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）
