(NEW)對外經(jīng)濟貿(mào)易大學(xué)信息學(xué)院843歷年考研真題匯編

(NEW)對外經(jīng)濟貿(mào)易大學(xué)信息學(xué)院843歷年考研真題匯編對外經(jīng)濟貿(mào)易大學(xué)信息學(xué)院843專業(yè)是該學(xué)院的一門研究生專業(yè)，以下是該專業(yè)歷年考研真題的匯編和相關(guān)參考答案，供大家參考。

1.2015年真題

（1）請簡述圖像的直方圖均衡化方法，并給出其基本過程。

參考答案：

圖像直方圖均衡化是一種用于增強圖像對比度的方法，基本過程如下：

1）統(tǒng)計圖像灰度級別的頻率分布，獲得原始圖像的直方圖。

2）計算累計灰度頻率，將原始圖像的直方圖進行歸一化。

3）根據(jù)歸一化后的直方圖，計算每個灰度級別的映射函數(shù)。

4）利用映射函數(shù)將原始圖像中的每個像素點的灰度值進行映射，得到均衡化后的圖像。

（2）請簡述支持向量機（SVM）的原理和基本步驟。

參考答案：

支持向量機（SVM）是一種常用的機器學(xué)習(xí)方法，其原理和基本步驟如下：

1）SVM的原理是將低維數(shù)據(jù)通過非線性映射轉(zhuǎn)化為高維特征空間，然后在高維空間中尋找一個最優(yōu)的超平面，將不同類別的樣本分開。

2）基本步驟包括：選擇合適的核函數(shù)和懲罰項，構(gòu)建最優(yōu)化問題；通過拉格朗日對偶方法將最優(yōu)化問題轉(zhuǎn)化為對偶問題；求解對偶問題，得到支持向量和超平面參數(shù)；通過求解對偶問題的解，根據(jù)定義劃分樣本。

2.2016年真題

（1）請簡述Logistic回歸模型的基本原理和應(yīng)用場景。

參考答案：

Logistic回歸模型是一種常用的分類模型，基本原理和應(yīng)用場景如下：

1）Logistic回歸模型利用Logistic函數(shù)對輸入變量和輸出變量之間的關(guān)系進行建模，將輸出變量的取值限定在0和1之間，可用于二分類問題。

2）應(yīng)用場景包括：金融風(fēng)險評估、疾病預(yù)測、信用評級等需要對樣本進行分類的問題。

（2）請簡述貝葉斯分類器的原理和基本步驟。

參考答案：

貝葉斯分類器是一種常用的分類模型，原理和基本步驟如下：

1）貝葉斯分類器基于貝葉斯定理，在已知輸入變量和輸出變量的條件下，通過計算后驗概率得到最優(yōu)的分類結(jié)果。

2）基本步驟包括：建立條件概率模型，即計算類別條件概率以及先驗概率；基于貝葉斯定理計算后驗概率；根據(jù)后驗概率選擇最優(yōu)的分類結(jié)果。

3.2017年真題

（1）請分別從準確性、召回率和F1值三個角度詳細介紹評價指標。

參考答案：

評價指標是用來度量模型性能的指標，從準確性、召回率和F1值三個角度進行詳細介紹如下：

1）準確性是指模型給出的預(yù)測結(jié)果與實際結(jié)果一致的程度，計算公式為：準確性=(預(yù)測正確的樣本數(shù))/(總樣本數(shù))。

2）召回率是指模型正確預(yù)測為正樣本的樣本數(shù)在實際正樣本數(shù)中所占的比例，計算公式為：召回率=(真陽性)/(真陽性+假陰性)。

3）F1值是準確性和召回率的調(diào)和平均值，可以綜合考慮模型的預(yù)測能力和判別能力，計算公式為：F1值=2*(準確性*召回率)/(準確性+召回率)。

（2）請簡述主成分分析（PCA）的原理和基本步驟。

參考答案：

主成分分析（PCA）是一種常用的降維方法，原理和基本步驟如下：

1）PCA通過線性變換將高維數(shù)據(jù)映射到低維空間，保留主要的數(shù)據(jù)信息。

2）基本步驟包括：對原始數(shù)據(jù)進行標準化處理；計算協(xié)方差矩陣；對協(xié)方差矩陣進行特征值分解，得到特征向量和特征值；選擇主要成分，將數(shù)據(jù)映射到低維空間。

以上是對外經(jīng)濟貿(mào)易大學(xué)信息學(xué)院843專業(yè)歷年考研真題的匯編