人工智慧概述練習七
关于
1年前
更新
42
频次
13
题目数
分享
有问题？问问AI帮你修改 改主题：如咖啡问卷改为奶茶问卷
人工智慧概述練習七
請準時完成！
Q1:班级
填空1
Q2:学号
填空1
Q3:姓名
填空1
Q4:1、聚類是一種：
無監督學習的方法
監督學習的方法
半監督學習的方法
圖像特征提取的方法
Q5:2、通過分析數據在特征空間的聚集情況，將一組數據分成不同的類，稱為
聚類
類聚
聚集
集合
Q6:3、聚類旨在把一群樣本分為多個集合，使得集合內的元素盡量
相似或相近
相同
具備所有的特征
具有多種不同的元素
Q7:4、檢測樣本的數值越是靠近聚類中心，即它與該類越：
相似
有更多的不同特征
難判斷它的種類
需要重新輸入數據
Q8:5、K 均值聚類第一步是選取K個樣本，作為：
每一個類別的初始聚類中心
特征向量
K個分類的結果
分類得分常數
Q9:6、K 均值聚類第二步是將每一個樣本劃分給最近的聚類中心對應的類別，得到
新的劃分方式
分類的結果
同類的數量值
K類的分類分數值
Q10:7、K 均值聚類重覆重新劃分和重新計算聚類中心，直到聚類中心和劃分方式：
不再發生變化
符合雙流卷積神經網絡的標準
剩下一個類
劃出K個不同的類
Q11:8、人臉檢測後的處理步驟為：
人臉轉正 => 特征提取 => 人臉聚類
人臉轉正 => 人臉聚類 => 特征提取
特征提取 => 人臉轉正 => 人臉聚類
人臉聚類 => 特征提取 => 人臉轉正
Q12:9、層次聚類是重覆合拼最相似的兩個類，直至：
類別間的距離超過截止距離
合拼至只有兩類
類別間的距離相等
類別分層得到明顯的均值
Q13:10、層次分類的截止距離越小，理論上能分到的類越：
多
小
數量平均
誤差越大
联系我们
在线客服
客服专线 4006-700-778
客服邮箱 wenjuan@idiaoyan.com
问卷网公众号