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