A.分枝定界法的计算量与具体问题和数据有关。
B.分枝定界法也是一种特征选择的最优算法。
C.分枝定界法是一种自顶向下的方法，没有回溯的过程。
D.分枝定界法是一种自顶向下的方法，具有回溯的过程。

A.基于类内类间距离的可分性判据的值越小，说明可分离性越好。
B.当各类的协方差矩阵相差很大时，采用基于类内类间距离的可分性判据的效果会好一些。
C.基于类内类间距离的可分性判据的值越大，说明可分离性越好。
D.当各类的协方差矩阵相差很小时，采用基于类内类间距离的可分性判据的效果会好一些。

A.在不影响分类效果的前提下，特征越少越有利于分类。
B.在分类时，特征越多越有利于分类。
C.特征选择不仅可以降低特征空间的维度，还可以消除特征之间的相关性。
D.在特征选择中，有两个很重要的方面，一个是特征的评价准则，另外一个是特征的寻优算法。

A.最小平方误差判别方法中的准则函数是误差长度的平方和
B.在最小平方误差判别中可以使用梯度下降法来求解
C.最小平方误差判别方法适用于线性可分与线性不可分的情况
D.最小平方误差判别方法就是寻找使误差长度的平方和最大的权值

A.寻优算法
B.参数的类型
C.准则函数的形式
D.判别函数的类型

A.在最大似然函数估计中，要估计的参数是一个随机量。
B.最大似然估计是在已知概率密度函数的形式，但是参数未知的情况下，利用训练样本来估计未知参数。
C.在最大似然估计中要求各个样本必须是独立抽取的。
D.在最大似然函数估计中，要估计的参数是一个确定的量。