Главная / Компьютерная графика /
Математические методы распознавания образов / Тест 2
Математические методы распознавания образов - тест 2
Упражнение 1:
Номер 1
Предположение о существовании вероятностной меры на пространстве образов, которая либо известна, либо может быть оценена, лежит в основе
Ответ:
 (1) байесовского подхода 
 (2) метода Меттера 
 (3) способа идентификации Корна 
Номер 2
В чем состоит основная цель байесовского подхода?
Ответ:
 (1) в разработке такого классификатора, который будет правильно определять наиболее вероятный класс для пробного образа 
 (2) в приоритетной оценке интерполяционных последовательностей 
 (3) в идентификации статических градиентных методов последовательной обработки графических данных 
Номер 3
Вероятность, которая задает распределение индекса класса после эксперимента, носит название?
Ответ:
 (1) динамической 
 (2) статической 
 (3) апостериорной 
Упражнение 2:
Номер 1
Объект следует относить к тому классу, для которого апостериорная вероятность
Ответ:
 (1) ниже 
 (2) выше 
 (3) равна нулю 
Номер 2
Правило классификации по максимуму апостериорной вероятности называется
Ответ:
 (1) хаффмановским 
 (2) байесовским 
 (3) евклидовым 
Номер 3
Какое правило принято называть байесовским?
Ответ:
 (1) правило классификации по максимуму апостериорной вероятности 
 (2) правило классификации по минимуму апостериорной вероятности 
 (3) правило классификации по среднему значению апостериорной вероятности 
Упражнение 3:
Номер 1
Формула Байеса позволяет вычислить апостериорные вероятности событий через
Ответ:
 (1) априорные вероятности 
 (2) функции правдоподобия 
 (3) графические идентификаторы 
Номер 2
Какие из перечисленных ниже элементов используются для формулы Байеса?
Ответ:
 (1) функции правдоподобия 
 (2) градиентные детерминанты 
 (3) априорные вероятности 
Номер 3
Пусть считается, что данных для определения вероятности принадлежности объекта каждому из классов достаточно. Тогда такие вероятности носят название
Ответ:
 (1) градиентные 
 (2) априорные 
 (3) интерполяционные 
Упражнение 4:
Номер 1
Если априорные вероятности и функции правдоподобия неизвестны, то их можно оценить
Ответ:
 (1) методами математической статистики 
 (2) способом градиентной детерминации 
 (3) по интерполяционным векторам 
Номер 2
Байесовский классификатор по отношению к минимизации вероятности ошибки классификации является
Ответ:
 (1) максимальным 
 (2) оптимальным 
 (3) минимальным 
Номер 3
В том случае, когда цена ошибок различного типа существенно различается, принято использовать
Ответ:
 (1) вероятность ошибки классификации 
 (2) минимум среднего риска 
 (3) метод градиентного спуска 
Упражнение 5:
Номер 1
Возможно ли существование классификатора, минимизирующего общий средний риск?
Ответ:
 (1) да, возможно 
 (2) нет, невозможно 
 (3) возможно только в полярных координатах 
Номер 2
Как можно классифицировать ситуацию радиолокационной разведки?
Ответ:
 (1) как одноклассовую задачу 
 (2) как двухклассовую задачу 
 (3) как полиномиальную задачу 
Номер 3
Возможно ли вычисление порога для минимальной вероятности ошибки?
Ответ:
 (1) нет, не возможно 
 (2) да, возможно 
 (3) возможно только для средневзвешенных остатков 
Упражнение 6:
Номер 1
Возможно ли вычисление порога для проверки отношения правдоподобия?
Ответ:
 (1) только на комплексной плоскости 
 (2) да, возможно 
 (3) нет, не возможно 
Номер 2
Возможно ли присутствие матрицы потерь в двухклассовой задаче?
Ответ:
 (1) да, возможно 
 (2) нет, невозможно 
 (3) возможно только в исключительных случаях 
Номер 3
Существует ли возможность нахождения среднего риска в двухклассовой задаче при наличии матрицы потерь?
Ответ:
 (1) да, существует 
 (2) нет, это исключено 
 (3) это возможно только при градиентном спуске 
Упражнение 7:
Номер 1
В задаче классификации по M
классам, вероятность ошибки классификации
Ответ:
 (1) неограниченна 
 (2) ограничена 
 (3) неопределенна 
Номер 2
Каким отношением ограничена вероятность ошибки классификации задаче классификации по M
классам?
Ответ:
 (1) M/M-1
 
 (2) M2-1
 
 (3) M-1/M
 
Номер 3
Вероятности ошибки по отношению к разделению пространства признаков на M
областей являются
Ответ:
 (1) априорными 
 (2) детерминантными 
 (3) эквивалентными 
Упражнение 8:
Номер 1
Минимизация риска по отношению к разделению пространства признаков на M областей является
Ответ:
 (1) градиентной 
 (2) эквивалентной 
 (3) эквипотенциальной 
Номер 2
Почему распределение Гаусса широко используется?
Ответ:
 (1) по причине вычислительного удобства 
 (2) по причине адекватности во многих случаях 
 (3) по причине быстроты идентификации объектов 
Номер 3
Для определения многомерной плотности нормального распределения используют
Ответ:
 (1) математическое ожидание случайной величины 
 (2) матрицу ковариации 
 (3) статический идентификатор относительного градиентного сдвига 
Упражнение 9:
Номер 1
Если логарифмическая дискриминантная функция представляет собой квадратичную форму, то ее разделяющая поверхность являетсяа
Ответ:
 (1) гиперповерхностью второго порядка 
 (2) гиперповерхностью третьего порядка 
 (3) гиперповерхностью четвертого порядка 
Номер 2
Если разделяющая поверхность является гиперповерхностью второго порядка, то байесовский классификатор является
Ответ:
 (1) гиперскалярным 
 (2) унимодальным 
 (3) квадратичным 
Номер 3
Может ли коническое сечение являться разделяющей поверхностью?
Ответ:
 (1) только на комплексной плоскости 
 (2) да, может 
 (3) нет, это исключение 
Упражнение 10:
Номер 1
Может ли матрица ковариации быть диагональной?
Ответ:
 (1) нет, это исключение 
 (2) да, может 
 (3) может только в плоскости натуральных чисел 
Номер 2
Из перечисленных ниже записей выделите линейные поверхности решения:
Ответ:
 (1) линейная поверхность решения с диагональной матрицей ковариации 
 (2) линейная поверхность решения с недиагональной матрицей ковариации 
 (3) линейная поверхность решения с градиентной матрицей ковариации 
Номер 3
Применима ли евклидова норма для линейной поверхности решения с диагональной матрицей ковариации?
Ответ:
 (1) да, применима 
 (2) нет, не применима 
 (3) применима только для иррациональных коэффициентов 
Упражнение 11:
Номер 1
Существуют ли равновероятные классы с одинаковой матрицей ковариации?
Ответ:
 (1) нет, это исключено 
 (2) да, существуют 
 (3) существуют только для градиентных идентификаторов 
Номер 2
Равновероятные классы с одинаковой матрицей ковариации
Ответ:
 (1) существуют 
 (2) не существуют 
 (3) существуют только для комплексной плоскости 
Номер 3
Верно ли то, что существование равновероятных классов с одинаковой матрицей ковариации исключено?
Ответ:
 (1) да, это верно 
 (2) нет, это неверно 
 (3) это является исключением только для иррациональных коэффициентов 
Упражнение 12:
Номер 1
Выделите из предложенных ниже записей классификаторы по минимуму расстояния:
Ответ:
 (1) классификатор по минимуму расстояния с диагональной матрицей ковариации 
 (2) классификатор по минимуму расстояния с недиагональной матрицей ковариации 
 (3) классификатор по минимуму расстояния с априорной матрицей ковариации 
Номер 2
Существует ли классификатор по минимуму расстояния с диагональной матрицей ковариации?
Ответ:
 (1) да, существует 
 (2) нет, это исключение 
 (3) существует только в комплексном поле 
Номер 3
Существует ли классификатор по минимуму расстояния с недиагональной матрицей ковариации?
Ответ:
 (1) да, существует 
 (2) нет, это исключение 
 (3) существует только для иррациональных коэффициентов