答案：A
解析：P12
A. 广度优先搜索
B. 深度优先搜索
C. 有界深度优先搜索
D. 启发式搜索
解析：广度优先搜索会根据离起点的距离，按照从近到远的顺序对各节点进行搜索。而深度优先搜索会沿着一条路径不断往下搜索直到不能再继续为止，然后再折返，开始搜索下一条路径。广度优先搜索可以找出节点的最短路径，即可以解决最短路径问题。有界深度优先搜索为了解决深度有限搜索误入无穷分支，定出一个深度界限，在找寻达到这一深度界限而且还没有找到目标时，即返回重找。启发式搜索是利用问题拥有的启发信息来引导搜索，达到减少搜索范围、降低问题复杂度的目的，可以消除组合爆炸，并得到令人能接受的解(通常并不一定是最佳解)。所以如果存在最优解，广度优先搜索必然可以得到最优解，答案选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
A. 数据库即服务
B. 虚拟服务
C. 弹性计算
D. 按需服务
A. 对
$;$错
A. 负梯度方向是使函数值下降最快的方向
B. 当目标函数是凸函数时，梯度下降法的解是全局最优解
C. 梯度下降法比牛顿发收敛速度快
D. 梯度下降法需要确定合适的迭代步长
解析：牛顿法需要二阶求导，梯度下降法只需一阶，因此牛顿法比梯度下
降法更快收敛。
A. 图像复原
B. 图像分割
C. 图像分析
D. A、B和C
A. 物联网
B. 大数据
C. 云计算技术
D. 以上都是
解析：物联网、大数据、云计算技术都是为人工智能技术的发展提供了其所需要的关键要素
A. 核函数即特征的映射关系
B. 多项式核函数只是将原始特征映射，并没有升维
C. 高斯核函数将特征映射到无穷维
D. 使用线性核函数的SVM是非线性分类器
解析：高斯核函数将特征映射到无穷维
A. 分箱
B. 数据调整
C. 数据清理
D. 数据重新编码
