电子科技大学研究生模式识别试题-2014.04-(附答案)
电子科技大学研究生模式识别试题-2014.04-（附答案）
（学生填写）
1、（5分）简述有监督学习和无监督学习的异同。
线（1）有监督学习必须要有训练集和测试样本，而非监督学习没有训练集； ：?
?（2）有监督学习的目的就是识别事物，识别结果表现在给待识别数据加上了标 ?号，因此训练样本集必须由带标号的样本组成，而非监督学习方法只有要分析的 ?数据集本身，预先没有什么标号。
（3）非监督学习方法在寻找数据集中的规律性，这种规律性并不一定要达到分
据集的目的，也就是说不一定要“分类”
封
?2、（15分）计算单词model 和amdeol 的编辑距离，画出栅格图。 ?解: ?栅格图为:
?从栅格图可计算，model 和amdeol 的编辑距离为3
（考试时
间:
，共2小时） 课程名称 模式识别 教师 学时 40 学分2
以
教学方式
课堂教学
考核日期
日成绩
考核方式: amdeol
3、( 15分)已知A 类样本为：印=[0,1];⑦=[2,2]; a 3二[2,3] , B 类样本为：
b i =[3,1]; b 2 =[4,3]; b =[1,5]，计算最小二乘分类面的方程(取值为-1
和+1),并写出
LMS 算法的流程。 解：
(1)计算最小二乘分类面为--1-0.4, J0.26,1.45 ]T
。
(2)LMS 算法流程: 步骤1.初始化训练样本、权向量; 步骤2.选择一个训练样本，利用下列公式更新权向量:
步骤3.重复所有样本
4、( 15分)在目标识别中，有!和「2两种目标类型，它们的先验概率分别为 0.8
和0.2，在一次试验中，获得样本的类概率密度分别为p x ! =0.2， p x..「2 =0.4， 并且已知午=0, '!2 =6， '2^1， 22 =0。试对该样本进行分类。 (1) 基于最小错误率贝叶斯决策; (2) 基于最小风险贝叶斯决策。
解：(1)利用贝叶斯公式，分别计算出-M 和「2的后验概率:
P !^2PX 1 P 1
3
0.6667
、px 「P .
°2 O'8 O'4 °2
i ±
P ’2X 「
p
X '
2
八2
g 0.3333
' p x r P .
°2 °.8 °.4 0?2
i
土
根据贝叶斯决策规则，有
所以合理的决策是把该样本归类于
(2)根据(1)的计算结果可知后验概率为
[k]
2
训练样本数目 孑 /
T [k 」J 、.
X i (y-X i W
)
P|*1 x 二0.6667, P x 二0.3333
计算条件风险 2
x 八-1i |x - =2卩［门 2 x 二
1.9998
i -X
2
R（ofe x ）=送驚i P佃乂）=胁卩（时 1 x ）
=0.6667
土
由于R I. x R ： 2 x，因此判断该样本为、2。
5、（15分）试描述监督分类三种准则的原理及典型方法。
答：
回归分析，利用函数逼近的观点构造判决函数，典型方法包括：LMS、RBF
网络等。
支持向量机，从几何角度，构造约束最优化模型，寻找最优分类面，典型方法包括：线性支持向量机和非线性支持向量机。
神经网络，从仿生学角度构造神经网络结构，通过最优化方法进行网络训练，典型方法包括：感知器模型，BP网络等。
6、（20分）已知四个样本具有三个特征，分别为：
W - 0.15,0.19,0.79,0.06 f
V2 -〔0.39,0.30,0.73,0.10 f
V3 = 1.08,0.99,3.05,0.33「
1）计算其协方差矩阵，并对其进行主分量，并对结果进行分析
2）简述mercer定理及核主分量分析的原理。
解：
（1）协方差矩阵：
"0.6896 0.7042 2.7875 1
R=F T F = 0.7042 0.7918 2.9920
2.7875 2.9920 11.5589 _
其中，F 二V1,V2,V3
■3对应的特征向量，分别为：
出-1.0.7098, -0.7043,0.0111 ]
V2 = 10.2273,0.2440,0.9427 ]
说明三个特征分量中有一个特征和另外两个特征相关，采用主分量分析可以识别该相关向量，达到降低特征空间维度的目的。
(2)Mercer定理认为，映射变换后的内积可以写为函数的形式。
定义：
:「(Xj,...,，(X N) l N
则有：
R y -：?：?：?:J K L ：]d u -Ga
R y U -：?：?：?：」]/a =，再a -■ K u
根据mercer定理，
K L ①丁①=[
最后得到：
y k(x)=< (x),U k>=1 a k(i)k(x,x)
i觀
相当于在投影域计算KL变换，并进行PCA。
7、( 15分)请写出模式识别系统的主要系统组成，阐述各部分的功能及主要方法。答：模式识别系统的主要系统组成如下：
识别样本，采集用于采集待识别问题的数据
数据预处理，主要消除采集系统差异对识别的影响
电子科技大学硕士研究生培养方案
电子科技大学硕士研究生培养方案.doc 目录课程编号、课程分级及研究生获取课程学分计算说明.............................................................1 电子科技大学学科点一览表（2006.06）....................................................................................4 电子科学与技术一级学科硕士研究生培养方案.....................................................................6 计算机科学与技术一级学科硕士研究生培养方案...................................................................9 材料科学与工程一级学科硕士研究生培养方案. (12) 数学一级学科硕士研究生培养方案.......................................................................................15 区域经济学学科硕士研究生培养方案...................................................................................18 金融学学科硕士研究生培养方案...........................................................................................21 金融工程学科硕士研究生培养方案.......................................................................................21 数量经济学学科硕士研究生培养方案...................................................................................24 宪法学与行政法学学科硕士研究生培养方案.......................................................................27 国际政治学科硕士研究生培养方
模式识别的研究现状与发展趋势
模式识别的研究现状与发展趋势 摘要：随着现今社会信息技术的飞速发展, 人工智能的应用越来越广泛, 其中模式识别是人工智能应用的一个方面。而且现今的模式识别的应用也越来越得到大家的重视与支持，在各方面也有重大的进步。模式识别也成为人们身边不可或缺的一部分。关键词：人工智能，技术，模式识别，前景 Abstract：In the modern society with the rapid development of information technology, the application of a rtificial intelligence is more and more extensive, among them pattern recognition is one of the ap ply of artificial intelligence. And now the application of pattern recognition is also more and more to get everyone's attention and support, in various aspects have significant progress. Pattern rec ognition has become an integral part of people around. Keywords: Artificial Intelligence, Technology,Pattern Recognition, prospects 一，引言 如今计算机硬件的高速发展, 以及计算机应用领域的不断开拓, 人们开始要求计算机能够更有效地感知诸如声音、文字、图像、温度、震动等人类赖以发展自身、改造环境所运用的信息资料。但就一般意义来说, 目前一般计算机却无法直接感知它们, 我们常用的键盘、鼠标等外部设备, 对于这些外部世界显得无能为力。虽然摄像机、图文扫描仪、话筒等设备业已解决了上述非电信号的转换, 并与计算机联机, 但由于识别技术不高, 而未能使计算机真正知道采录后的究竟是什么信息。计算机对外部世界感知能力的低下, 成为开拓计算机应用的瓶颈, 也与其高超的运算能力形成强烈的对比。于是, 着眼于拓宽计算机的应用领域, 提高其感知外部信息能力的学科———模式识别, 便得到迅速发展。 人工智能所研究的模式识别是指用计算机代替人类或帮助人类感知模式, 是对人类感知外界功能的模拟, 研究的是计算机模式识别系统, 也就是使一个计算机系统具有模拟人类通过感官接受外界信息、识别和理解周围环境的感知能力。现将人工智能在模式识别方面的一些具体和最新的应用范围遍及遥感、生物医学图象和信号的分析、工业产品的自动无损检验、指纹鉴定、文字和语音识别、机器视觉地圈模式识别等方面。 二，现状 以地图模式识别为例，地图模式识别是由计算机来对地图进行识别与理解, 并借助一定的技术手段, 让计算机研究和分析地图上的各种模式信息, 获取地图要素的质量意义。其计算处理的过程类似于人对地图的阅读。 地图模式识别是近年来在地图制图领域中新兴的一门高新技术, 是信息时代人工智能、模式识别技术在地图制图中的具体应用。由于它是传统地图制图迈向数字地图制图的一座桥梁, 因此,地图模式识别遥感技术、地理信息系统一起, 被称为现代地图制图的三大技术。 目前, 地图模式识别由于具有广泛的应用价值和发展潜力,因而受到了人们的普遍重视。尤其是随着现今的计算机及其外部硬件环境的不断提高, 科技不过发展的情况下，
模式识别试题答案
模 式 识 别 非 学 位 课 考 试 试 题 考试科目： 模式识别 考试时间 考生姓名： 考生学号 任课教师 考试成绩 一、简答题（每题6分，12题共72分）： 1、 监督学习和非监督学习有什么区别？ 参考答案：当训练样本的类别信息已知时进行的分类器训练称为监督学习，或者由教师示范的学习；否则称为非监督学习或者无教师监督的学习。 2、 你如何理解特征空间？表示样本有哪些常见方法？ 参考答案：由利用某些特征描述的所有样本组成的集合称为特征空间或者样本空间，特征空间的维数是描述样本的特征数量。描述样本的常见方法：矢量、矩阵、列表等。 3、 什么是分类器？有哪些常见的分类器？ 参考答案：将特征空中的样本以某种方式区分开来的算法、结构等。例如：贝叶斯分类器、神经网络等。 4、 进行模式识别在选择特征时应该注意哪些问题？ 参考答案：特征要能反映样本的本质；特征不能太少，也不能太多；要注意量纲。 5、 聚类分析中，有哪些常见的表示样本相似性的方法？ 参考答案：距离测度、相似测度和匹配测度。距离测度例如欧氏距离、绝对值距离、明氏距离、马氏距离等。相似测度有角度相似系数、相关系数、指数相似系数等。 6、 你怎么理解聚类准则？ 参考答案：包括类内聚类准则、类间距离准则、类内类间距离准则、模式与类核的距离的准则函数等。准则函数就是衡量聚类效果的一种准则，当这种准则满足一定要求时，就可以说聚类达到了预期目的。不同的准则函数会有不同的聚类结果。 7、 一种类的定义是：集合S 中的元素x i 和x j 间的距离d ij 满足下面公式： ∑∑∈∈≤-S x S x ij i j h d k k )1(1 ，d ij ≤ r ，其中k 是S 中元素的个数，称S 对于阈值h ，r 组成一类。请说明， 该定义适合于解决哪一种样本分布的聚类？ 参考答案：即类内所有个体之间的平均距离小于h ，单个距离最大不超过r ，显然该定义适合团簇集中分布的样本类别。 8、 贝叶斯决策理论中，参数估计和非参数估计有什么区别？ 参考答案：参数估计就是已知样本分布的概型，通过训练样本确定概型中的一些参数；非参数估计就是未知样本分布概型，利用Parzen 窗等方法确定样本的概率密度分布规律。 9、 基于风险的统计贝叶斯决策理论中，计算代价[λij ]矩阵的理论依据是什么？假设这个矩阵是 M ?N ，M 和N 取决于哪些因素？
人工智能期末试题及答案完整版
xx学校 2012—2013学年度第二学期期末试卷 考试课程：《人工智能》考核类型：考试A卷 考试形式：开卷出卷教师： 考试专业：考试班级： 一单项选择题（每小题2分，共10分） 1.首次提出“人工智能”是在（D ）年 A.1946 B.1960 C.1916 D.1956 2. 人工智能应用研究的两个最重要最广泛领域为：B A.专家系统、自动规划 B. 专家系统、机器学习 C. 机器学习、智能控制 D. 机器学习、自然语言理解 3. 下列不是知识表示法的是 A 。 A：计算机表示法B：“与/或”图表示法 C：状态空间表示法D：产生式规则表示法 4. 下列关于不确定性知识描述错误的是 C 。 A：不确定性知识是不可以精确表示的 B：专家知识通常属于不确定性知识 C：不确定性知识是经过处理过的知识 D：不确定性知识的事实与结论的关系不是简单的“是”或“不是”。 5. 下图是一个迷宫，S0是入口，S g是出口，把入口作为初始节点，出口作为目标节点，通道作为分支，画出从入口S0出发，寻找出口Sg的状态树。根据深度优先搜索方法搜索的路径是 C 。 A：s0-s4-s5-s6-s9-sg B：s0-s4-s1-s2-s3-s6-s9-sg C：s0-s4-s1-s2-s3-s5-s6-s8-s9-sg D：s0-s4-s7-s5-s6-s9-sg 二填空题（每空2分，共20分） 1.目前人工智能的主要学派有三家：符号主义、进化主义和连接主义。 2. 问题的状态空间包含三种说明的集合，初始状态集合S 、操作符集合F以及目标
状态集合G 。 3、启发式搜索中，利用一些线索来帮助足迹选择搜索方向，这些线索称为启发式(Heuristic)信息。 4、计算智能是人工智能研究的新内容，涉及神经计算、模糊计算和进化计算等。 5、不确定性推理主要有两种不确定性，即关于结论的不确定性和关于证据的不确 定性。 三名称解释（每词4分，共20分） 人工智能专家系统遗传算法机器学习数据挖掘 答：（1）人工智能 人工智能(Artificial Intelligence) ，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等 （2）专家系统 专家系统是一个含有大量的某个领域专家水平的知识与经验智能计算机程序系统,能够利用人类专家的知识和解决问题的方法来处理该领域问题.简而言之,专家系统是一种模拟人类专家解决领域问题的计算机程序系统 （3）遗传算法 遗传算法是一种以“电子束搜索”特点抑制搜索空间的计算量爆炸的搜索方法，它能以解空间的多点充分搜索，运用基因算法，反复交叉，以突变方式的操作，模拟事物内部多样性和对环境变化的高度适应性，其特点是操作性强，并能同时避免陷入局部极小点，使问题快速地全局收敛，是一类能将多个信息全局利用的自律分散系统。运用遗传算法(GA)等进化方法制成的可进化硬件(EHW)，可产生超出现有模型的技术综合及设计者能力的新颖电路，特别是GA独特的全局优化性能，使其自学习、自适应、自组织、自进化能力获得更充分的发挥，为在无人空间场所进行自动综合、扩展大规模并行处理(MPP)以及实时、灵活地配置、调用基于EPGA的函数级EHW，解决多维空间中不确定性的复杂问题开通了航向 （4）机器学习 机器学习(Machine Learning)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎 （5）数据挖掘 数据挖掘是指从数据集合中自动抽取隐藏在数据中的那些有用信息的非平凡过程，这些信息的表现形式为：规则、概念、规律及模式等。它可帮助决策者分析历史数据及当前数据，并从中发现隐藏的关系和模式，进而预测未来可能发生的行为。数据挖掘的
电子科技大学研究生算法设计与分析拟考题及答案评分细则 (2)
一、Please answer T or F for each of the following statements to indicate whether the statement is true or false 1. An algorithm is an instance, or concrete representation, for a computer program in some programming language. ( F ) 2. The following problem is a Decision Problem: What is the value of a best possible solution? ( F ) 3. The dynamic programming method can not solve a problem in polynomial time. ( F) 4. Assume that there is a polynomial reduction from problem A to problem B. If we can prove that A is NP-hard, then we know that B is NP-hard. ( F ) 5. If one can give a polynomial-time algorithm for a problem in NP, then all the problems NP can be solved in polynomial time. ( F ) 6. In an undirected graph, the minimum cut between any two vertices a and b is unique. ( F) 7. Linear programming can be solved in polynomial time, but integer linear programming can not be solved in polynomial time. ( T ) 8. We can solve the maximum independent set problem in a graph with at most 100 vertices in polynomial time. ( T ) 结论 9. If an algorithm solves a problem of size n by dividing it into two subproblems of size n/2, recursively solving each subproblems, and then combine the solutions in linear time. Then the algorithm runs in O(n log n) time. ( T ) 10. Neural Computation, Fuzzy Computation and Evolution Computing are the three research fields of Computational Intelligence. ( T ) 二、Given the following seven functions f1(n) = n5+ 10n4, f2(n) = n2+ 3n , f3(n) = f4(n) = log n + (2log n)3, f5(n) = 2n+n!+ 5e n, f6(n) = 3log(2n) + 5log n, f7(n) = 2n log n+log n n. Please answer the questions: 第 1 页共5 页
应用随机过程学习总结
应用随机过程学习总结 一、预备知识：概率论 随机过程属于概率论的动态部分，即随机变量随时间不断发展变化的过程，它以概率论作为主要的基础知识。 1、概率空间方面，主要掌握sigma代数和可测空间，在随机过程中由总体样本空间所构成的集合族。符号解释： sup表示上确界， inf表示下确界。 本帖隐藏的内容 2、数字特征、矩母函数与特征函数：随机变量完全由其概率分布来描述。其中由于概率分布较难确定，因此通常计算随机变量的数字特征来估算分布总体，而矩母函数和特征函数便用于随机变量的N阶矩计算，同时唯一的决定概率分布。 3、独立性和条件期望：独立随机变量和的分布通常由卷积来表示，对于同为分布函数的两个函数，卷积可以交换顺序，同时满足结合律和分配率。条件期望中，最重要的是理解并记忆E(X) = E[E(X|Y)] = intergral(E(X|Y=y))dFY(y)。 二、随机过程基本概念和类型 随机过程是概率空间上的一族随机变量。因为研究随机过程主要是研究其统计规律性，由Kolmogorov定理可知，随机过程的有限维分布族是随机过程概率特征的完整描述。同样，随机过程的有限维分布也通过某些数值特征来描述。 1、平稳过程，通常研究宽平稳过程：如果X(t1)和X(t2)的自协方差函数 r(t1,t2)=r(0,t-s)均成立，即随机过程X(t)的协方差函数r(t,s)只与时间差 t-s有关，r(t) = r(-t)记为宽平稳随机过程。 因为一条随机序列仅仅是随机过程的一次观察，那么遍历性问题便是希望将随即过程的均值和自协方差从这一条样本路径中估计出来，因此宽平稳序列只需满足其均值遍历性原理和协方差遍历性原理即可。 2、独立增量过程：若X[Tn]– X[T(n-1)]对任意n均相互独立，则称X(t)是独立增量过程。若独立增量过程的特征函数具有可乘性，则其必为平稳增量过程。 兼有独立增量和平稳增量的过程称为平稳独立增量过程，其均值函数一定是时间t的线性函数。
【模式识别】期末考试复习资料
题型： 1.填空题5题 填空题 2.名词解释4题 3.问答题4题 4.计算作图题3题 5.综合计算题1题 备注1：没有整理第一章和第六章，老师说不考的 备注2：非线性判别函数相关概念P69 概率相关定义、性质、公式P83以后 最小错误率贝叶斯决策公式P85 最小风险贝叶斯P86 正态贝叶斯P90 综合计算有可能是第六次作业 一、填空题 物以类聚人以群分体现的是聚类分析的基本思想。 模式识别分类：1.从实现方法来分模式识别分为监督分类和非监督分类；2.从理论上来分，有统计模式识别，统计模式识别，模糊模式识别，神经网络模式识别法 聚类分析是按照不同对象之间的差异，根据距离函数的规律做模式分类的。 模式的特性：可观察性、可区分性、相似性 模式识别的任务：一是研究生物体（包括人）是如何感知对象的，二是如何用计算机实现模式识别的理论和方法。 计算机的发展方向：1.神经网络计算机－－模拟人的大脑思维；2.生物计算机－－运用生物工程技术、蛋白分子作芯片； 3.光计算机－－用光作为信息载体，通过对光的处理来完成对信息的处理。 训练学习方法：监督学习、无监督学习（无先验知识，甚至类别数也未知）。 统计模式识别有：1.聚类分析法（非监督）；2.判决函数法/几何分类法(监督)；3.基于统计决策的概率分类法 - 以模式集在特征空间中分布的类概率密度函数为基础，对总体特征进行研究，以取得分类的方法 数据的标准化目的：消除各个分量之间数值范围大小对算法的影响 模式识别系统的基本构成：书P7 聚类过程遵循的基本步骤：特征选择；近邻测度；聚类准则；聚类算法；结果验证；结果判定。 相似测度基础：以两矢量的方向是否相近作为考虑的基础,矢量长度并不重要。 确定聚类准则的两种方式：阈值准则，函数准则 基于距离阈值的聚类算法——分解聚类：近邻聚类法；最大最小距离聚类法 类间距离计算准则:1）最短距离法2）最长距离法3）中间距离法4）重心法5）类平均距离法6）离差平方和法P24 系统聚类法——合并的思想 用于随机模式分类识别的方法，通常称为贝叶斯判决。 BAYES 决策常用的准则：最小错误率；最小风险 错误率的计算或估计方法：①按理论公式计算；②计算错误率上界；③实验估计。
电子科技大学研究生学位授予实施细则
电子科技大学研究生学位授予实施细则 第一章 总 则 第一条根据《中华人民共和国学位条例》、《中华人民共和国学位条例暂行实施办法》，结合我校的实际情况，制定本实施细则。 第二条按国务院学位委员会批准我校有权授予学位的学科领域和学位类型授予研究生硕士、博士学位。 第三条拥护中国共产党的领导，拥护社会主义制度，遵守宪法、法律、法规，具有良好的道德品德，并具有一定学术水平者，可按本细则的有关规定，申请相应的学位。 第二章 硕士学位 第四条学术水平 硕士研究生或具有硕士生毕业同等学力的人员，按《电子科技大学硕士研究生培养方案》的要求完成规定的培养环节和学分，通过学位论文答辩，达到下述学术水平者，授予硕士学位： 1.在本学科或领域掌握坚实的基础理论和系统的专门知识； 2.具有从事科学研究工作或独立担负专门技术工作的能力。 第五条硕士学位论文工作 硕士学位论文的选题应对科技和社会发展有一定的价值。硕士生在导师指导下确定选题和开展学位论文工作。论文的工作时间一般不少于1年，论文工作期间应每周1次向导师汇报研究进展。硕士生到校外单位及委培硕士生回原单位做学位论文，须经导师、学院批准。 1.开题报告 （1）开题报告的时间。硕士生在确定选题，大量阅读文献的基础上，原则上应在入学的第三学期期末之前完成开题报告。 （2）开题报告的方式。开题报告应以报告会的形式，在教（科）研室或以上范围公开举行。开题报告会考评组须由本学科及相近学科至少3位副高级及以上的专家组成。 （3）开题报告的内容。依据《硕士研究生学位论文开题报告表》的要求，做开题报告。考评组对开题报告进行认真审查，并作出考评意见。开题报告会后，硕士生及时完成《硕士研究生学位论文开题报告表》，交学院保存。 （4）开题报告未通过者，须在导师的指导下3个月后才能申请重新开题。2次开题报告不过者，应终止硕士生的学业（作退学处理）。 （5）因正当原因改变选题，须按上述要求重做开题报告。 （6）开题报告通过6个月后方能申请学位论文中期考评。 2.中期考评 （1）学位论文开题6个月后，硕士生可申请进行中期考评，在教（科）研室或以上范围公开举行，向考评组作论文工作进展情况报告。考评组须由本学科及相近学科至少3位副高级及
电子科大随机信号分析随机期末试题答案
电子科技大学2014-2015学年第 2 学期期 末 考试 A 卷 一、设有正弦随机信号()cos X t V t ω=， 其中0t ≤<∞，ω为常数，V 是[0,1)均匀 分布的随机变量。（ 共10分） 1．画出该过程两条样本函数。(2分) 2．确定02t πω=，134t πω=时随机信号()X t 的 一维概率密度函数，并画出其图形。(5 分) 3．随机信号()X t 是否广义平稳和严格平 稳？(3分) 解：1.随机信号()X t 的任意两条样本函 数如题解图(a)所示： 2.当02t πω=时，()02X πω=，()012P X πω??==????， 此时概率密度函数为：(;)()2X f x x πδω =
当34t πω=时， 3()42X πω=-，随机过程的一维 概率密度函数为： 3. ()[]1cos cos 2E X t E V t t ωω==???? 均值不平稳， 所以()X t 非广义平稳，非严格平稳。 二、设随机信号()()sin 2X n n πφ=+与 ()()cos 2Y n n πφ=+，其中φ为0~π上均 匀分布随机变量。（ 共10分） 1．求两个随机信号的互相关函数 12(,)XY R n n 。(2分) 2．讨论两个随机信号的正交性、互不 相关性与统计独立性。(4分) 3．两个随机信号联合平稳吗？(4分) 解：1.两个随机信号的互相关函数 其中()12sin 2220E n n ππφ++=???? 2. 对任意的n 1、n 2 ,都有12(,)0XY R n n =， 故两个随机信号正交。
又 故两个随机信号互不相关， 又因为 故两个随机信号不独立。 3. 两个随机信号的均值都平稳、相关函数都与时刻组的起点无关，故两个信号分别平稳，又其互相关函数也与时刻组的起点无关，因而二者联合平稳。 三、()W t 为独立二进制传输信号，时隙长度T 。在时隙内的任一点 ()30.3P W t =+=????和 ()30.7P W t =-=????，试求（ 共10分） 1．()W t 的一维概率密度函数。(3分) 2．()W t 的二维概率密度函数。(4分) 3．()W t 是否严格平稳？(3分)
电子科技大学研究生模式识别试题 2014.04 (附答案)(优.选)
1 / 5word. 电子科技大学研究生试卷 （考试时间： 至 ，共 2 小时） 课程名称 模式识别 教师 学时 40 学分 2 教学方式 课堂教学 考核日期 年 月 日 成绩 考核方式： （学生填写） 1、（5分）简述有监督学习和无监督学习的异同。 答： （1）有监督学习必须要有训练集和测试样本，而非监督学习没有训练集； （2）有监督学习的目的就是识别事物，识别结果表现在给待识别数据加上了标号，因此训练样本集必须由带标号的样本组成，而非监督学习方法只有要分析的数据集本身，预先没有什么标号。 （3）非监督学习方法在寻找数据集中的规律性，这种规律性并不一定要达到分数据集的目的，也就是说不一定要“分类”。 2、（15分）计算单词model 和amdeol 的编辑距离，画出栅格图。 解： 栅格图为： a m d e o l m o d e l amdeol 从栅格图可计算，model 和amdeol 的编辑距离为3。 学 号 姓 名 学 院 ……………………密……………封……………线……………以……………内……………答……………题……………无……………效……………………
2 / 5word. 3、（15分）已知A 类样本为：123[0,1];[2,2];[2,3]a a a ===，B 类样本为：123[3,1];[4,3];[1,5]b b b ===，计算最小二乘分类面的方程（取值为-1和+1），并写出LMS 算法的流程。 解： （1）计算最小二乘分类面为[]0.4,0.26,1.45T ω=--。 （2）LMS 算法流程： 步骤1. 初始化训练样本、权向量； 步骤2. 选择一个训练样本，利用下列公式更新权向量： ()[][1][1]2 ()k k T k i i y μ --=--w w x x w 训练样本数目 步骤3. 重复所有样本。 4、（15分）在目标识别中，有1ω和2ω两种目标类型，它们的先验概率分别为0.8和0.2，在一次试验中，获得样本的类概率密度分别为()10.2p x ω=，()20.4p x ω=，并且已知110λ=，126λ=，211λ=，220λ=。试对该样本进行分类。 （1）基于最小错误率贝叶斯决策； （2）基于最小风险贝叶斯决策。 解：（1）利用贝叶斯公式，分别计算出1ω和2ω的后验概率： ()()() ()() 1112 1 0.20.8 0.66670.20.80.40.2 i i i p x P P x p x P ωωωωω=?= = =?+?∑ ()()() ()() 2222 1 0.40.2 0.33330.20.80.40.2 i i i p x P P x p x P ωωωωω=?= = =?+?∑ 根据贝叶斯决策规则，有 ()()12P x P x ωω> 所以合理的决策是把该样本归类于1ω。 （2）根据（1）的计算结果可知后验概率为
中科院-模式识别考题总结(详细答案)
1.简述模式的概念及其直观特性，模式识别的分类，有哪几种方法。（6’） 答（1）：什么是模式？广义地说，存在于时间和空间中可观察的物体，如果我们可以区别它们是否相同或是否相似，都可以称之为模式。 模式所指的不是事物本身，而是从事物获得的信息，因此，模式往往表现为具有时间和空间分布的信息。 模式的直观特性：可观察性；可区分性；相似性。 答（2）：模式识别的分类： 假说的两种获得方法（模式识别进行学习的两种方法）： ●监督学习、概念驱动或归纳假说； ●非监督学习、数据驱动或演绎假说。 模式分类的主要方法： ●数据聚类：用某种相似性度量的方法将原始数据组织成有意义的和有用的各种数据 集。是一种非监督学习的方法，解决方案是数据驱动的。 ●统计分类：基于概率统计模型得到各类别的特征向量的分布，以取得分类的方法。 特征向量分布的获得是基于一个类别已知的训练样本集。是一种监督分类的方法， 分类器是概念驱动的。 ●结构模式识别：该方法通过考虑识别对象的各部分之间的联系来达到识别分类的目 的。（句法模式识别） ●神经网络：由一系列互相联系的、相同的单元（神经元）组成。相互间的联系可以 在不同的神经元之间传递增强或抑制信号。增强或抑制是通过调整神经元相互间联 系的权重系数来（weight）实现。神经网络可以实现监督和非监督学习条件下的分 类。 2.什么是神经网络？有什么主要特点？选择神经网络模式应该考虑什么因素？ （8’） 答（1）：所谓人工神经网络就是基于模仿生物大脑的结构和功能而构成的一种信息处 理系统（计算机）。由于我们建立的信息处理系统实际上是模仿生理神经网络，因此称它为人工神经网络。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。 人工神经网络的两种操作过程：训练学习、正常操作（回忆操作）。 答（2）：人工神经网络的特点： ●固有的并行结构和并行处理； ●知识的分布存储； ●有较强的容错性； ●有一定的自适应性； 人工神经网络的局限性： ●人工神经网络不适于高精度的计算； ●人工神经网络不适于做类似顺序计数的工作； ●人工神经网络的学习和训练往往是一个艰难的过程； ●人工神经网络必须克服时间域顺序处理方面的困难； ●硬件限制； ●正确的训练数据的收集。 答（3）：选取人工神经网络模型，要基于应用的要求和人工神经网络模型的能力间的 匹配，主要考虑因素包括：
清华大学模式识别往年考题2
模式识别张长水2007.7.1 14:00-16:00 1 （15分）两类分类问题，P(w1)=1/4，P(w2)=3/4。样本有两个特征，分别是x和y。两类?的概率密度函数：w1，在0<=x<=3、0<=y<=3中均匀分布，其余为0；w2，在2<=x<=5、1<=y<=7 中均匀分布，其余为0。请设计做小错误率贝叶斯分类器，并计算误分率。 2 （20分）支持向量机通过二次最优化得到支持向量。现在有一个两类分类问题，共有N 个 样本，样本有d维特征空间，样本集合是线性可分的。试使用遗传算法求解支持向量，说明算法步骤和使用的遗传算子。使用遗传算法求解支持向量有什么优缺点？ 3 （20分）两类分类问题，有3个特征x,y,z，共有N个样本。通过经验知道将3个特征进行加权相加得到的特征将具有更好的分类性能，但是不知道如何得到各个特征的权重。试回答? 如何得到各个特征的权重。给出必要的计算和推导过程。 4 （15分）使用多级聚类算法对下面的样本进行聚类，使用最近距离量度。给出计算过程，多级聚类树。问应该分成几类，为什么？举例说明使用最近距离量度聚类和使用最远距离量度聚类各自的优缺点。 (1,0) (2,0) (0,2) (1,3) (0,5) 5 （20分）距离是模式识别中的重要概念，试说明贝叶斯分类器、近邻法、Fisher投影法、C均值算法是否受不同距离量度选择的影响。如果不是，说明原因；如果是，举例说明受什么影响。 6 （10分）一个袋子中装有红、绿、蓝三种颜色的球，采用有放回的取球方法，取出N个球 ，其中有n1个红色球、n2个绿色球和n3个蓝色球的概率为 p(n1,n2,n3)=(N!/(n1!n2!n3!))*p1^n1*p2^n2*p3^n3 其中n1+n2+n3=N，p1+p2+p3=1 已知概率模型如下：p1=1/4 p2=1/4+p/4 p3=1/2-p/4 如果一个人是红绿色盲，分不清红色球和绿色球，那么他只能知道他取了m1=n1+n2个红/绿 球，和m2=n3个蓝色球。试通过这些数据估计概率模型中的p，并估计红色球和绿色球的数? 。 -------------------------------- 不出意外的话应该是在清华最后一门考试了，复习的时候又极其痛苦，500+张ppt， 很多公式要理解要背，所以得纪念一下，粗略回忆一下今天考的内容，给后面的同
电子科技大学导师给研究生的36条建议
电子科技大学导师给研究生的36条建议 1. 研究生真经：尽量完美的做好一件事，在完成目标的过程中有种自我感觉，其他人同时来做这件事时，起码得有三个人的绩效才能达到我现在的水平。 2. 关于毕业答辩前需达到的水平，是以下三个指标的和： (1) 不少于一篇学术论文。该论文应尽量是正规的期刊，或国内不收费的学术会议上的论文，不是为发论文而组织的会议或期刊上的论文(原则由指导教师定义)。 (2) 至少完成一项高质量的科研任务。 (3) 至少完成一项高质量的专利申请。 3. 关于学分：一定量的学分是硕士研究生毕业的必备条件，也就是说没有修满足够的学分不能硕士毕业答辩。但是，学分的相对重要性是次要的：修某些课程的目的，是为了更好地做研究，出研究成果，也就是说，修学分是一个相对基础的学习过程，修学分是为了更好地完成科研任务。 4. 关于科研任务：当有了某个研究目标、或研究兴趣时，科研任务是读硕士研究生期间最重要的，因为研究生毕业后给人的感觉是靠科研过程来驱动升华的。科研任务的重要性起码高于修学分。在当今信息爆炸的时代，对于指导教师所研究的专业，硕士研究生的学习，是通过科研的驱动来进行的，是为用而学的。 5. 关于指导教师对你本科、中学学习成绩的看法：除非你一直是你所在班上的第一名，否者，只要你通过了考研要求的分数，以后指导教师不会再考虑你本科或中学的学习成绩多么好或多么差。如你一直是你所在班上的第一名的话，这方面指导教师对你可能还有一点或不超过一点的印象：你掌握了一种会考试的技能(这也是一种成功模式)。 6. 关于马太效应与成功模式：所谓马太效应，意思是指在过去及现在的社会中，对某一个人来说，如果他是通过自己奋斗致富的，则这位富人会越来越富有；与之对应的是穷人越来越穷。指导教师认为，之所以富人会越来越富，是因为某位富人掌握了一种致富或做事的成功模式，该富人只需拷贝其成功模式，就会越来越富有；而所有的穷人之所以穷，因为他一直没有找到一种致富或做事成功的经验。作为硕士研究生，他在读研期间，应该至少体会到一种做事成功的经验；高一点的要求是，在读研期间，掌握一种成功模式，以便毕业之后在社会上复制其成功模式。 7. 关于爱心：起码有一次爱心经历，发自内心的经历，自己一人把所在的宿舍卫生彻底的扫一遍。起码有一次爱心经历，发自内心的经历，把所在的办公室卫生彻底的扫一遍，
(完整版)成都电子科技大学自动化专业本科培养方案
自动化专业本科人才培养方案 一、专业代码与名称 专业代码：080602 专业名称：自动化 二、学制与学位 修业年限：四年 授予学位：工学学士 三、培养目标 经过系统的教育和教学活动，使学生具有扎实的基础、宽广的知识面和较强的实践动手能力，培养学生的创新精神和团队意识，使其在掌握自动化和控制工程领域先进技术的基础上，具有提出和解决带有挑战性问题的能力，不断提高自身的综合素质。同时，发展学生个性，培养学生具有健全人格，使其成为德智体美全面发展的高素质人才。 四、基本要求 本专业学生主要学习自动控制原理、计算机控制系统、传感器原理、过程控制系统、线性系统理论、电力电子技术、系统工程导论等专业知识，并接受1～2个学科专业方向的基本训练。毕业后可从事国民经济、国防和科研各部门的运动控制、过程控制、机器人智能控制、导航制导与控制，现代集成制造系统、模式识别与智能系统、系统工程理论与实践、新型传感器、电子与自动检测系统、复杂网络与计算机应用系统等领域的科学研究、技术开发、教学及管理等工作。 毕业生应获得以下几个方面的知识和能力： 1．扎实的数理基础，较好的人文社会科学和管理科学基础，以及外语综合能力； 2．系统掌握本学科领域必需的技术基础理论知识，包括电路理论、电子技术、信号与系统、自动控制理论、计算机软硬件、电力电子学、电力系统自动化等。 3．较强的工程实践能力，较熟练的计算机应用能力； 4．本学科领域内1～2个专业方向的知识与技能，了解本学科前沿的发展趋势； 5．较强的工作适应能力，一定的科学研究、技术开发和组织管理的实际工作能力。
五、专业特色 1、在科研、教学、实验和毕业设计环节与计算机技术、网络通信等专业有机结合，培养适应面宽广的“多才”专业； 2、理论与实践并重，培养学生的实际动手能力，不断提高学生的工程素质和专业基础，训练工程型人才； 3、开展各类竞赛辅助教学，培养学生的团队意识，引导学生发现问题并寻找解决问题的办法，不断提升学生的创新能力。 六、主干学科与主干课程 1、主干学科：检测技术及自动化装置、控制科学与工程 2、主干课程：自动控制原理、计算机控制系统、传感器原理、过程控制系统 3、双语教学课程：信号与系统、信息论导论、电力系统自动化、线性系统理论、数字 逻辑设计及应用 七、主要实践教学环节 1、实验：微型计算机系统原理及接口技术，电子技术实验基础I/II，现代电子技术综 合实验，电力电子技术，集成电路应用实验I/II，信号与系统，过程控制系 统，计算机控制系统，电机与拖动基础，传感器原理，自控原理基础实验， 单片机与PLC，数字系统设计，调速与随动，企业供配电系统，嵌入式系统 设计，现代控制技术综合实验，数字图像处理，现场总线控制系统，电力系 统自动化，信息论导论 2、上机：软件技术基础，现代工程设计制图，数值计算方法，自控原理基础实验，高 级语言程序设计，控制系统计算机仿真，计算机网络，现代控制技术综合实 验，人工智能导论，数字信号处理，系统工程导论 3、课程设计：电路分析基础，单片机与PLC，线性系统理论，现代控制技术综合实验 计算机控制系统，传感器原理，自控原理基础实验，单片机与PLC，数字系 统设计，企业供配电系统，嵌入式系统设计 4、实习实训：实习实训环节包括军事训练、基础工程训练、电工电气技术实训、电装 实习、综合课程设计、生产实习、毕业设计
电子科技大学-成电超音速技术报告-电磁组
第八届"飞思卡尔"杯全国大学生智能汽车竞赛技术报告 第八届“飞思卡尔”杯全国大学生 智能汽车竞赛 技术报告 学校：电子科技大学 队伍名称：成电超音速 参赛队员：王硕 李洋 马文建 带队教师：程玉华
第八届"飞思卡尔"杯全国大学生智能汽车竞赛技术报告关于技术报告和研究论文使用授权的说明 本人完全了解第八届“飞思卡尔”杯全国大学生智能汽车邀请赛关保留、使用技术报告和研究论文的规定，即：所有参赛队伍必须与大赛各分赛区组委会签订参赛承诺协议，参赛作品的著作权归属参赛者本人，飞思卡尔半导体公司和比赛秘书处可以在相关主页及文献资料中收录并公开获奖作品的设计方案、技术报告及参赛模型车的视频、图像资料。 参赛队员签名： 带队教师签名： 日期：
第八届"飞思卡尔"杯全国大学生智能汽车竞赛技术报告 摘要 本文以第八届全国大学生智能车竞赛为背景，介绍了智能赛车控制系统的软硬件结构和开发流程。该比赛采用大赛组委会统一指定的A型车模，以Freescale半导体公司生产的32位单片机K60核心控制器,要求赛车在未知道 路上沿着电磁信号以最快的速度完成比赛。整个系统涉及车模机械结构调整、传感器电路设计及信号处理、控制算法和策略优化等多个方面。赛车采用谐振电路对赛道进行检测，提取赛道位置，用PD方式对舵机进行控制。同时通过编码器获取当前速度，采用PID控制实现速度闭环。 关键词：Freescale，智能车，电磁信号，PID ABSTRACT In the background of the8th National Intelligent Car Contest for College Students, this article introduces the software and hardware structures and the development flow of the vehicle control system.This contest adopting A-type car model prescribed by the contest organization committee,using the32-bit MCU K60 produced by Freescale Semiconductor Company as the core controller,requires the car finish the race in the fastest speed.The whole system includes the aspects of the mechanism structure adjustment,the sensor circuit design and signal process,control algorithm and strategy optimization etc.It captures the road information through resonant circuit,then abstracts the road position.After that, PD feedback control is used on the steering.At the same time,the system obtains the current speed using a speed sensor,so that it can realize the feedback control of the speed by PID method. Key words:Freescale，Intelligent vehicle,Electromagnetic signals,PID
模式识别试题2
《模式识别》试题库 一、基本概念题 1模式识别的三大核心问题是：（ ）、（ ）、（ ）。 2、模式分布为团状时，选用（ ）聚类算法较好。 3 欧式距离具有（ ）。马式距离具有（ ）。（1）平移不变性（2）旋转不 变性（3）尺度缩放不变性（4）不受量纲影响的特性 4 描述模式相似的测度有( )。（1）距离测度 （2）模糊测度 （3）相似测度 （4） 匹配测度 5 利用两类方法处理多类问题的技术途径有：（1） （2） （3） 。其中最常用的是第( )个技术途径。 6 判别函数的正负和数值大小在分类中的意义是：( )。 7 感知器算法 ( )。（1）只适用于线性可分的情况；（2）线性可分、不可分都适用。 8 积累位势函数法的判别界面一般为( )。（1）线性界面；（2）非线性界面。 9 基于距离的类别可分性判据有：( ).（1）1[]w B Tr S S - （2） B W S S （3） B W B S S S + 10 作为统计判别问题的模式分类，在（ ）情况下，可使用聂曼-皮尔逊判决准则。 11 确定性模式非线形分类的势函数法中，位势函数K(x,xk)与积累位势函数K(x)的关系为 （ ）。 12 用作确定性模式非线形分类的势函数法，通常，两个n 维向量x 和xk 的函数K(x,xk)若 同时满足下列三个条件，都可作为势函数。①（ ）； ②（ ）；③ K(x,xk)是光滑函数，且是x 和xk 之间距离的单调下降函数。 13 散度Jij 越大，说明i 类模式与j 类模式的分布（ ）。当i 类 模式与j 类模式的分布相同时，Jij=（ ）。 14 若用Parzen 窗法估计模式的类概率密度函数，窗口尺寸h1过小可能产生的问题是 （ ），h1过大可能产生的问题是（ ）。 15 信息熵可以作为一种可分性判据的原因是：( )。 16作为统计判别问题的模式分类，在（ ）条件下，最小损失判决规则与最 小错误判决规则是等价的。 17 随机变量l(x )=p(x 1)/p(x 2)，l(x )又称似然比，则E l( x )2= （ ）。在最小误判概率准则下，对数似然比Bayes 判决规则为 （ ）。 18 影响类概率密度估计质量的最重要因素（ ）。 19 基于熵的可分性判据定义为)]|(log )|([1x P x P E J i c i i x H ωω∑=-=，JH 越（ ），说 明模式的可分性越强。当P(i| x ) =（ ）(i=1,2,…,c)时，JH 取极大值。 20 Kn 近邻元法较之于Parzen 窗法的优势在于（ ）。上 述两种算法的共同弱点主要是（ ）。 21 已知有限状态自动机Af=(，Q ，，q0，F)，={0，1}；Q={q0，q1}；：(q0， 0)= q1，(q0，1)= q1，(q1，0)=q0，(q1，1)=q0；q0=q0；F={q0}。 现有输入字符串：(a) 000，(b) 11，(c) ，(d)0010011，试问，用Af 对上述字符串进行分