有两类样本集：

使用Fisher线性判别方法给出这两类样本的分类面。

有两类样本集：

用K-L变换求其二维特征空间，并求出其特征空间的坐标轴。

假设在某个地区细胞识别中正常（w₁）和异常（w₂）两类先验概率分别为P（w₁）=0.8，P（w₂）=0.2，现有一待识别的细胞，其观察值为x，从类条件概率密度分布曲线上查得P（x/w₁）=0.25，P（x/w₂）=0.6，并且已知λ₁₁=0，λ₁₂=6，λ₂₁=1，λ₂₂=0。请分析两种结果的异同及原因。

假设在某个地区细胞识别中正常（w₁）和异常（w₂）两类先验概率分别为P（w₁）=0.8，P（w₂）=0.2，现有一待识别的细胞，其观察值为x，从类条件概率密度分布曲线上查得P（x/w₁）=0.25，P（x/w₂）=0.6，并且已知λ₁₁=0，λ₁₂=6，λ₂₁=1，λ₂₂=0。试对该细胞x基于最小风险的贝叶斯决策方法进行分类。

假设在某个地区细胞识别中正常（w₁）和异常（w₂）两类先验概率分别为P（w₁）=0.8，P（w₂）=0.2，现有一待识别的细胞，其观察值为x，从类条件概率密度分布曲线上查得P（x/w₁）=0.25，P（x/w₂）=0.6，并且已知λ₁₁=0，λ₁₂=6，λ₂₁=1，λ₂₂=0。试对该细胞x基于最小错误率的贝叶斯决策方法进行分类。

已知两个一维模式类别的类概率密度函数为：

判断样本x1=1.35，x2=1.45，x3=1.55，x4=1.65各属于哪一类别。

已知两个一维模式类别的类概率密度函数为：

求总错误概率P（e）

已知两个一维模式类别的类概率密度函数为：

求0-1代价Bayes判决函数

已知一组数据的协方差矩阵为，试问：

为什么说经主分量分析后，消除了各分量之间的相关性。