公安机关特殊职位(AI科目)考试公务员题库(广西壮族自治区桂林市2026年)

公安机关特殊职位(AI科目)考试公务员题库(广西壮族自治区桂林市2026年)第一部分：单项选择题（共25题，每题1分，共25分）1.在深度学习的图像处理任务中，卷积神经网络（CNN）通过卷积层提取特征。若输入图像尺寸为32×32，卷积核大小为3×3，步长为1，且不使用填充，则经过该卷积层后的特征图尺寸为（）。A.30×30B.32×32C.34×34D.29×292.公安视频监控系统中常涉及目标检测算法。关于YOLO（YouOnlyLookOnce）系列算法，下列说法正确的是（）。A.YOLO算法是典型的两阶段目标检测算法，速度慢但精度高B.YOLO将目标检测视为回归问题，直接在图像上回归边界框和类别概率C.YOLOv3中只使用了残差网络，没有使用特征金字塔D.YOLO算法无法处理实时视频流，只能处理单帧图像3.在自然语言处理（NLP）领域，用于评估文本分类模型性能的指标中，F1分数是精确率和召回率的调和平均数。其计算公式为（）。A.F1=B.F1=C.F1=D.F1=4.Python语言中，用于处理多维数组的强大库是NumPy。若创建一个数组`arr=np.array([[1,2,3],[4,5,6]])`，则`arr.shape`的结果是（）。A.(2,3)B.(3,2)C.6D.[1,2,3,4,5,6]5.在决策树算法中，用于衡量数据集纯度的指标包括信息增益和基尼系数。ID3算法使用的是（）。A.基尼系数B.信息增益C.均方误差D.对数似然损失6.某市公安机关引入人脸识别系统辅助抓捕逃犯。在实际应用中，系统出现了“将非嫌疑人误判为嫌疑人”的情况，这种错误被称为（）。A.漏报B.误报C.过拟合D.欠拟合7.关于支持向量机（SVM），下列描述错误的是（）。A.SVM的基本思想是寻找一个超平面，使得不同类别的样本间隔最大化B.对于线性不可分的数据，可以通过核技巧映射到高维空间C.SVM只能用于二分类问题，无法处理多分类D.软间隔SVM允许部分样本被错误分类，以增加模型的鲁棒性8.在数据预处理阶段，经常需要对数据进行归一化处理。Min-Max归一化公式为x'A.[0,1]B.[-1,1]C.[0,255]D.任意实数范围9.循环神经网络（RNN）在处理长序列时容易出现梯度消失或梯度爆炸问题，为了解决这一问题，引入了门控机制。下列哪种网络结构通过引入“遗忘门”、“输入门”和“输出门”来控制信息流？（）A.LSTM（长短期记忆网络）B.GRU（门控循环单元）C.BP（反向传播网络）D.CNN（卷积神经网络）10.某AI模型在训练集上表现优异，但在测试集上表现很差，这种现象通常被称为（）。A.欠拟合B.过拟合C.偏差D.方差11.在公安情报分析中，聚类算法K-Means常用于发现潜在的案件团伙。K-Means算法的核心步骤是（）。A.随机选择K个点作为初始中心，然后计算每个点到中心的距离，重新分配簇，更新中心，迭代直到收敛B.构建层次树，通过剪枝确定类别数C.计算点与点之间的密度，将密度高的区域划分为一类D.通过计算样本间的协方差矩阵进行降维12.下列哪个Python库主要用于数据可视化和图表绘制？（）A.PandasB.Scikit-learnC.MatplotlibD.TensorFlow13.在深度学习优化算法中，Adam算法结合了动量法和RMSProp算法的优点。Adam算法默认的优化目标是最小化（）。A.权重衰减B.损失函数C.学习率D.正则化项14.某嫌疑人行踪轨迹数据为：[甲地,乙地,丙地,甲地,丁地]。若使用One-Hot（独热编码）对地点进行编码，假设共有5个不同地点，则每个地点的编码维度为（）。A.2B.3C.5D.1015.在计算机视觉中，边缘检测是基础预处理步骤。Sobel算子主要用于检测图像的（）。A.颜色直方图B.纹理特征C.边缘和梯度D.角点特征16.下列关于“数据增强”技术的描述，不正确的是（）。A.可以通过旋转、裁剪、缩放等方式增加训练样本数量B.能够有效防止模型过拟合C.只能用于图像数据，不能用于文本数据D.在训练深度学习模型时常用17.在推荐系统中，常使用协同过滤算法。其中，基于用户的协同过滤主要思想是（）。A.根据物品的特征相似度推荐B.找到与目标用户兴趣相似的其他用户，推荐他们喜欢的物品C.根据用户的历史行为序列预测下一个行为D.利用矩阵分解技术补全用户-物品评分矩阵18.Python中，装饰器（Decorator）本质上是一个（）。A.类B.函数C.变量D.模块19.在主成分分析（PCA）中，我们希望找到新的坐标系，使得数据在第一主成分上的（）最大。A.偏差B.方差C.均值D.熵20.某神经网络包含输入层（3个节点）、隐藏层（4个节点）和输出层（2个节点）。若不包含偏置项，该网络权重参数的总个数是（）。A.3×4+4×2=20B.3+4+2=9C.3×4=12D.4×2=821.针对网络犯罪中加密流量的分析，传统的基于端口的方法失效，目前主流方法是利用（）进行流量分类。A.深度包检测（DPI）B.机器学习/深度学习C.简单的字符串匹配D.人工查阅日志22.评估回归模型性能的常用指标是均方误差（MSE）。若真实值为y，预测值为y，样本数为n，则MSE公式为（）。A.1B.1C.1D.223.在图神经网络（GNN）中，节点特征的更新通常依赖于（）。A.节点自身的特征和邻居节点的特征B.仅节点自身的特征C.仅全局图的特征D.节点的ID编号24.下列关于生成对抗网络（GAN）的描述，正确的是（）。A.由生成器和判别器两部分组成，通过零和博弈进行训练B.生成器试图最大化判别器的损失，判别器试图最大化生成器的损失C.GAN的训练过程非常稳定，不会出现模式崩溃D.GAN只能用于生成文本，不能用于生成图像25.桂林市公安局计划开发一个智能问答系统辅助市民报警。为了回答“车辆违章在哪里处理”这类问题，最适合的技术路线是（）。A.计算机视觉B.强化学习C.自然语言处理（NLP）中的检索式问答或生成式问答D.时间序列分析第二部分：多项选择题（共10题，每题2分，共20分。多选、少选、错选不得分）26.下列属于Python中常用的数据结构的有（）。A.列表B.元组C.字典D.集合27.深度学习训练中，常用的正则化方法包括（）。A.DropoutB.L1/L2正则化C.BatchNormalizationD.数据增强28.在公安视频结构化分析中，通常需要提取的特征包括（）。A.人脸特征B.车辆特征（如车型、车牌）C.行为特征（如打架、跌倒）D.音频特征（如尖叫声）29.下列关于梯度下降算法的说法，正确的有（）。A.批量梯度下降每次迭代使用所有样本计算梯度B.随机梯度下降每次迭代仅使用一个样本计算梯度，速度快但震荡C.小批量梯度下降是折中方案，每次使用一小批样本D.梯度下降一定会找到全局最优解30.Pandas库中，读取数据常用的函数有（）。A.`read_csv()`B.`read_excel()`C.`read_sql()`D.`read_json()`31.下列哪些算法属于无监督学习？（）A.K-Means聚类B.主成分分析（PCA）C.逻辑回归D.DBSCAN密度聚类32.针对AI技术在公安领域的应用，可能存在的伦理与隐私风险包括（）。A.算法歧视导致特定群体被重点盘查B.大规模生物特征识别数据的泄露风险C.“老大哥”式的全天候监控侵犯公民隐私D.系统误判导致无辜者被卷入调查33.卷积神经网络中，池化层的主要作用有（）。A.降维，减少计算量B.减少参数数量，防止过拟合C.增加特征图的空间分辨率D.使模型对平移、旋转等变换具有一定的不变性34.在处理时间序列数据（如某地区每日警情数量）时，可以使用的方法包括（）。A.ARIMA模型B.LSTM神经网络C.线性回归（仅将时间作为特征）D.决策树35.下列关于OpenCV库的说法，正确的有（）。A.是一个跨平台的计算机视觉库B.支持Python、C++等多种语言接口C.只能读取图片，不能读取视频流D.提供了丰富的图像处理和视频分析函数第三部分：判断题（共10题，每题1分，共10分。对的选“A”，错的选“B”）36.NumPy数组中的元素必须是相同类型的，而Python列表中的元素可以是不同类型的。37.感知机可以解决异或（XOR）非线性分类问题。38.在二分类问题中，若精确率和召回率都为1，说明模型完美。39.TF-IDF（词频-逆文档频率）主要用于衡量一个词在文档中的重要性，值越大表示该词在文档中越常见且越不重要。40.所有机器学习模型在训练前都需要进行特征归一化处理，否则模型无法收敛。41.在深度学习中，激活函数ReLU（RectifiedLinearUnit）解决了Sigmoid函数在深层网络中的梯度消失问题。42.贝叶斯分类器基于概率论中的贝叶斯定理，其核心思想是利用先验概率计算后验概率。43.强化学习中的Agent只能通过试错来学习，无法利用环境给出的即时奖励。44.图像语义分割是指将图像中的每个像素都分类到对应的类别中。45.Python中的`is`运算符用于比较两个变量的值是否相等。第四部分：填空题（共10题，每题1分，共10分）46.在机器学习中，将数据集划分为训练集、验证集和测试集的目的是为了分别用于模型训练、_______和模型最终评估。47.给定矩阵A=[1234]1&23&4$，其转置矩阵AT48.在Python中，`[i**2foriinrange(5)]`的执行结果是_______。49.在计算损失函数时，对于多分类问题，通常使用交叉熵损失函数。对于二分类问题，常用的损失函数是_______。50.数据清洗过程中，若发现某些记录存在缺失值，常见的处理方法包括删除缺失记录、填充均值/中位数以及_______。51.人脸识别流程通常分为人脸检测、人脸对齐、特征提取和_______四个步骤。52.设随机变量X服从正态分布N(μ,σ2)，则X53.在图论中，若两个节点之间存在边相连，则称这两个节点是_______。54.SQL语句中，用于从数据库中查询数据的命令是_______。55.在反向传播算法中，根据损失函数计算出的误差信号，利用_______法则更新网络权重。第五部分：简答题（共5题，每题4分，共20分）56.简述监督学习与无监督学习的主要区别，并各举一个在公安业务中可能的应用场景。57.解释什么是过拟合，并列举两种防止过拟合的方法。58.描述卷积神经网络（CNN）中卷积层、池化层和全连接层各自的作用。59.简述TF-IDF算法的原理，并说明为什么它可以用于筛选文本（如案件描述）中的关键词。60.在处理敏感的公安数据时，除了模型性能外，还需要考虑哪些数据安全和隐私保护措施？第六部分：综合应用题（共3题，共15分）61.（5分）模型评估与计算某分局开发了一个诈骗电话识别系统。在测试集上，系统对1000个电话样本进行了预测，结果如下：真实是诈骗电话的有200个，系统正确识别出了160个。真实是正常电话的有800个，系统错误地将其中40个判断为诈骗电话。请计算：(1)该系统的准确率。(2)该系统对诈骗电话的召回率。(3)该系统对诈骗电话的精确率。(4)如果警方希望尽可能不漏掉任何一个诈骗电话（宁可错杀不可放过），应该更关注哪个指标？62.（5分）Python代码分析与填空以下是某警察局用于分析辖区警情数据的Python代码片段，旨在统计不同类型的警情数量。请阅读代码并在横线上填写适当的表达式或语句。```pythonimportpandasaspd#假设df是包含警情数据的DataFrame，有一列名为'type'表示警情类型#数据样例：{'id':[1,2,3],'type':['盗窃','纠纷','盗窃']}defcount_incidents(data):ifdata.empty:returnNone#请在下方填入代码，统计每种警情的数量并返回一个Series对象#_________________returnresult#测试数据data=pd.DataFrame({'id':[1,2,3,4,5],'type':['盗窃','纠纷','盗窃','交通','诈骗']})counts=count_incidents(data)print(counts)```请写出：(1)横线处应填入的代码。(2)若输入如上的测试数据，代码输出的结果中，“盗窃”对应的数值是多少？63.（6分）算法应用与逻辑分析某大型活动安保工作中，使用了基于深度学习的人员密度估计模型来监测人群拥挤情况。该模型通过摄像头实时分析视频帧，输出每个区域的人数估计值。(1)假设摄像头的分辨率为1920×1080，模型将图像划分为24×24的网格（GridCell）进行处理，请问总共需要处理多少个网格单元？(2)若模型采用回归方法预测每个网格的人数，但在实际应用中发现，当人数非常多（如密集人群）时，预测值偏低。这可能是什么原因导致的？（提示：从数据分布或损失函数角度思考）(3)针对上述预测偏低的问题，提出一种可能的改进思路。参考答案与解析第一部分：单项选择题1.A解析：卷积后尺寸计算公式为⌊n-f+2ps⌋+1。这里n=32,f=3,p=0,s=12.B解析：YOLO是单阶段目标检测算法，直接回归边界框和类别，速度快适合实时检测。A是R-CNN系列的特点，C错误YOLOv3使用了FPN，D错误YOLO专为实时/视频设计。3.A解析：F1分数的定义为精确率和召回率的调和平均数，公式为A。4.A解析：该数组是一个2行3列的矩阵，故shape为(2,3)。5.B解析：ID3使用信息增益，C4.5使用信息增益率，CART使用基尼系数（分类）或均方误差（回归）。6.B解析：将负例（非嫌疑人）误判为正例（嫌疑人）称为误报或假阳性。7.C解析：SVM可以通过一对一或一对多策略推广到多分类问题。8.A解析：Min-Max归一化将数据线性映射到[0,1]区间。9.A解析：LSTM引入了遗忘门、输入门和输出门；GRU简化为更新门和重置门。10.B解析：训练集好、测试集差是典型的过拟合现象。11.A解析：K-Means的核心步骤即A选项描述的迭代过程。12.C解析：Matplotlib是Python中最基础的绘图库。13.B解析：所有优化算法（SGD,Adam等）的目标都是最小化损失函数。14.C解析：One-Hot编码维度等于类别总数，这里共有5个不同地点，故为5维。15.C解析：Sobel算子是梯度算子，用于边缘检测。16.C解析：数据增强也可用于文本，如同义词替换、回译等。17.B解析：基于用户的协同过滤寻找相似用户。18.B解析：Python装饰器本质上是修改其他函数功能的函数。19.B解析：PCA旨在最大化投影后的方差，保留最多的信息量。20.A解析：输入层到隐藏层权重：3×4=12；隐藏层到输出层权重：4×2=8；总计20。21.B解析：加密流量特征难以用传统DPI解析，需依靠ML/DL分析统计特征或流量包序列特征。22.C解析：MSE即MeanSquaredError，公式为C。23.A解析：GNN通过聚合邻居节点的信息来更新中心节点的特征。24.A解析：GAN由生成器和判别器组成，进行博弈训练。B项损失函数方向描述错误，C项训练不稳定，D项GAN也可生成图像。25.C解析：智能问答属于NLP范畴。第二部分：多项选择题26.ABCD解析：列表、元组、字典、集合均为Python内置数据结构。27.ABCD解析：Dropout随机丢弃神经元；L1/L2增加惩罚项；BN加速收敛并有一定正则化效果；数据增强扩充样本。均可防止过拟合。28.ABCD解析：视频结构化通常包含人脸、车辆、行为、音频等多维信息的提取。29.ABC解析：D错误，非凸优化问题中梯度下降可能陷入局部最优。30.ABCD解析：Pandas支持多种格式的数据读取，包括CSV、Excel、SQL、JSON等。31.ABD解析：逻辑回归是监督学习（分类）。32.ABCD解析：A涉及算法公平性，B涉及数据安全，C涉及隐私权，D涉及系统可靠性，均为AI警务应用的风险。33.ABD解析：池化层的作用是降维、减少参数、提供不变性。C错误，池化会减小特征图尺寸，不会增加分辨率。34.ABCD解析：时间序列预测可以使用统计学模型（ARIMA）、深度学习（LSTM）、简单的回归拟合甚至树模型（需要特征工程）。35.ABD解析：OpenCV是一个强大的跨平台计算机视觉库，支持多语言，不仅能读图，也能通过VideoCapture读取视频流。C错误。第三部分：判断题36.A(正确)37.B(错误)解析：单层感知机无法解决非线性可分问题（如XOR），需要多层网络（MLP）。*38.A(正确)39.B(错误)解析：TF-IDF值越大，表示该词越稀有且在当前文档中越重要。*40.B(错误)解析：并非所有模型都需要，例如树模型对数据尺度不敏感。*41.A(正确)42.A(正确)43.B(错误)解析：强化学习利用环境给出的奖励进行学习，不仅仅是试错。*44.A(正确)45.B(错误)解析：`is`比较的是内存地址（身份），`==`比较的是值。*第四部分：填空题46.参数调优/模型选择47.[1324]1&32&4$48.[0,1,4,9,16]49.对数损失/LogLoss50.插值法/建立缺失值指示变量/利用模型预测填充51.人脸比对/分类52.68.27(或约68.3)53.邻接点/邻居54.SELECT55.链式第五部分：简答题56.答案：区别：监督学习的数据带有标签（输入输出对），目标是学习从输入到输出的映射；无监督学习的数据没有标签，目标是发现数据内部的结构或模式。应用场景：监督学习：利用历史案件数据训练模型，预测未来某区域发生盗窃案件的概率（分类/回归）。无监督学习：对海量通信记录进行聚类，发现潜在的通话异常团伙（异常检测/聚类）。57.答案：过拟合：模型在训练数据上表现很好，但在未知数据（测试集）上表现很差，即模型学到了训练数据的噪声而非普遍规律，泛化能力弱。防止方法：1.增加数据量（数据增强）。2.使用正则化方法（L1/L2正则化）。3.在神经网络中使用Dropout。4.早停法。5.减小模型复杂度（如减少树的深度、减少网络层数）。58.答案：卷积层：通过卷积核提取图像的局部特征（如边缘、纹理），保留空间位置信息。池化层：对特征图进行下采样，减少参数量和计算量，同时保持特征的不变性（如平移、缩放），防止过拟合。全连接层：将提取到的分布式特征进行汇总，通过权重矩阵映射到样本标记空间，用于输出最终结果（如分类概率）。59.答案：原理：TF-IDF=词频（TF）×逆文档频率（IDF）。TF衡量词在文档中出现的频率；IDF衡量词在语料库中的普遍重要性，如果一个词在很多文档中都出现，其IDF值越低。原因：对于案件描述，一些常见词（如“的”、“了”、“是”）TF虽高但IDF极低，整体权重低；而一些具有实际意义的词（如“刀具”、“诈骗”、“冲突”）如果在某文档中出现次数多且在其他文档中少，其TF-IDF值高，因此能有效筛选出关键词。60.答案：数据加密存储与传输。数据脱敏（去除姓名、身份证号等PII信息）。访问权限控制（最小权限原则）。操作日志审计与溯源。联邦学习等隐私计算技术（在不交换原始数据的前提下训练模型）。合规性审查，确保符合《个人信息保护法》等相关法律法规。第六部分：综合应用题61.答案：混淆矩阵：TP（真阳性）：160（预测为诈骗，实际也