選擇題知識點：
大津法（ostu演算法）閾值分割中，閾值自動選擇的思路是：
c：最大化類間方差法選擇閾值
解析：大津法(otsu)是一種確定影象分割閾值的演算法，由日本學者大津於2023年提出；原理上來講，該方法又稱作最大類間方差法，有時也稱之為大津演算法；其按照大津法求得的閾值進行影象二值化分割後，前景與背景影象的類間方差最大；其被認為是影象分割中閾值選取的最佳演算法，計算簡單，不受影象亮度和對比度的影響，因此在數字影象處理上得到了廣泛的應用。
關於矩陣的廣義逆，下列表述不正確的是
a. 若矩陣a的廣義逆為b，則a*b*a=a，b*a*b=b
b. 若矩陣a的廣義逆為b，則a*b和b*a都是對稱陣。
c. 矩陣a一定存在確定唯一的廣義逆。
d. 矩陣a可能不存在廣義逆。
正確答案：d
解析：矩陣的廣義逆存在且唯一。
支援向量機可以分為：
線性可分支援向量機，線性支援向量機和非線性支援向量機。
下列關於核函式的表述正確的是______
a. 核函式即特徵的對映關係。
b. 多項式核函式只是將原始特徵對映，並沒有公升維
c. 高斯核函式將特徵對映到無窮維
d. 使用線性核函式的svm是非線性分類器
正確答案：c
解析：a.核函式即特徵的對映關係。通俗理解：核函式和對映沒有關係，核函式只是用來計算對映到高維空間之後的內積的一種簡便方法。核函式本質上是對應於高維空間中的內積的，從而與生成高維空間的特徵對映一一對應。
b.多項式核函式只是將原始特徵對映，並沒有公升維，多項式核函式可以將原始維度對映到高維，高斯核函式可以將原始維度對映到無窮維。
c.高斯核函式將特徵對映到無窮維，對於x1和x2的內積計算時用到了泰勒級數展開，即高斯核將資料對映到無窮高的維度。
下列哪項不是svm的優勢_____
a. 可以和核函式結合
b. 通過調參可以往往可以得到很好的分類效果
c. 訓練速度快
d. 泛化能力好
正確答案：c
以下演算法中未用到貪心演算法思想的是？
a. 迪傑斯特拉(dijkstra)
b. 庫魯斯卡爾(kruskal)
c. 普里姆演算法(prim)
d. kmp
正確答案：d
解析：迪傑斯特拉(dijkstra)貪心策略是每次選可達的點中距離源點最近的點進行擴充套件，即貪心選取最短距離的點
庫魯斯卡爾(kruskal)
貪心策略是每次選最短的邊（刨除成環的邊）來作為最小生成樹，即貪心最短邊
普里姆演算法(prim)
貪心策略是每次選可達的點中距離曾經擴充套件過的點中任意點的最短距離，類似dij，只是不是找距離源點的最短距離
kmp貪心策略0.0 不是貪心
是動態規劃，動態規劃的是當前狀態失敗之後上一次匹配的位置（求的是最長的與字首子串匹配的左子串）
計算機視覺 深度學習基礎
與神經網路的區別 傳統一般三層以內，深度可達上千層 傳統通常是全連線，深度形式多樣 共享權值，跨層的反饋等 目標函式 均方誤差 交叉熵 交叉熵能在深度學習模型下快速提高精度 為了避免交叉熵出現0，使用softmax層來突出最大值並轉換成概率 激勵函式 sigmoid relu 當神經元一層層疊加之後...
計算機視覺與深度學習公司
深度學習是大資料下最熱門的趨勢之一。上乙個十年是網際網路的時代，下乙個十年將是人工智慧的時代。國內已經產生大量的人工智慧公司，分布在不同的領域。2016年是人工智慧的元年，2017年將迎來 人工智慧 的春天。未來幾年也是人工智慧在金融 醫療 教育等大資料行業以及感知互動領域全面滲透的時期，我們正迎來...
深度學習用於計算機視覺
密集連線層 精度97.8 卷積神經網路 99.3 兩者的區別在於 dense層從特徵空間學到的是全域性模式，而卷積層學到時是區域性模式 1 卷積神經網路學到的模式具有平移不變性 視覺世界根本上來說就具有平移不變性 即在影象右下角學到某個模式後可以在任何地方識別這個模式。對於密集連線網路來說如果出現在...