合肥工业大学人工智能2009-+-2010-+-2011级考卷-+-答案

第14页合肥工业大学2009年人工智能试卷答案首先，选择填空(在每个问题下面提供的多个答案中，为每个位置选择正确答案，每个空格1分，总共40分)1.智能科学研究B和C是由E、G、J等学科组成的交叉学科。A.思维基础理论b .智能基础理论c .实现技术d .基本形式e .脑科学F.形象思维g认知科学h抽象思维I感性思维j人工智能k灵感思维2.深度优先搜索属于A，搜索原则是深度越高，D生成的节点优先级越高.深度搜索是h。A.盲目搜索b .启发式搜索c .大d .晚e .小f .早g .完成h .不完整3.人工智能中的象征在认知层面上是A，在解决层面上是C，在处理层面上是E，在操作层面上是G，在系统层面上是K。A.离散b .连续c .自下而上d .自上而下e .串行f .并行G.推理h .映射I .交互j .分布k .局部性4.ID3算法属于C，基于解释的学习属于B，关联分析属于A，SVM属于GA.发现学习b .分析学习c .归纳学习d .遗传学习e .联系学习F.强化学习g .统计学习5.封闭世界假说(CWA)属于B，D-S证据理论属于D，限制性逻辑属于BA.解决原则b .非单调推理c .定性推理d .不确定推理6.在不确定性理论中，D不需要任何先验知识(或信息)，B和C有处理不精确和不确定数据的方法，而A用概率来表示所有形式的不确定性。A.贝叶斯理论b .模糊集理论c .证据理论d .粗糙集7.SVM基于B和C原理，在解决F、I和A模式识别方面有许多独特的优势。A.高维度风险投资维度最小结构风险最小经验风险E.最小置信风险f小样本g大样本h线性I非线性8.人工神经网络是典型的B语言，其特点主要表现在以D模式存储信息、以F模式处理信息、自组织和自学习能力。神经网络可以分为四类。著名的霍普菲尔德网络属于j类A.符号智能计算智能集中分布串行并行G.分层前向网络h .反馈前向网络I .互连前向网络j .扩展互连网络9.在遗传算法中，复制操作用于模拟B，交叉操作用于模拟C，变异操作用于模拟aA.基因突变b .适者生存c .繁殖现象10.群体智能的思想来源于B和d的研究，F是群体智能领域最著名的算法。Agent多agent系统b .复杂适应系统理论c .进化计算d .人工生命E.AFSA第二，将下列句子形式化(每个问题5分，共10分)例1:他又高又胖。让P表示“他很高”，Q表示“他很胖”，所以可以表示为PQ例2:任何金属都可以溶解在液体中P(x)表示x是金属，Q(x)表示x是液体，R(x，y)表示x可以溶解在y中。该语句的形式如下：他个子矮或者不太胖是不对的。让p表示“他很高”，q表示“他很胖”(PQ)2.所有实数的大小都可以比较在P(x)中，x是一个实数，Q(x，y) x和y可以在大小上进行比较，该语句的形式如下：3.使用广度优先搜索解决以下八个数字问题，并给出一个广度优先搜索树(10分)。四、简答题(每题10分)1.模糊集理论、贝叶斯网络和粗糙集理论在不确定知识和推理研究中的特点是什么？模糊集合论利用模糊隶属度来表达自然界中的模糊现象，并通过研究集合与元素之间的关系来研究不确定性。它广泛应用于专家系统和智能控制。模糊集是不可计算的，即没有给出描述这一模糊概念的数学公式，因此不可能计算其具体的模糊元素数，如模糊集中的隶属函数和模糊逻辑中的算子。贝叶斯网络是一种图形模型，用于表示变量之间的联系概率。它提供了一种自然的方式来表示因果信息，并用于发现数据之间的潜在关系。在这个网络中，节点用来表示变量，有向边用来表示变量之间的依赖关系。贝叶斯理论给出了信任函数的数学计算方法，具有坚实的数学基础。同时，描述了信任度与证据的一致性以及信任度随证据变化的增量学习特征。在数据挖掘中，贝叶斯网络可以处理不完整和有噪声的数据集。它利用概率测度的权重来描述数据之间的相关性，从而解决了数据不一致甚至相互独立的问题。用图解法描述数据之间的关系，语义清晰，可理解性强，有助于预测和分析数据之间的因果关系。贝叶斯方法因其独特的不确定知识表达形式、丰富的概率表达能力以及综合先验知识的增量学习特性，成为目前许多数据挖掘方法中最具吸引力的研究热点之一。粗糙集理论反映了人们使用粗糙集方法处理不明确问题的习惯性，即能够用不完全的信息或知识处理一些不清楚的现象，或者能够根据观察和测量的一些不准确的结果对数据进行分类。基本粗糙集理论认为，知识是人类和其他物种固有的分类能力。粗糙集理论使用集合(下近似集和上近似集)来处理模糊性和不精确性。粗糙集的主要优点包括：不需要除数据集以外的先验知识(或信息)；不确定性的描述和处理是相对客观的。2.群体智能算法和进化算法有什么异同？基于SI的优化算法和基于EC的启发式随机优化算法是基于群迭代的，它们有许多相似之处。它们本质上都是随机系统的模拟，具有本质的并行性。此外，和电子商务一样，社会主义国际的目的不是忠实地模拟自然现象，而是通过利用自然现象的某些特征来解决实际问题。首先，粒子群算法和模拟退火算法模拟的自然随机系统是不同的。电子商务是对生物系统进化过程的模拟。它最基本的单位是基因，它在每一代生物之间传播。现有的基于人工智能的优化算法都源于对动物社会中合作解决问题行为的模拟。它主要强调社会系统中个体之间相互作用的模拟，其最基本的单位是敏感因素。其次，欧共体强调“适者生存”，在竞争中淘汰不良个体。社会主义国际强调“合作合作”。坏的个体通过学习变成好的，而坏的个体被保留下来，群体的多样性可以得到加强。欧共体的优秀个体通过产生更多的后代来传递他们的基因，而所罗门群岛的优秀个体通过吸引其他个体来传递他们的敏感基因。最后，电子商务的迭代由选择、变异和交叉重组操作组成，而信息系统的迭代操作是“跟随”的。蚁群算法中的蚂蚁遵循信息素浓度，粒子群算法中的粒子遵循最优粒子。在一定程度上，选择、突变和交叉重组操作隐含在SI的后续操作中。什么是线性可分性？简要介绍了支持向量机解决非线性可分问题的基本思想。(10分)假设有训练样本(x1，y1)，(xn，yn)，xRd，y 1，-1，n是样本数，d是输入维数，当线性度可分离时，将有一个超平面来完全分离这两类样本。如果训练数据可以被无误差地分割，并且最接近超平面的向量和每种类型数据的超平面之间的距离最大，则超平面被称为最优超平面。非线性问题的支持向量机首先利用内积函数定义的非线性变换将输入空间转化为高维空间，并在此空间中找到广义最优分类面。六、回答以下问题：(10分)(1)给出了ID3算法描述ID3算法(1)选择一个随机子集X1(整个训练实例集x的W，尺度为w (w称为窗口尺度，子集称为窗口)；(2)以公式(7.29)的最小值为标准，选择每个测试属性，形成当前窗口的决策树；(3)依次扫描所有训练样本，找出当前决策树的异常，如果没有异常，训练结束；(4)将当前窗口的一些训练示例与(3)中发现的一些异常结合起来形成新窗口，并转向(2)(2)表1给出了可能包含噪声的数据集。它有四个属性，展望，温度，潮湿、多风。它分为两类，磷和氮，分别为正和负。ID3用于构建决策树对数据进行分类。表1样本数据集属性观点温度湿度有风的班级1遮蔽热的高的不N2遮蔽热的高的很N3遮蔽热的高的中等N4快活的热的高的不P5快活的热的高的中等P6雨温和的高的不N7雨温和的高的中等N8雨热的标准不P9雨凉爽的标准中等N10雨热的标准很N11快活的凉爽的标准很P12快活的凉爽的标准中等P13遮蔽温和的高的不N14遮蔽温和的高的中等N15遮蔽凉爽的标准不P16遮蔽凉爽的标准中等P17雨温和的标准不N18雨温和的标准中等N19遮蔽温和的标准中等P20遮蔽温和的标准很P21快活的温和的高的很P22快活的温和的高的中等P23快活的热的标准不P24雨温和的高的很N解决方案：可以看出，H(X/Outlook)是最小的，即关于Outlook的信息对分类的帮助最大，提供的信息量最大，即I(X；最大。因此，应选择Outlook属性作为测试属性。还可以看出，H(X)=H(X/风)，即I(X；wind)=0，关于wind的信息不能提供任何关于分类的信息。在选择了Outlook作为测试属性之后，训练实例集被分成三个子集以生成三个叶节点。对于每个叶节点，依次使用上述过程生成图1所示的决策树。图1在表1中训练和生成的决策树合肥工业大学2010年人工智能试卷答案首先，选择填空(在每个问题下面提供的多个答案中，为每个位置选择正确答案，每个空格1分，总共40分)1.智能科学研究B和C是由E、G、J等学科组成的交叉学科。A.思维基础理论b .智能基础理论c .实现技术d .基本形式e .脑科学F.形象思维g认知科学h抽象思维I感性思维j人工智能k灵感思维2.深度优先搜索属于A，搜索原则是深度越高，D生成的节点优先级越高.深度搜索是h。A.盲目搜索b .启发式搜索c .大d .晚e .小f .早g .完成h .不完整3.人工智能中的符号在认知层面是A，在解决层面是D，在处理层面是E，在操作层面是G，在系统层面是K。