Вопросы ММРО с5 2005 — различия между версиями

Материал из YourcmcWiki
Перейти к: навигация, поиск
м (Новая страница: «Кафедра математических методов прогнозирования<br /> Вопросы к экзамену по курсу «Математи...»)
 
м
 
Строка 1: Строка 1:
Кафедра математических методов прогнозирования<br />
+
Кафедра Математических Методов Прогнозирования<br />
 
Вопросы к экзамену по курсу «Математические методы распознавания образов»<br />
 
Вопросы к экзамену по курсу «Математические методы распознавания образов»<br />
Осенний семестр 2005-2006 учебного года (группа 317)
+
Осенний семестр 2005—2006 учебного года (группа 317)<br />
 +
Преподаватель — Местецкий Л. М.
  
 
# [1] Предмет и задачи распознавания образов. Основные понятия (пространство образов, пространство признаков, прецеденты, классификация, кластеризация, обучение).
 
# [1] Предмет и задачи распознавания образов. Основные понятия (пространство образов, пространство признаков, прецеденты, классификация, кластеризация, обучение).
Строка 9: Строка 10:
 
# [2.4-2.5] Дискриминантные функции и поверхности решения. Байесовский классификатор для нормального распределения.
 
# [2.4-2.5] Дискриминантные функции и поверхности решения. Байесовский классификатор для нормального распределения.
 
# [2.5.2-2.5.5] Линейная поверхность решения. Классификация по минимуму расстояния. Расстояние Махалонобиса.
 
# [2.5.2-2.5.5] Линейная поверхность решения. Классификация по минимуму расстояния. Расстояние Махалонобиса.
# [10.3.2] Параметрические методы оценки неизвестной плотности вероятности.  
+
# [10.3.2] Параметрические методы оценки неизвестной плотности вероятности.
 
# Непараметрические методы оценки неизвестной плотности вероятности.
 
# Непараметрические методы оценки неизвестной плотности вероятности.
# [8.1] Распознавание методом сравнения с образцом (matching). Поиск оптимального выравнивания, как задача маршрутизации на графе.  
+
# [8.1] Распознавание методом сравнения с образцом (matching). Поиск оптимального выравнивания, как задача маршрутизации на графе.
 
# [8.2-8.3] Сравнение слов, контуров границы образа, речевых сигналов на основе оптимального выравнивания.
 
# [8.2-8.3] Сравнение слов, контуров границы образа, речевых сигналов на основе оптимального выравнивания.
# [10.4] Скалярная и векторная селекция признаков. Мера отделимости классов на основе дивергенции.  
+
# [10.4] Скалярная и векторная селекция признаков. Мера отделимости классов на основе дивергенции.
# [10.4.2] Мера отделимости классов на основе матриц рассеяния. Последовательная (прямая и обратная) селекция признаков.  
+
# [10.4.2] Мера отделимости классов на основе матриц рассеяния. Последовательная (прямая и обратная) селекция признаков.
 
# [10.5] Оптимальная селекция признаков по критерию отношения матриц рассеивания.
 
# [10.5] Оптимальная селекция признаков по критерию отношения матриц рассеивания.
# [11.1] Задача генерации признаков. Генерация признаков на основе линейных преобразований. Базисные вектора и матрицы.  
+
# [11.1] Задача генерации признаков. Генерация признаков на основе линейных преобразований. Базисные вектора и матрицы.
# [11.2] Генерация признаков на основе преобразования Карунена – Лоева.
+
# [11.2] Генерация признаков на основе преобразования Карунена — Лоева.
 
# [11.3] Генерация признаков на основе дискретного преобразования Фурье, косинусного и синусного дискретных преобразований.
 
# [11.3] Генерация признаков на основе дискретного преобразования Фурье, косинусного и синусного дискретных преобразований.
# [11.4] Генерация признаков на основе вейвлет-преобразования Хаара.  
+
# [11.4] Генерация признаков на основе вейвлет-преобразования Хаара.
# [12.1-12.4] Понятие среднего и эмпирического риска. Построение классификатора, минимизирующего эмпирический риск.  
+
# [12.1-12.4] Понятие среднего и эмпирического риска. Построение классификатора, минимизирующего эмпирический риск.
 
# [12.5] Сходимость эмпирического риска к среднему риску для случая конечного множества решающих правил.
 
# [12.5] Сходимость эмпирического риска к среднему риску для случая конечного множества решающих правил.
 
# [12.6] Функция роста класса решающих правил. Сходимость эмпирического риска к среднему риску для случая бесконечного множества решающих правил
 
# [12.6] Функция роста класса решающих правил. Сходимость эмпирического риска к среднему риску для случая бесконечного множества решающих правил
 +
 +
[[Категория:Учёба]]
 +
[[Категория:ММРО]]

Текущая версия на 00:31, 5 июня 2010

Кафедра Математических Методов Прогнозирования
Вопросы к экзамену по курсу «Математические методы распознавания образов»
Осенний семестр 2005—2006 учебного года (группа 317)
Преподаватель — Местецкий Л. М.

  1. [1] Предмет и задачи распознавания образов. Основные понятия (пространство образов, пространство признаков, прецеденты, классификация, кластеризация, обучение).
  2. [1.2] Структура методов решения задач классификации (генерация и селекция признаков, построение и оценка классификатора).
  3. [2.1-2.2] Байесовский подход в задаче классификации. Байесовское правило классификации. Априорные и апостериорные вероятности. Минимизация ошибки классификации.
  4. [2.3] Минимизация среднего риска в задаче классификации.
  5. [2.4-2.5] Дискриминантные функции и поверхности решения. Байесовский классификатор для нормального распределения.
  6. [2.5.2-2.5.5] Линейная поверхность решения. Классификация по минимуму расстояния. Расстояние Махалонобиса.
  7. [10.3.2] Параметрические методы оценки неизвестной плотности вероятности.
  8. Непараметрические методы оценки неизвестной плотности вероятности.
  9. [8.1] Распознавание методом сравнения с образцом (matching). Поиск оптимального выравнивания, как задача маршрутизации на графе.
  10. [8.2-8.3] Сравнение слов, контуров границы образа, речевых сигналов на основе оптимального выравнивания.
  11. [10.4] Скалярная и векторная селекция признаков. Мера отделимости классов на основе дивергенции.
  12. [10.4.2] Мера отделимости классов на основе матриц рассеяния. Последовательная (прямая и обратная) селекция признаков.
  13. [10.5] Оптимальная селекция признаков по критерию отношения матриц рассеивания.
  14. [11.1] Задача генерации признаков. Генерация признаков на основе линейных преобразований. Базисные вектора и матрицы.
  15. [11.2] Генерация признаков на основе преобразования Карунена — Лоева.
  16. [11.3] Генерация признаков на основе дискретного преобразования Фурье, косинусного и синусного дискретных преобразований.
  17. [11.4] Генерация признаков на основе вейвлет-преобразования Хаара.
  18. [12.1-12.4] Понятие среднего и эмпирического риска. Построение классификатора, минимизирующего эмпирический риск.
  19. [12.5] Сходимость эмпирического риска к среднему риску для случая конечного множества решающих правил.
  20. [12.6] Функция роста класса решающих правил. Сходимость эмпирического риска к среднему риску для случая бесконечного множества решающих правил