广西梧州市2026年公务员：公安AI大数据专业科目考试题库-考前冲刺

广西梧州市2026年公务员：公安AI大数据专业科目考试题库--考前冲刺第一部分：单项选择题（共30题，每题1.5分，共45分）1.在公安大数据处理架构中，用于处理海量历史数据离线分析，且对吞吐量要求高而对实时性要求相对较低的计算模式是（）。A.流计算B.批处理C.交互式查询D.内存计算2.Hadoop生态系统中，负责分布式文件存储，且具有高容错性、高吞吐量特点的组件是（）。A.MapReduceB.HBaseC.HDFSD.Hive3.在机器学习算法中，主要用于将高维数据映射到低维空间，同时尽可能保留数据局部结构的算法是（）。A.K-Means聚类B.t-SNEC.逻辑回归D.决策树4.公安视频图像结构化描述中，通常不包括以下哪类信息？（）A.人像特征B.车辆特征C.人体特征D.视频的音频比特率5.某市公安局在研判嫌疑人轨迹时，通过分析多源异构数据（如卡口、WIFI探针、银行交易）来构建人物关系网。这种最适合采用的大数据技术是（）。A.关系型数据库索引优化B.知识图谱C.简单的文本搜索D.数据仓库OLAP6.Python语言中，用于科学计算和数组操作，且是Pandas和NumPy基础的核心库是（）。A.NumPyB.RequestsC.Scikit-learnD.Matplotlib7.关于深度学习中的卷积神经网络（CNN），以下描述错误的是（）。A.卷积层主要用于提取特征B.池化层主要用于降维和减少参数C.全连接层通常用于输出最终分类结果D.CNN只能处理图像数据，无法处理文本数据8.在数据清洗阶段，若发现某记录中“年龄”字段为“-5”，这属于哪种数据质量问题？（）A.缺失值B.重复值C.异常值D.不一致值9.《数据安全法》规定，国家建立数据分类分级保护制度，对数据实行（）。A.统一管理，分类保护B.自主保护，分类监管C.分类分级，分类分级保护D.集中存储，分级使用10.下列哪项技术不属于“NoSQL”数据库的范畴？（）A.Redis（键值存储）B.MongoDB（文档存储）C.Neo4j（图形存储）D.MySQL（关系型存储）11.在公安情报分析中，通过分析历史犯罪数据的时间序列特征，预测未来某一区域发案概率的趋势，这属于典型的（）应用。A.关联分析B.聚类分析C.回归分析与时间序列预测D.异常检测12.欧几里得距离常用于衡量两个数据点之间的相似度，对于二维平面上两点A(,)A.|B.C.(D.m13.在网络爬虫技术中，robots.txt协议的作用是（）。A.加密网页数据B.告诉爬虫哪些页面可以抓取，哪些不可以C.加速网页加载速度D.防止SQL注入攻击14.针对非结构化文本数据（如警情记录、微博评论），提取关键词和情感倾向通常采用的自然语言处理（NLP）技术是（）。A.TF-IDF与情感词典匹配B.图像边缘检测C.声纹识别D.视频流转码15.以下关于云计算服务模式的描述，对应“PaaS（平台即服务）”的是（）。A.提供虚拟机、存储空间等硬件资源B.提供开发语言、库、数据库管理系统等开发平台C.提供可直接使用的软件应用（如邮箱、OA）D.提供网络宽带接入服务16.在公安大数据实战中，将不同业务系统（如110接处警、旅业系统、户政系统）的数据进行关联，打破信息壁垒的过程被称为（）。A.数据可视化B.数据融合与共享C.数据加密D.数据备份17.决策树算法中，用于选择最优划分特征的指标通常是信息增益或（）。A.均方误差B.基尼系数C.梯度下降D.正则化参数18.某模型在犯罪嫌疑人识别任务中，召回率很高但精确率很低，这意味着（）。A.抓到的嫌疑人大多是真正的罪犯，但漏掉了很多罪犯B.抓到的嫌疑人很少是真正的罪犯，但几乎没漏掉罪犯C.模型表现非常完美D.模型完全没有分类能力19.在梧州市智慧警务建设中，利用AI技术对西江流域重点监控视频进行水上违法行为识别，主要依赖于计算机视觉中的（）技术。A.目标检测与行为分析B.人脸识别C.语音识别D.OCR文字识别20.ApacheSpark相比MapReduce，其主要性能优势在于（）。A.基于磁盘的计算B.基于内存的迭代计算C.只能处理流数据D.不支持Scala语言21.数据库中，事务具有ACID特性，其中“I”代表的是（）。A.原子性B.一致性C.隔离性D.持久性22.在进行大规模图计算（如社交网络关系分析）时，常用的分布式计算框架是（）。A.PregelB.HadoopC.TensorFlowD.Flask23.关于人工智能伦理与隐私保护，在进行公共场所安防监控数据分析时，必须遵循的原则不包括（）。A.最小够用原则B.知情同意原则（在特定法律允许范围内可豁免）C.数据随意公开原则D.目的限定原则24.反向传播算法（BP算法）主要用于训练（）。A.K-Means模型B.神经网络C.支持向量机（SVM）D.朴素贝叶斯25.下列哪种情况适合使用“左连接（LEFTJOIN）”？A.查询两个表中完全匹配的数据B.查询左表所有数据，以及右表中匹配的数据，无匹配显示NULLC.查询右表所有数据，以及左表中匹配的数据D.生成笛卡尔积26.在评价分类模型时，若类别极度不平衡（如嫌疑人极少，普通人极多），下列指标相对最可靠的是（）。A.准确率B.F1-ScoreC.错误率D.训练时间27.Python中，Pandas库的核心数据结构是（）。A.List和DictB.Series和DataFrameC.Set和TupleD.Array和Matrix28.公安大数据平台中，用于采集各警种业务系统日志数据的组件通常被设计为（）。A.批处理作业B.ETL工具C.即时消息队列D.手动录入界面29.某算法在训练集上表现极佳，但在测试集上表现很差，这种现象被称为（）。A.欠拟合B.过拟合C.梯度消失D.梯度爆炸30.在基于位置的警务服务（LBS）中，计算手机信令数据与基站距离时，若基站位置坐标为(,,)，手机位置为(A.dB.dC.dD.d第二部分：多项选择题（共15题，每题2分，共30分。多选、错选不得分，少选得0.5分）31.公安大数据具有“4V”特征，主要包括（）。A.Volume（大量）B.Velocity（高速）C.Variety（多样）D.Value（低价值密度）E.Virtual（虚拟）32.以下属于深度学习常用框架的有（）。A.TensorFlowB.PyTorchC.KerasD.CaffeE.MySQL33.在数据预处理阶段，针对缺失值的处理方法常见的有（）。A.删除缺失记录B.均值/中位数填充C.插值法填充D.使用固定常数填充E.忽略缺失值直接计算34.下列关于关系型数据库和非关系型数据库的说法，正确的有（）。A.关系型数据库遵循ACID原则，适合事务处理B.非关系型数据库模式灵活，易于水平扩展C.Redis属于非关系型数据库中的键值存储D.Oracle属于非关系型数据库E.非关系型数据库不支持SQL查询35.公安视频图像信息库建设涉及的关键技术包括（）。A.视频结构化B.人脸识别C.车牌识别D.Re-ID（行人重识别）E.视频压缩存储36.关于Python中的Pandas库，下列说法正确的是（）。A.DataFrame可以看作是一个表格型的数据结构B.read_csv()函数常用于读取CSV文件C.drop_duplicates()方法用于删除重复行D.它不能处理时间序列数据E.groupby()操作类似于SQL中的GROUPBY37.人工智能在公安领域的典型应用场景包括（）。A.智慧交通信号控制B.犯罪热点地图绘制C.电信诈骗智能预警D.涉毒线索挖掘E.监狱在押人员行为分析38.在构建预测模型时，通常将数据集划分为训练集和测试集，划分的目的在于（）。A.加快计算速度B.评估模型的泛化能力C.防止过拟合D.减少数据存储空间E.增加数据量39.下列属于《个人信息保护法》中规定的敏感个人信息的有（）。A.生物识别信息B.宗教信仰C.特定身份D.医疗健康E.行程轨迹40.机器学习中的正则化技术（如L1、L2正则化）主要作用是（）。A.防止过拟合B.加快模型收敛速度C.提高模型在训练集上的准确率D.降低模型复杂度E.增加模型参数数量41.Hadoop生态系统中的核心组件包括（）。A.HDFS（分布式文件系统）B.YARN（资源调度器）C.MapReduce（分布式计算框架）D.HBase（分布式列式数据库）E.Linux操作系统42.在进行网络舆情分析时，常用的文本挖掘技术有（）。A.分词B.命名实体识别（NER）C.主题模型（LDA）D.情感分析E.图像分割43.以下关于k-近邻算法（KNN）的描述，正确的有（）。A.是一种惰性学习算法B.训练阶段计算量较大，预测阶段较快C.需要选择合适的k值D.对数据的缩放敏感E.既可以用于分类也可以用于回归44.公安数据治理的主要任务包括（）。A.数据标准管理B.数据质量管理C.数据安全管理D.数据生命周期管理E.数据资产化45.关于梯度下降算法，下列描述正确的有（）。A.是一种迭代优化算法B.目标是最小化损失函数C.学习率过大可能导致不收敛D.学习率过小会导致收敛速度过慢E.只能用于凸函数优化第三部分：判断题（共20题，每题0.5分，共10分。对的选“A”，错的选“B”）46.大数据技术就是为了处理GB级别以上的数据而产生的，KB级别的数据不需要大数据技术。47.深度学习中的“梯度消失”问题通常可以通过引入ReLU激活函数来部分缓解。48.在关系型数据库中，外键用于建立和加强两个表数据之间的链接。49.公安情报分析中，所有的关联规则挖掘结果都具有实际应用价值。50.NumPy数组中的所有元素必须是相同类型的。51.OCR（光学字符识别）技术可以将图片中的文字转换为可编辑的文本，在证件识别中应用广泛。52.云计算的三种服务模式IaaS、PaaS、SaaS中，SaaS提供给用户的能力是使用云服务商运行的应用程序。53.朴素贝叶斯分类器假设特征之间是相互独立的，这在现实世界中往往很难满足。54.公安机关查询公民个人信息时，不需要经过严格的审批和授权流程。55.数据仓库主要用于事务处理（OLTP），而数据库主要用于分析处理（OLAP）。56.支持向量机（SVM）在处理非线性可分问题时，可以通过核技巧将数据映射到高维空间。57.Pandas中的merge函数默认是按照索引进行合并的。58.所有的机器学习模型在训练之前都需要对特征进行归一化或标准化处理。59.在图结构中，度是指与该节点相连的边的数量。60.AUC（AreaUnderCurve）值越接近0.5，说明分类器的性能越好。61.Python是一门解释型语言，因此它的执行速度通常比C语言慢。62.涉及国家秘密的信息系统不得直接或间接与国际互联网或者其他公共信息网络连接。63.聚类分析是一种无监督学习算法，它不需要训练标签。64.在Spark中，RDD（弹性分布式数据集）一旦创建就不能被修改，是只读的。65.计算机视觉技术在安防领域的应用完全取代了人工巡逻，不再需要民警参与。第四部分：填空题（共10题，每题1分，共10分）66.在Python中，用于导入Pandas库并简写为pd的语句是`importpandas____________`。67.机器学习中，用于衡量模型预测值与真实值之间差异的函数，通常被称为______函数，常见的有均方误差（MSE）和交叉熵损失。68.数据清洗中，重复值去重可以使用Pandas库中的`______()`方法。69.在二分类问题中，如果预测为正例但实际为负例，这种情况被称为______。70.SQL语句中，用于从数据库表中查询数据的命令是`______`。71.协同过滤算法常用于推荐系统，它主要分为基于用户的协同过滤和基于______的协同过滤。72.在神经网络中，常用的非线性激活函数除了Sigmoid和Tanh外，还有目前在深度学习中最主流的______。73.公安大数据平台的数据源通常包括结构化数据、半结构化数据和______数据。74.在进行数据分析时，若数据呈现右偏分布（长尾在右），描述数据集中趋势时，______往往比平均值更具代表性。75.f(x)第五部分：简答题（共4题，每题5分，共20分）76.简述过拟合产生的原因及其常见的解决方法。77.请列举出至少五种在公安大数据分析中常用的数据可视化图表类型，并简述其适用场景。78.简述HDFS（HadoopDistributedFileSystem）的主要设计特点及其在存储海量公安视频监控数据时的优势。79.在处理涉及公民个人隐私的公安数据时，数据脱敏（DataMasking）是常用的保护手段。请简述数据脱敏的主要方法。第六部分：综合应用题（共3题，共35分）80.（10分）某市公安局正在建设一套“重点人员异常行为预警系统”。系统采集了包括人员的住宿记录（HDFS文件A）、出行记录（HBase表B）、消费记录（MySQL表C）以及互联网上网记录（Elasticsearch索引D）。现在需要编写一个数据处理流程，将这四部分数据进行关联，分析出“跨区域频繁活动且资金流异常”的嫌疑人员列表。(1)请从技术架构角度，描述该数据融合处理流程应包含哪些关键步骤？（如：数据抽取、清洗、转换等，请详细展开）(2)针对“跨区域频繁活动”这一指标，如果使用Python代码进行逻辑判断，假设已知某人员一周内的所有位置打卡记录列表`locations=['A区','B区','A区','C区','A区']`，请编写一段Python代码片段，计算该人员出现的不同区域数量（即活动范围）。81.（12分）在视频侦查实战中，人脸识别技术至关重要。(1)请简述基于深度学习的人脸识别流程，包括人脸检测、人脸对齐、特征提取和特征比对四个阶段的主要工作。(2)在评价人脸识别算法性能时，ROC曲线和AUC值是重要指标。请解释什么是ROC曲线？AUC值等于1、0.5分别代表什么含义？(3)某算法在特定测试集上的混淆矩阵如下：预测正例（嫌疑人）预测负例（普通人）真实正例（嫌疑人）9010真实负例（普通人）30870请计算该算法的准确率、精确率和召回率。82.（13分）某市发生连环盗窃案，警方收集了大量案发地周边的WIFI探针MAC地址数据和手机信令数据。现欲利用聚类算法发现可能的作案团伙或高危人员聚集点。(1)若选择K-Means算法进行聚类，请简述该算法的基本原理。(2)在使用K-Means之前，为什么通常需要对数据进行标准化处理？(3)已知平面坐标系中有三个点：(1,1),(1.5,2(公式提示：欧氏距离d((4)除了K-Means，请列举出另外两种聚类算法名称。答案及详细解析第一部分：单项选择题1.B解析：批处理主要用于处理大规模的历史静态数据，对实时性要求低，注重吞吐量。流计算用于实时数据。2.C解析：HDFS（HadoopDistributedFileSystem）是Hadoop的分布式文件存储组件。3.B解析：t-SNE（t-DistributedStochasticNeighborEmbedding）是一种流行的数据可视化降维技术，擅长保留局部结构。K-Means是聚类，逻辑回归是分类，决策树是分类/回归。4.D解析：视频结构化主要提取视频内容中的语义信息，如人、车、物的特征。音频比特率是文件编码属性，不属于结构化语义内容。5.B解析：知识图谱技术最适合用于构建实体（人、地、事、物）之间的关系网络。6.A解析：NumPy是Python科学计算基础库，提供数组支持。Pandas基于NumPy。7.D解析：CNN虽然主要用于图像，但通过一维卷积（1D-CNN）也可以处理文本和时间序列数据。8.C解析：年龄为负数明显不符合现实逻辑，属于异常值。9.C解析：根据《数据安全法》，国家建立数据分类分级保护制度，对数据实行分类分级保护。10.D解析：MySQL是关系型数据库（RDBMS），其他三个都属于NoSQL范畴。11.C解析：预测未来趋势属于回归分析和时间序列预测的范畴。12.B解析：欧几里得距离即两点间的直线距离，公式为。13.B解析：robots.txt是站点与爬虫间的协议，规定抓取范围。14.A解析：TF-IDF用于提取关键词，情感词典用于情感倾向分析，均属于文本处理。其他选项涉及音视频和图像。15.B解析：PaaS（PlatformasaService）提供平台环境，如语言、库、数据库管理系统。A是IaaS，C是SaaS。16.B解析：打破信息壁垒，整合多源数据的过程即数据融合与共享。17.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。基尼系数常用于衡量不纯度。18.B解析：召回率高意味着查全率高（漏抓少），精确率低意味着查准率低（误抓多）。19.A解析：水上违法行为识别属于对视频中物体和动作的分析，即目标检测与行为分析。20.B解析：Spark基于内存计算，迭代速度快，相比MapReduce（基于磁盘）有巨大性能优势。21.C解析：ACID分别代表原子性、一致性、隔离性、持久性。I是Isolation（隔离性）。22.A解析：Pregel是Google提出的图计算框架，Hadoop是批处理，TensorFlow是深度学习，Flask是Web框架。23.C解析：数据随意公开违反了数据安全和隐私保护原则。24.B解析：反向传播（BP）是训练神经网络最常用的算法。25.B解析：LEFTJOIN以左表为主，保留左表所有数据。26.B解析：在类别不平衡时，准确率容易产生误导（全猜多数类准确率也很高），F1-Score综合考虑了精确率和召回率。27.B解析：Pandas核心数据结构是Series（一维）和DataFrame（二维）。28.B解析：ETL（Extract,Transform,Load）工具用于数据的抽取、转换和加载。29.B解析：训练集表现好、测试集表现差是典型的过拟合现象。欠拟合是训练集和测试集都差。30.C解析：三维空间欧氏距离公式。第二部分：多项选择题31.ABCD解析：大数据4V特征：Volume,Velocity,Variety,Value。Virtual不是标准特征。32.ABCD解析：TensorFlow,PyTorch,Keras,Caffe都是深度学习框架。MySQL是数据库。33.ABCD解析：删除、填充（均值、中位数、常数、插值）都是常见处理方法。34.ABC解析：关系型数据库（如Oracle）支持ACID；NoSQL灵活、易扩展；Redis是NoSQL。D、E错误，NoSQL也有类SQL接口或特定查询语言。35.ABCDE解析：视频结构化、人脸识别、车牌识别、Re-ID、存储压缩都是公安视频库的关键技术。36.ABCE解析：Pandas非常适合处理时间序列数据，D错误。37.ABCDE解析：五项均为AI在公安领域的典型实战应用。38.BC解析：划分数据集是为了评估泛化能力和防止过拟合。不是为了加快计算或减少存储。39.ABCDE解析：《个人信息保护法》规定，生物识别、宗教信仰、特定身份、医疗健康、行踪轨迹等都属于敏感个人信息。40.AD解析：正则化主要为了防止过拟合和降低模型复杂度，通常以牺牲一点训练集准确率为代价。41.ABC解析：HDFS,YARN,MapReduce是Hadoop的“三驾马车”。HBase是子项目，Linux是操作系统。42.ABCD解析：分词、NER、LDA、情感分析均为文本挖掘技术。图像分割属于计算机视觉。43.ACDE解析：KNN是惰性学习，训练快（几乎不计算），预测慢（需计算距离）。B错误。44.ABCDE解析：标准、质量、安全、生命周期、资产化均为数据治理的任务。45.ACD解析：梯度下降用于最小化损失函数，学习率大小影响收敛，既可优化凸也可优化非凸（虽可能陷入局部最优）。46.B解析：大数据不仅指数据量大，还包含处理复杂度和速度等，且小数据若处理逻辑复杂也可能用到相关思想，但本质上大数据技术是为了处理超出单机能力的数据，GB级数据单机即可处理，不需要Hadoop/Spark等集群技术。此题定义较为严格，通常认为大数据是指TB/PB级以上或复杂度高。47.A解析：ReLU函数在正区间的导数恒为1，能有效缓解深层网络中的梯度消失问题。48.A解析：外键正是用于维护表之间引用完整性的机制。49.B解析：关联规则挖掘会产生大量规则，其中很多可能是无意义或偶然的（如“啤酒和尿布”在某些数据集可能只是巧合），需要通过支持度、置信度和业务逻辑筛选。50.A解析：NumPy数组为了高性能计算，要求数据类型一致。51.A解析：OCR是文字识别技术，广泛应用于证件、车牌识别等。52.A解析：SaaS即软件即服务，用户直接使用软件。53.A解析：朴素贝叶斯的“朴素”假设就是特征独立。54.B解析：公安机关查询公民个人信息必须严格依照法律法规，经过内部审批和授权，严禁非法查询。55.B解析：恰好相反。数据仓库用于分析（OLAP），数据库用于事务处理（OLTP）。56.A解析：核技巧是SVM处理非线性问题的核心方法。57.B解析：merge默认根据列名（或on指定的列）进行合并，不是索引。想用索引合并需设置left_index=True等。58.B解析：不是所有模型都需要，例如基于树的模型（决策树、随机森林）对特征缩放不敏感。59.A解析：图的度是指节点连接的边数。60.B解析：AUC越接近1越好，0.5相当于随机猜测。61.A解析：Python是解释型，运行效率通常低于编译型语言如C/C++。62.A解析：涉密网必须与互联网物理隔离。63.A解析：聚类是无监督学习，没有标签。64.A解析：RDD（ResilientDistributedDataset）是只读的，转换操作会生成新的RDD。65.B解析：AI是辅助手段，不能完全替代人工决策和巡逻，存在误判且需要最终确认。第四部分：填空题66.aspd67.损失68.drop_duplicates69.假阳性或假正例70.SELECT71.物品72.ReLU(RectifiedLinearUnit)73.非结构化74.中位数75.Sigmoid或激活第五部分：简答题76.答案：(1)原因：模型过于复杂（参数过多）、训练数据太少、数据噪声干扰、训练时间过长。(2)解决方法：数据层面：增加训练数据量、使用数据增强。模型层面：简化模型结构（减少层数或神经元）、使用正则化（L1/L2正则化）。训练策略：早停法、Dropout（随机失活）。集成方法：Bagging（如随机森林）。77.答案：(1)折线图：用于展示数据随时间变化的趋势（如某辖区月发案量趋势）。(2)柱状图：用于比较不同类别之间的数值大小（如各分局破案数量对比）。(3)饼图/环形图：用于展示各部分占总体的比例（如各类犯罪案件占比）。(4)散点图：用于展示两个变量之间的相关性（如气温与盗窃案数量的关系）。(5)热力图：用于展示地理空间上的密度或矩阵中的相关性（如犯罪热点分布图）。(6)箱线图：用于展示数据的分布情况及异常值（如人员活动半径分布）。78.答案：HDFS主要设计特点：(1)高容错性：数据通过副本机制（默认3副本）存储，某个节点故障时数据不会丢失。(2)高吞吐量：采用流式数据访问模式，适合批量处理，优化了数据的读取速度。(3)适合大规模数据集：单个文件可达TB、PB级别，支持millionsoffiles。(4)廉价硬件：构建在普通的PC服务器上，成本低。在存储公安视频监控数据时的优势：视频监控数据具有数据量巨大、写入后基本不修改、需长期保存的特点。HDFS的大文件支持和高吞吐量非常适合顺序写入和读取视频文件，其副本机制保证了重要监控证据的安全性，且成本相比传统SAN存储低廉。79.答案：数据脱敏的主要方法包括：(1)替换：用虚构但看起来真实的数据替换真实数据（如将姓名“张三”替换为“李四”）。(2)重排：打乱数据的顺序（如身份证号打乱位置）。(3)加密：使用加密算法对数据进行加密，只有拥有密钥才能解密查看。(4)截断/遮蔽：只显示部分信息，其余用符号代替（如手机号138****1234）。(5)哈希：对数据进行哈希运算，通常用于不可逆的脱敏场景。第六部分：综合应用题80.答案：(1)关键步骤：数据抽取：从HDFS文件A读取文本/日志，从HBase表B通过API读取行键数据，从MySQL表C通过JDBC/ODBC读取结构化数据，从Elasticsearch索引D通过RestAPI读取文档数据。数据清洗：处理缺失值（如填补或剔除）、去除重复记录、纠正异常数据（如时间格式不统一）。数据转换/整合：统