朴素贝叶斯分类器是在特征独立性上对模式识别问题的类条件概率分布做了简化。

A、朴素贝叶斯分类器的变量必须是非连续性变量。

B、朴素贝叶斯模型分类时需要计算属于各种类别的概率，取其中概率最大的类别最为分类预测值。

C、朴素贝叶斯模型中的特征和类别变量之间也要相互独立。

D、朴素贝叶斯分类器对于小样本数据集效果不如决策树好。

A、监督模式识别需要训练样本

B、非监督模式识别对样本的分类结果是唯一的

C、监督模式识别需要设计分类器

D、非监督模式识别是根据样本之间的相似性进行分类的

A、人类的日常活动中包含很多模式识别的活动.

B、模式可以看作对象的组成成分或影响因素间存在的规律性关系

C、模式识别研究的问题就是如何通过机器实现样本的特征提取

D、对外界事物完成分类的过程也就完成了识别的过程

A、贝叶斯网络结构可以由机器自动完成。

B、贝叶斯网络的搭建需要考虑变量之间的因果关系，这是贝叶斯网络推理的基础。

C、作为一种监督学习算法，贝叶斯网络也需要大量的样本分析变量之间的概率。

D、贝叶斯网络的推理只能由原因变量，计算其联合概率，推出目标（分类）变量的条件概率，而不能由目标变量推出原因变量的可能性。

A、最常用的方法是统计模式识别法，这是一种统计处理数据；

B、可以根据二元化合物的键参数（离子半径、元素电负性、原子的价径比等）对化合物进行分类；预报化合物的性质。

C、模式识别广泛用于最优化设计；

D、可以根据物性数据设计新的功能材料。