的非线性问题映射到高维空间，存在哪些问题？

A:不确定需要映射到多少维的空间上，非线性问题才会转化为线性问题
B:如何找到合适的映射函数φ
C:增加计算量，可能会因为维数灾难无法解决
D:能够确定映射到的高维空间的维度
E:能够找到合适的映射函数φ
F:增加计算量时可以避免出现维数灾难
答案: 不确定需要映射到多少维的空间上，非线性问题才会转化为线性问题;
如何找到合适的映射函数φ;
增加计算量，可能会因为维数灾难无法解决

7、 Mercer定理是当存在一个函数对样本集中所有样本间的函数值构成的矩阵是正定的。

A:正确
B:错误
答案: 错误

8、 损失函数是模型得到的输出与该样本对应的真实输出之间的差值。

A:正确
B:错误
答案: 正确

9、 H-K算法的出发点不是以均方误差为准则函数的LMSE算法。

A:正确
B:错误
答案: 错误

10、 H-K算法是LMSE中一种比较优异的算法。

A:正确
B:错误
答案: 正确

11、 分类间隔由所有训练集样本决定。

A:正确
B:错误
答案: 错误

12、 SVM的优点是不需要大量的样本且具有较强的泛化能力。

A:正确
B:错误
答案: 正确

13、 支持向量机只能处理线性可分类的模式识别问题。

A:正确
B:错误
答案: 错误

14、 结构风险指训练好的分类器错分样本占有的比例，经验风险指训练好的分类器面对未知样本时分类错误的概率。

A:正确
B:错误
答案: 错误

15、 线性支持向量机是把具有最大分类间隔的最优线性判别函数的求解转化为求解最小权向量的二次规划问题。

A:正确
B:错误
答案: 正确

16、 代价函数是对于单个样本的模型得到的输出与该样本对应的真实输出之间的误差。

A:正确
B:错误
答案: 错误

17、 损失函数是样本整体的损失函数的期望。

A:正确
B:错误
答案: 错误

18、 代价函数和损失函数之间没有联系。

A:正确
B:错误
答案: 错误

19、 在相同维度的特征空间中，分类器函数形式的阶次越低，其VC维也越小，在样本集数量有限的情况下，训练好的分类器结构风险也越小，泛化能力越强。

A:正确
B:错误
答案: 正确

20、 使用核函数可以在低维空间中直接计算某一些高维空间中的向量内积。

A:正确
B:错误
答案: 正确

模块4 贝叶斯分类器 贝叶斯分类器 单元测验

1、 以下关于贝叶斯分类的特点的说法中错误的是？

A:先验概率是未知的
B:分类决策不存在错误率
C:先验概率是已知的
D:以新获得的信息对先验概率进行修正
E:分类决策存在错误率
答案: 先验概率是未知的;
分类决策不存在错误率

2、 事件A（结果A ）出现后，各不相容的条件Bi存在的概率称为____。

A:后验概率
B:先验概率
C:类条件概率
D:全概率
答案: 后验概率

3、 贝叶斯分类器一定需要知道准确的先验概率吗？

A:不需要，因为新的信息会逐步修正先验概率
B:需要，因为后验概率计算需要使用先验概率
C:不需要，因为后验概率的计算与先验概率无关
D:其余3种说法都不对
答案: 不需要，因为新的信息会逐步修正先验概率

4、 在不知道类条件概率分布的情况下，要进行错误率最小的分类决策，应当依据？

A:先验概率
B:后验概率
C:特征值大小
D:类条件概率
答案: 先验概率

5、 对于需要考虑分类决策带来的损失的模式识别问题，应当使用____。

A:最小风险贝叶斯分类
B:最小错误率贝叶斯分类
C:朴素贝叶斯分类
D:半朴素贝叶斯分类
答案: 最小风险贝叶斯分类

6、 极大似然估计中，使用对数似然函数是为了____。

A:便于似然函数求导
B:将求极大值问题转化为求极小值问题
C:提高似然函数灵敏度
D:便于似然函数求和
答案: 便于似然函数求导

7、 最近邻方法属于____。

A:非参数化方法
B:参数化方法
C:结构聚类算法
D:句法模式识别
答案: 非参数化方法

8、 同一个训练集，最近邻分类的错误率不会低于____的错误率。

A:最小错误率贝叶斯分类
B:最小风险贝叶斯分类
C:支持向量机
D:感知器分类
答案: 最小错误率贝叶斯分类

9、 下列选项中属于贝叶斯分类器的特点的是？

A:先验概率已知，以新获得的信息对先验概率进行修正
B:分类决策存在错误率
C:先验概率未知，以新获得的信息对先验概率进行修正
D:分类决策不存在错误率
答案: 先验概率已知，以新获得的信息对先验概率进行修正;
分类决策存在错误率

10、 下列说法中正确的是？

A:k近邻分类器存在计算量过大和存储量过大两大缺陷
B:贝叶斯公式表示了如何得到逆概率推理的结果
C:确定性统计分类和随机性统计分类的一个重要区别是不同类样本的分布区域是否相交
D:当分类器分类错误情形多，不易求取时，也可以先求分类器的分类正确率，再用1减去分类正确率求得分类错误率
答案: k近邻分类器存在计算量过大和存储量过大两大缺陷;
贝叶斯公式表示了如何得到逆概率推理的结果;
确定性统计分类和随机性统计分类的一个重要区别是不同类样本的分布区域是否相交;
当分类器分类错误情形多，不易求取时，也可以先求分类器的分类正确率，再用1减去分类正确率求得分类错误率

11、 以下哪些是K近邻分类器的优化算法？

A:快速K近邻算法
B:压缩近邻法
C:最近邻算法
D:K近邻算法
答案: 快速K近邻算法;
压缩近邻法

12、 以下哪些预测问题可以用贝叶斯分类器来处理？

A:天气预报
B:股票预测
C:彩票号码预测
D:分子运动方向预测
答案: 天气预报;
股票预测

13、 贝叶斯分类器的训练，就是从样本集数据中估计出____。

A:先验概率
B:类条件概率
C:后验概率
D:全概率
答案: 先验概率;
类条件概率

14、 当样本的类条件概率是正态分布且各类同分布的情况下，最小错误率贝叶斯分类器是线性分类器。

A:正确
B:错误
答案: 正确

15、 当最小错误率贝叶斯分类的错误率最小时，最大后验概率的正确率为最大。

A:正确
B:错误
答案: 正确

16、 采用贝叶斯分类原理得到的分类结果是完全正确的。

A:正确
B:错误
答案: 错误

17、 K近邻分类器错误率的下界是最小错误率贝叶斯分类器的错误率。

A:正确
B:错误
答案: 正确

18、 贝叶斯分类器是一类典型的参数化模式识别方法。

A:正确
B:错误
答案: 正确

19、 最近邻分类器的错误率比最小错误率贝叶斯分类器的错误率低。

A:正确
B:错误
答案: 错误

20、 极大似然估计是把估计的所有样本作为结果，把概率分布的参数作为条件，最有可能抽取到已知样本集中所有样本的概率分布参数就是极大似然的参数。

A:正确
B:错误
答案: 正确

21、 快速k近邻算法和压缩近邻法改进了k近邻算法存在的计算量过大和存储量过大两个问题。

A:正确
B:错误
答案: 正确

22、 非参数估计是在知道或者假设类条件概率密度的分布形式的基础上，直接用样本集中所包含的信息来估计样本的概率分布情况。

A:正确
B:错误
答案: 错误

23、 贝叶斯分类主要应用于处理确定统计分类。

A:正确
B:错误
答案: 错误

24、 最小错误率贝叶斯分类器是将样本划分到后验概率最大的类别中。

A:正确
B:错误
答案: 正确

25、 最小错误率贝叶斯分类器的分类决策规则确定了分类决策的边界。

A:正确
B:错误
答案: 正确

26、 多元正态概率分布下的最小错误率贝叶斯决策的决策面方程是gi（x）-gj（x） = 0。

A:正确
B:错误
答案: 正确

27、 类条件概率可以通过参数估计和非参数估计进行估计。

A:正确
B:错误
答案: 正确

28、 类条件概率的估计中采用参数估计常用的方法是极大似然估计和贝叶斯估计。

A:正确
B:错误
答案: 正确

29、 极大似然估计是把待估计的参数看作不确定的未知量，根据训练样本集的数据求取该未知参数的最优估计值。

A:正确
B:错误
答案: 错误

30、 贝叶斯估计是把待估计的参数看作具有某种分布形式的随机变量，通过对第i类学习样本xi的观察，使概率密度分布P(xi|θ)转化为后验概率P(θ|xi) ，获得参数分布的概率密度函数，再通过求取其数学期望获得参数估计值。

A:正确
B:错误
答案: 正确

下方是付费阅读内容：本平台商品均为虚拟商品，无法用作二次销售，不支持退换货，请在购买前确认您需要购买的资料准确无误后再购买，望知悉！

完整答案需点击上方按钮支付5元购买,所有答案均为章节测试答案，购买后上方矩形框将出现已付费的隐藏内容。

不知道怎么购买？点此查看购买教程！