A、K-Means聚类法对噪声和离群点敏感
B、K-Means聚类法对变量的要求比较高
C、由K-Means聚类法得到的聚类结果，轮廓系数都不是很大。
D、应用K-Means聚类法需要预先设定聚类个数
答案：ABD
解析：k均值聚类算法（k-means clustering algorithm）是一种迭代求解的聚类分析算法，其步骤是，预将数据分为K组，则随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。每分配一个样本，聚类的聚类中心会根据聚类中现有的对象被重新计算。
A、K-Means聚类法对噪声和离群点敏感
B、K-Means聚类法对变量的要求比较高
C、由K-Means聚类法得到的聚类结果，轮廓系数都不是很大。
D、应用K-Means聚类法需要预先设定聚类个数
答案：ABD
解析：k均值聚类算法（k-means clustering algorithm）是一种迭代求解的聚类分析算法，其步骤是，预将数据分为K组，则随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。每分配一个样本，聚类的聚类中心会根据聚类中现有的对象被重新计算。
A. 具有局部感受野
B. 对事物不同部分的观察之间能实现参数共享
C. 可有效捕捉序列化数据的特征
D. 操作复杂度与输入尺寸无关
A. 无偏性
B. 一致的
C. 有效的
D. 随机性
A. 规范监督学习
B. 无监督学习
C. 半监督学习
D. 神经网络学习
解析：机器学习标准分为规范监督学习、无监督学习、半监督学习、集成学习、深度学习和强化学习等不同类型的模型、训练数据、知识库、表达和评价。
A. 实体
B. 算法
C. 数据
D. 对象
解析：主要应用
解析：符号AI是人工智能的正统
A. 通用类芯片（比如CPU和GPU）
B. 基于FPGA的半定制化芯片
C. 全定制化ASIC芯片
D. 类脑计算芯片
解析：基础概念
A. 机器学习
B. 模式聚类
C. 自然语言处理
D. 语义分析
解析：主要应用
A. ARP
B. NFS
C. DHCP
D. DNS
解析：解析：DHCP(Dynamic Host Configuration Protocol) 动态主机配置协议，位于应用层。当某主机尚未分配IP地址并且被设置为动态获取方式时，DHCP服务器就会根据DHCP协议给作为DHCP客户端的这台主机分配IP，使得主机能够利用这个IP上网
