答案：A
解析：正确
A. 常量
B. 变量
C. 并行性
D. 串行性
解析：见算法解析
解析：有一个线性阈值限制神经网络就会使它成为一个相应的线性变换函数
A. 信息增益与训练数据集的信息熵之比
B. 信息增益与训练数据集的经验熵之比
C. 信息增益与训练数据集的条件熵之比
D. 信息增益与训练数据集的交叉熵之比
解析：当熵和条件熵中的概率由数据估计（特别是极大似然估计）得到时，所对应的熵与条件熵分别称为经验熵（empirical entropy）和经验条件熵（empirical conditional entropy）。
A. 支持向量机SVM
B. 深度残差网络
C. 卷积神经网络CNN
D. 循环神经网络RNN
解析：支持向量机SVM属于统计学习
A. 主成分分析的目的是寻找少数几个主成分代表原来的多个指标；
B. 各主成分是原来指标的线性函数
C. 所确定的几个主成分之间是互不相关的；
D. 使用主成分分析方法的前提是原来的多个指标之间是相关的
解析：见算法解析
A. 图像整体亮度
B. 图像饱和度
C. 图像对比度
D. 图像细节
E.
F.
G.
H.
I.
J.
解析：本题考察了图像处理中灰度方差的含义，正确答案为C。方差是描述一组数据分布情况的一种统计量，表示各个数据点离均值的距离的平方的平均值。在图像处理中，灰度方差是图像灰度级的方差，它反映了灰度级分布的离散程度，描述了图像的对比度。如果灰度方差较大，则表示图像中同一区域像素灰度值的差异较大，图像的对比度会比较明显；反之，如果灰度方差较小，则表示图像中同一区域像素灰度值的差异较小，图像的对比度会比较弱。因此，选项C“图像对比度”为正确答案，而选项A、B、D分别描述了不同的图像属性，与灰度方差的含义不相符。
A. R-CNN
B. VGG
C. YOLO
D. LeNet
解析：VGG算法与LeNet算法都属于图像分类算法
A. 数据仓库随时间的变化不断增加新的数据内容;
B. 捕捉到的新数据会覆盖原来的快照;
C. 数据仓库随事件变化不断删去旧的数据内容;
D. 数据仓库中包含大量的综合数据,这些综合数据会随着时间的变化不断地进行重新综合.
