A、K均值丢弃被它识别为噪声的对象,而DBSCAN一般聚类所有对象
B、K均值使用簇的基于原型的概念,而DBSCAN使用基于密度的概念
C、K均值很难处理非球形的簇和不同大小的簇,DBSCAN可以处理不同大小和不同形状的簇
D、K均值可以发现不是明显分离的簇,即便簇有重叠也可以发现,但是DBSCAN会合并有重叠的簇
答案:A
A、K均值丢弃被它识别为噪声的对象,而DBSCAN一般聚类所有对象
B、K均值使用簇的基于原型的概念,而DBSCAN使用基于密度的概念
C、K均值很难处理非球形的簇和不同大小的簇,DBSCAN可以处理不同大小和不同形状的簇
D、K均值可以发现不是明显分离的簇,即便簇有重叠也可以发现,但是DBSCAN会合并有重叠的簇
答案:A
A. 步态识别
B. 声纹识别
C. 文本识别
D. 虹膜识别
解析:生物特征识别技术,是指通过计算机利用人体所固有的生理特征(指纹、虹膜、面相、DNA等)或行为特征(步态、击键习惯等)来进行个人身份鉴定的技术。步态识别、人脸识别、虹膜识别运用的都是生物特征,文本识别不属于生物特征识别。答案选C
A. 防止模型欠拟合而加在损失函数后面的一项
B. L1范数符合拉普拉斯分布,是完全可微的
C. L1正则化项是模型各个参数的平方和的开方值
D. L1正则化可以产生稀疏权值矩阵,即产生一个稀疏模型,可以用于特征选择
解析:A、防止模型过拟合而加在损失函数后面的一项;B、L1范数符合拉普拉斯分布,是不完全可微的;C、L2正则化项是模型各个参数的平方和的开方值。
A. 贝叶斯网
B. 拉普拉斯网
C. 帕斯卡网
D. 塞缪尔网
解析:见算法解析
A. K均值丢弃被它识别为噪声的对象,而DBSCAN一般聚类所有对象
B. K均值使用簇的基于原型的概念,而DBSCAN使用基于密度的概念
C. K均值很难处理非球形的簇和不同大小的簇,DBSCAN可以处理不同大小和不同形状的簇
D. K均值可以发现不是明显分离的簇,即便簇有重叠也可以发现,但是DBSCAN会合并有重叠的簇
A. 数据规模大
B. 数据类型多样
C. 数据处理速度快
D. 数据价值密度高
A. 计算速度快
B. 节省空间
C. 无冗余
D. 高吞吐量
解析:现阶段的人工智能仍处于弱人工智能阶段
A. 超平面
B. 分离间隔
C. 分离曲线
D. 分离平面
解析:SVM的基本思想是间隔最大化来得到最优分离超平面
A. 人脸识别
B. 相册自动分类
C. 医学领域图像识别
D. 交通场景识别
E. 图像检索
A. A创造性地做事(CreativeWorking)
B. 仔细地总结(CarefulConclusion)
C. 批判性地思考(CriticalThinking)
D. 好奇性地提出问题(CuriousAsking)