1、题1：在一个10类的模式识别问题中，有3类单独满足多类情况1，其余的类别满足多类情况2。问该模式识别问题所需判别函数的最少数目是多少？
答：将10类问题可看作4类满足多类情况1的问题，可将3类单独满足多类情况1的类找出来，剩下的7类全部划到4类中剩下的一个子类中。再在此子类中，运用多类情况2的判别法则进行分类，此时需要7*（7-1）/2=21个判别函数。故共需要4+21=25个判别函数。
题2：一个三类问题，其判别函数如下：
d1(x)=-x1, d2(x)=x1+x2-1, d3(x)=x1-x2-1
1. 设这些函数是在多类情况1条件下确定的，绘出其判别界面和每一个模式类
2、别的区域。
2. 设为多类情况2，并使：d12(x)= d1(x), d13(x)= d2(x), d23(x)= d3(x)。绘出其判别界面和多类情况2的区域。
3. 设d1(x), d2(x)和d3(x)是在多类情况3的条件下确定的，绘出其判别界面和每类的区域。
答：三种情况分别如下图所示：
1．
2．
3．
题3：两类模式，每类包括5个3维不同的模式，且良好分布。如果它们是线性可分的，问权向量至少需要几个系数分量？假如要建立二次的多项式判别函数，又至少需要几个系数分量？（设模式的良好分布不因模式变化而改变。）
答：（1）若是线性可分的，则权向量至少
3、需要个系数分量；
（2）若要建立二次的多项式判别函数，则至少需要个系数分量。
题4：用感知器算法求下列模式分类的解向量w:
ω1: {(0 0 0)T, (1 0 0)T, (1 0 1)T, (1 1 0)T}
ω2: {(0 0 1)T, (0 1 1)T, (0 1 0)T, (1 1 1)T}
解：将属于的训练样本乘以，并写成增广向量的形式
迭代选取，，则迭代过程中权向量变化如下：
；；；；；；；；
；；；收敛
所以最终得到解向量，相应的判别函数为。
题5：用多类感知器算法求下列模式的判别函数：
ω1: (-1 -1)T，ω2: (0 0)T，ω
4、3: (1 1)T
解：采用一般化的感知器算法，将模式样本写成增广形式，即
取初始值，取，则有
第一次迭代：以为训练样本，，故
第二次迭代：以为训练样本，，故
第三次迭代：以为训练样本，，故
第四次迭代：以为训练样本，，故
第五次迭代：以为训练样本，，故
第六次迭代：以为训练样本，，故
第七次迭代：以为训练样本，，故
第八次迭代：以为训练样本，，故
由于第六、七、八次迭代中对均以正确分类，故权向量的解为：
，可得三个判别函数为：
题6： 采用梯度法和准则函数，式中实数b〉0，试导出两类模式的分类算法。
解：
其中：
得
5、迭代式：
题7：用LMSE算法求下列模式的解向量：
ω1: {(0 0 0)T, (1 0 0)T, (1 0 1)T, (1 1 0)T}
ω2: {(0 0 1)T, (0 1 1)T, (0 1 0)T, (1 1 1)T}
解：写出模式的增广矩阵X：
=
取和
第一次迭代：
第二次迭代：
第三次迭代：
第四次迭代：
第五次迭代：
第六次迭代：
第七次迭代：
第八次迭代：
第九次迭代：
第十次迭代：
由于，
6、可以认为此时权系数调整完毕，最终的权系数为：
相应的判别函数为：
题8：用二次埃尔米特多项式的势函数算法求解以下模式的分类问题
ω1: {(0 1)T, (0 -1)T} ω2: {(1 0)T, (-1 0)T}
所以，势函数
第一步：取，故
第二步：取，，故
第三步：取，，故
第四步：取，，故
第五步：取，，故
第六步：取，，故
第七步：取，，故
第八步：取，，故
第九步：取，，故
第十步：取，，故
从第七步到第十步的迭代过程中，全部模式都已正确分类，故算法已经收敛于判别函数：
题9：用下列势函数
求解以下模式的分类问题
ω1: {(0 1)T, (0 -1)T}
ω2: {(1 0)T, (-1 0)T}
选取，在二维情况下，势函数为
以下为势函数迭代算法：
第一步：取，故
第二步：取，，故
第三步：取，，故
第四步：取，，故
第五步：取，，故
第六步：取，，故
第七步：取，，故
第八步：取，，故
第九步：取，，故
第十步：取，，故
从第七步到第十步的迭代过程中，全部模式都已正确分类，故算法已经收敛于判别函数：
浙ICP备2021020529号-1 | 浙B2-20240490 
