相关试卷

1、下面Python程序段运行后输出（）
a=87

b=12

print(a,"-",b,"=",a-b)

A、a-b=75 B、a-b=a-b C、87-12=75 D、75

查看解析
2、下列Python语句运行结果是：（）
print(1+2==3)

A、程序报错 B、True C、3 D、1+2==3

查看解析
3、数据来源广泛，采集方式也多种多样。以下不属于数据采集过程的是（）

A、计算机服务器自动保存运行日志，方便故障排查、入侵检测 B、利用电子表格数据透表对比网店商品销售情况 C、企业网站调用中国天气网开放API（应用程序接口）获取天气数据 D、用红外测温枪测量体温

查看解析
4、计算机可以采用RGB来描述颜色。每个基本颜色用8bit表示，强度值为0到255。一般用十六进制值表示。如#FF0000表示红色（图1），#0000FF表示蓝色（图2），#FFFFFF表示白色(图3)。图4三基色强度如图所示，若用十六进制值应表示为（）

A、#C51BFF B、#4080FF C、#644DFF D、#ED40FF

查看解析
5、下列不涉及传感与控制技术的是（）

A、指纹开锁 B、扫地机器人 C、网上购物 D、智能手机声控拍照

查看解析
6、手机APP扫描共享单车上的二维码，就可解锁骑行。以下关于共享单车系统的描述不正确的是（）

A、共享单车停车落锁后，手机APP显示还车成功，体现了信息系统的输出功能 B、共享单车系统是典型的物联网系统，物联网系统与互联网无关 C、用手机APP扫描共享单车二维码的过程体现了信息系统的输入功能 D、共享单车的费用计算和行程记录体现了信息系统的处理和存储的功能

查看解析
7、目前社会各个领域都有信息技术的存在。以下关于信息技术的影响说法错误的是（）

A、信息技术使学习碎片化、电子化，会取代传统的知识获取方式 B、信息技术促进了传统产业的新旧动能转换 C、信息技术给我们的衣食住行等各方面带来了便利 D、信息技术在改善民生、社会服务方面发挥了巨大作用

查看解析
8、决策树是一种通过树形结构进行分类的人工智能预测模型，如根据图1所示“气象特点与游客是否来游乐场的关系”绘制的图2所示的决策树树形结构：

图1

图2

通过了解当天的是否有风、天气、温度和湿度这4个节点参数即可预测当天是否有人来游乐场。

不同的节点划分顺序可以绘制不同的决策树，为了选出最优的节点划分顺序，需要采用“信息熵”与“信息增益”指标。

信息熵，又称香农熵，被用来度量信息量的大小，信息熵越大表示信息量越大；

信息增益，表示样本经某节点划分后的信息熵变化大小。我们绘制决策树时应当逐次选择信息增益最大的节点作为当前节点。

对于有n个信息的样本D，记第k个信息发生的概率为，信息熵计算公式为E(D)=,

例如游乐场14个样本中“去”(9个)、“不去”(5个)，则信息熵==0.940

若样本按“是否有风”节点划分，“是”(6个，其中3个去，3个不去)信息熵==1；

“否”(8个，其中6个去，2个不去)信息熵==0.811；经过此节点划分后的信息增益=原始信息熵按此节点划分后样本信息熵比例和=0.940(0.811)=0.048。

(1)、该网络应用属于架构。（单选，填字母：A . B/S架构，B . C/S架构）

(2)、若待解密文本为“自息爱信也我己爱”，密钥为“2, 7, 1, 6, 4, 0, 3, 5”，则解密结果是。

(3)、实现该功能的python程序如下，请在划线处填入合适的代码：
from flask import render_template,request,Flask

import random

app=Flask(__name__) #创建应用实例

@app.route('/') #选择页面路由

def index():

    return render_template('')

#加密功能代码略，以下为解密代码：

@app.route('/jiemi1/',methods=["GET","POST"])

def jiemi1():

    wb=request.form["wb"] #利用request获取网页文本框内容，返回示例:“1,4,2,3,0”

keyo=request.form["key"] #变量wb存储密文，变量keyo存储密钥

    keyn=list(map(int,keyo.split(","))) #将字符串keyo转换为数值列表，示例：[1,4,2,3,0]

    result=""

    for i in range(len(keyn)):

        for j in range(len(keyn)):

            if :

                    break

        result+=wb[j]

    return render_template("jie.html",WB=wb,KEY=keyo,RESULT=result)

if __name__=="__main__":



(4)、根据上述描述与第16题图1，则“天气”节点中的“多云”信息熵是。

(5)、实现求首次划分节点的程序如下，请在划线处填入合适的代码：
def cal(lst):   #计算样本lst的信息熵

x,y,z=0,len(lst),0 #x表示该样本信息熵，y表示该样本数量，z表示某信息发生的概率

    num={}

    for i in lst:

        if i not in num:



        num[i]+=1

    for k in num:

        z=num[k]/y   #计算该信息发生的概率

        x-=z*log(z,2) #根据公式计算信息熵，log(b,a)等价于log_ab

    return x

def check(x,y):

#根据节点x，对样本y进行划分，返回示例：{'否': [1, 1, 0, 0, 1, 1, 1, 1], '是': [1, 1, 0, 1, 0, 0]}

dic={'是否有风': ['否', '否', '否', '否', '否', '否', '否', '否', '是', '是', '是', '是', '是', '是'],

'天气': ['多云', '多云', '晴', '晴', '晴', '雨', '雨', '雨', '多云', '多云', '晴', '晴', '雨', '雨'],

'温度': [28, 27, 29, 22, 21, 21, 20, 24, 18, 22, 26, 24, 18, 21],

'湿度': [78, 75, 85, 90, 68, 96, 80, 80, 65, 90, 88, 63, 70, 80],

'是否前往': [1, 1, 0, 0, 1, 1, 1, 1, 1, 1, 0, 1, 0, 0]}

xm=list(dic.keys())

entropy=cal(dic[xm[-1]]) #调用函数计算样本原始信息熵entropy

#计算各节点信息增益

m=0;p=""

col=xm[:-1]       #“是否前往”是结果项，不参与计算

for i in col:

    size=len(dic[i]);entropy_1=0

    zyb=  #调用函数对样本按照当前节点进行划分

    for j in zyb: #根据划分情况逐个求子样本信息熵并按比例累加

        entropy_1+=len(zyb[j])/size*cal(zyb[j])

    zy=entropy-entropy_1

    print(i,"的信息增益:",zy)

    if zy>m:   #计算最大信息增益与信息增益最大的节点

        m=zy



print("信息增益最大的节点：",p)

查看解析
9、某网站对信息进行加密解密，选择页面“index.html”如图1，加密页面“jia.html”如图2，解密页面“jie.html”如图3。在选择页面点击相应按钮，选择加密或解密。

图1

图2

图3

选择加密时，在明文文本框中输入明文，点击“加密”按钮，网页显示密文与对应的密钥。加密规则为打乱明文对应的索引作为密钥，再利用该索引逐个取明文字符连接成密文，例如：明文为“信息技术”，若被打乱的索引为[2,0,1,3]，则密文为“技信息术”，密钥为“2,0,1,3”

选择解密时，在密文文本框中输入密文，密钥文本框输入密钥，点击“解密”按钮，网页显示明文。

(1)、该网络应用属于架构。（单选，填字母：A . B/S架构，B . C/S架构）

(2)、若待解密文本为“自息爱信也我己爱”，密钥为“2, 7, 1, 6, 4, 0, 3, 5”，则解密结果是。

(3)、实现该功能的python程序如下，请在划线处填入合适的代码：
from flask import render_template,request,Flask

import random

app=Flask(__name__) #创建应用实例

@app.route('/') #选择页面路由

def index():

    return render_template('')

#加密功能代码略，以下为解密代码：

@app.route('/jiemi1/',methods=["GET","POST"])

def jiemi1():

wb=request.form["wb"] #利用request获取网页文本框内容，返回示例:“1,4,2,3,0”

keyo=request.form["key"] #变量wb存储密文，变量keyo存储密钥

    keyn=list(map(int,keyo.split(","))) #将字符串keyo转换为数值列表，示例：[1,4,2,3,0]

    result=""

for i in range(len(keyn)):

for j in range(len(keyn)):

if :

                    break

        result+=wb[j]

    return render_template("jie.html",WB=wb,KEY=keyo,RESULT=result)

if __name__=="__main__":



(4)、根据上述描述与图1，则“天气”节点中的“多云”信息熵是。

(5)、实现求首次划分节点的程序如下，请在划线处填入合适的代码：
def cal(lst): #计算样本lst的信息熵

x,y,z=0,len(lst),0 #x表示该样本信息熵，y表示该样本数量，z表示某信息发生的概率

    num={}

for i in lst:

if i not in num:



        num[i]+=1

for k in num:

        z=num[k]/y   #计算该信息发生的概率

x-=z*log(z,2) #根据公式计算信息熵，log(b,a)等价于log_ab

    return x

def check(x,y):

#根据节点x，对样本y进行划分，返回示例：{'否': [1, 1, 0, 0, 1, 1, 1, 1], '是': [1, 1, 0, 1, 0, 0]}

dic={'是否有风': ['否', '否', '否', '否', '否', '否', '否', '否', '是', '是', '是', '是', '是', '是'],

'天气': ['多云', '多云', '晴', '晴', '晴', '雨', '雨', '雨', '多云', '多云', '晴', '晴', '雨', '雨'],

'温度': [28, 27, 29, 22, 21, 21, 20, 24, 18, 22, 26, 24, 18, 21],

'湿度': [78, 75, 85, 90, 68, 96, 80, 80, 65, 90, 88, 63, 70, 80],

'是否前往': [1, 1, 0, 0, 1, 1, 1, 1, 1, 1, 0, 1, 0, 0]}

xm=list(dic.keys())

entropy=cal(dic[xm[-1]]) #调用函数计算样本原始信息熵entropy

#计算各节点信息增益

m=0;p=""

col=xm[:-1] #“是否前往”是结果项，不参与计算

for i in col:

size=len(dic[i]);entropy_1=0

    zyb=  #调用函数对样本按照当前节点进行划分

for j in zyb: #根据划分情况逐个求子样本信息熵并按比例累加

entropy_1+=len(zyb[j])/size*cal(zyb[j])

    zy=entropy-entropy_1

print(i,"的信息增益:",zy)

if zy>m: #计算最大信息增益与信息增益最大的节点

        m=zy



print("信息增益最大的节点：",p)

查看解析
10、小张同学为了更好地了解冬奥会，从网上收集了历届冬奥会各个项目比赛信息，收集到的部分数据如图1所示：

图1

图2

为分析数据，小张编写了如下程序：

import pandas as pd

import matplotlib.pyplot as plt

from matplotlib.pyplot import MultipleLocator

plt.rcParams['font.sans-serif']=['SimHei']       #正常显示中文标签

df=pd.read_csv("dongao.csv")

#删除所有未获得奖牌的记录,并将奖牌列中的"G"修改为"金牌"，"S"修改为"银牌"，"B"修改为"铜牌"

jp={'G':'金牌','S':'银牌','B':'铜牌'}

for i in df.index:

if     ①       :

        df=df.drop(i)

else:

        df.at[i,'奖牌']=jp[df.at[i,'奖牌']]

#对输入国家每届的奖牌数进行统计，并制作相应图表，如第14题图2所示：

nt=input("请输入国家名称：")

df1=df[df['国家']==nt]

df3=pd.DataFrame(df2) #将分组后数据生成新的二维结构，索引为“届次”，列标题为“奖牌”

x=df3.index

y=      ②

plt.title(nt+"历年冬奥会奖牌趋势图")

plt.       ③         (x,y)

plt.show()

(1)、在划线处填上合适的代码。
①②③

(2)、为了最后能显示某国历届冬奥会奖牌变化，需在加框处添加的语句为(     )（多选）

A、df2=df1.groupby('奖牌')
df2=df1.届次.count()
B、df2=df1.groupby('届次')
df2=df2['奖牌'].count()
C、df2=df1.groupby('奖牌')['届次’].count() D、df2=df1.groupby('届次').奖牌.count()

查看解析
11、小墩和小融打乒乓球，利用Micro:bit主板的 LED 阵列实时显示比分情况（如图1所示，2个方框分别表示小墩和小融比分区，每个亮点表示1分），并在BXY Python Editor软件的串口中实时输出对局输赢情况（如图2所示）。

图1

图2

操作步骤：小墩得1分，按下Micro:bit主板的按钮A，左侧比分区亮点加1；小融得1分，按下按钮B，右侧比分区亮点加1。一局比赛初始比分为0:0，每一局中先达到10分的选手可以赢得该局。

(1)、实现上述功能的程序代码如下，请在划线处填入合适的代码：
from microbit import *

def bf(x,y):

    #在led板上显示比分情况，代码略

m=0;n=0 #m表示小墩得分，n表示小融得分

while True:

    if button_a.is_pressed():   #若按钮A被按下，则小墩得1分

        m+=1

    elif button_b.is_pressed(): #若按钮B被按下，则小融得1分

        n+=1

    if :

        if m>n:

            print("第",i,"局：小墩赢，比分：",m,":",n)

        else:

            print("第",i,"局：小融赢，比分：",m,":",n)

        i+=1;m,n=0,0

    bf(m,n)

    sleep(200) #设置程序运行间隔为200毫秒

(2)、根据上述程序，下列比分情况不可能出现的是（   ）。

A、 B、 C、 D、

查看解析
12、有如下python程序段：
from random import randint

n=input("请输入一串数字：")

k=randint(0,len(n))       #randint用于随机生成[0,len(n)]之间的整数

for i in range(k):

    for j in range(len(n)-1):

        if n[j]>n[j+1]:

            break

    else:

        n=n[:len(n)-1]

        continue     #continue跳过当前循环的剩余语句，直接进行下一轮循环

    n=n[:j]+n[j+1:]

执行该程序段后，输入“1529”，则变量n可能是（     ）

A、"9" B、"12" C、"152" D、"1259"

查看解析
13、有如下python程序段：
n="p4y2t3h1o9n4";p=""

for i in n:

    if "0"<=i<="9":

        if p=="":

            p+=i

        elif i>=p[-1]:

            p+=i

        elif i<p[0]:

            p=i

执行该程序段后，则p的值是（     ）

A、"239" B、"14" C、"19" D、"4"

查看解析
14、某些数据中存在“数字山峰”，例如数据“21432748”中存在“1432”、“274”两座“数字山峰”(必须包含上坡与下坡)，下面程序用于求数据中“数字山峰”的数量：
num=input("请输入数字串：");c=0

for i in range(1,len(num)):

    if and f==False:

        f=True

    elif and f==True:

        c=c+1

        f=False

print("有",c,"座数字山峰")

方框(1)(2)(3)的代码由以下部分组成：

①f=True         ②f=False        ③num[i-1]>num[i]           ④num[i-1]<num[i]

下列选项中代码顺序正确的是（     ）

A、①③④ B、①④③ C、②③④ D、②④③

查看解析
15、已知x="苹果, 50"，y=["苹果",50]，z={"苹果":50}，下列python表达式的值为True，正确的是（）

A、x[-4::-1]==y[0] B、x[3:5]==y[1] C、y[1] in z D、z[y[0]]==50

查看解析
16、根据下图所示流程图，请回答下面小题。

(1)、下列说法正确的是（）

A、此算法中包含2个分支结构 B、循环结束时变量i的值为30 C、判断语句“i≤30”将被执行30次 D、执行该流程图后，输出的值为2

(2)、虚线框处可以合并为一个条件表达式，下列表达式中符合该条件的是（）

A、i//3==0 or i//5!=0 B、i%3==0 or i%5!=0 C、i//3==0 and i//5!=0 D、i%3==0 and i%5!=0

查看解析
17、从文字输入、语音识别、图像识别到“刷指纹”、“刷脸”，人类信息的输入模式在发生革命性的变化。请回答下面小题。

(1)、下列有关信息编码的说法，不正确的是（）

A、自然界中的文字、图像、语音等属于模拟信号 B、虽然人类信息的输入模式不同，但在计算机中存储一定使用二进制编码 C、输入一段相同的文字，可以采用不同的输入码 D、语音输入时，使用者声音越大，此条语音的容量越大

(2)、下列关于“信息输入模式变革”的说法，正确的是（）

A、信息系统硬件的发展促进了信息输入模式的变化 B、“刷指纹”、“刷脸”只适用于移动终端设备 C、不同的信息输入模式利用了相同的传感器 D、任意一种输入模式都必须在联网的状态下使用

查看解析
18、 2022年的北京冬奥会，我国取得了历史最好成绩，人工智能技术也以科技手段助运动员们一臂之力。研究团队利用基于深度学习原理的人工智能技术，建立神经网络模型，实现对动作视频中人体关节点的计算机自动识别，进而建立起适用于竞技体育和一般生物力学研究的计算机系统——无反光点人体运动自动捕捉人工智能系统。目前该系统已应用在国家速度滑冰和越野滑雪项目的训练中，获得超过8000人次的赛时动作技术数据，使机器深度学习越发“得心应手”，对于滑冰与滑雪运动员的动作捕捉与技术分析，既能精准到具体细节，又能快速反馈分析结果。
请回答下面小题。

(1)、根据以上描述，下列说法不正确的是（）

A、随着获取的动作数据逐渐增加，该技术对于数据的反馈会更有效 B、该技术主要体现动作与结果的关系，说明大数据更注重事物之间的相关性 C、该技术捕捉到的每一个数据都来自于真实数据，体现了大数据价值密度高的特点 D、能根据动作自动捕捉进行分析，并快速反馈分析结果，体现了大数据速度快的特点

(2)、根据以上描述，人工智能技术助力运动员主要基于以下哪种方法( )

A、符号主义 B、联结主义 C、行为主义 D、建构主义

查看解析
19、有关某“无人超市”的信息系统结构图如第1题图所示，请回答下面小题。

(1)、下列有关“无人超市”的说法，正确的是（）

A、系统通过入口处刷脸获得的特征值属于个人一般信息 B、零购物码和出门二维码使用后失效，体现了信息的时效性 C、系统自动对用户数据进行加密是为了提高数据的完整性 D、存储在系统数据库中的海量用户信息属于大数据

(2)、下列对“无人超市”信息系统的功能描述，不正确的是（）

A、录制用户付款视频和离开时的影像属于信息系统的收集功能 B、识别到注册用户立刻开门属于信息系统的传输功能 C、使用POS机自助付款属于信息系统的存储功能 D、打印小票、出门二维码属于信息系统的输出功能

查看解析
20、某信息仅包含大写字母，字符数不超过n*n（n*n 为密钥矩阵规模，n<0），加密过程如下：
图 a

图 b

根据上述加密算法编写解密程序。程序在启动时读取密钥矩阵存入列表a中，根据程序提示，输入密文，然后显示明文。运行界面如下图 c所示。

图 c

(1)、输入的密文是“8,1,23,2,17,3,33,4，”，则原文是（密钥矩阵按图 a 中的密钥矩阵）

(2)、实现上述算法的 Python 程序如下，请在划线处填入合适的代码。
def getmm(x,n):

col = (x-1) % n

row = (x-1) //n

getmm = a[col*n+row]

if row % 2 == 1:

    getmm =

return getmm n = 3

#存储密文数据，偶数位存储加密值，奇数位存储该数据在原文中的位置

#生成规模为 n*n 的密钥矩阵存入列表 a 中

mw=[]

a=[]

for i in range(n*n):

    a.append(i+1)

    p=input("请输入密文：")      #2,1,6,2,10,3,12,4,10,5, t=0

    k=0

for i in range(len(p)):

c=p[i]

if c!=",":

t=t*10+int(c)

else:

mw.append(t)

t=0 print("原文为：",end="")

yw=[]

for i in range(k//2):             #对密文解密，结果存入列表 yw 中

yw.append(mw[2*i]-getmm(mw[2*i+1],n))

s=""

for i in range(k//2):

s=s+                  #转换为字母输出

print(s)

查看解析

上一页 382 383 384 385 386 下一页跳转