2026年常州信息单招试题及答案

2026年常州信息单招试题及答案考试时长：120分钟满分：100分一、单选题（总共10题，每题2分，总分20分）1.下列关于人工智能伦理原则的说法，错误的是（）A.公平性要求算法决策对所有群体一视同仁B.可解释性强调模型必须完全透明，所有决策逻辑可被人类理解C.可持续性要求AI系统在资源消耗和环境影响上可长期优化D.安全性指AI系统需具备自我修正机制以避免潜在风险2.在数据挖掘中，用于发现数据集中隐藏模式或关联性的算法是（）A.决策树算法B.神经网络算法C.关联规则算法（如Apriori）D.支持向量机算法3.以下不属于物联网（IoT）典型应用场景的是（）A.智能家居设备互联B.工业生产线自动化监控C.城市交通信号灯自动调节D.传统银行柜台人工服务4.根据香农信息论，信息熵最大的条件是（）A.消息出现概率均等B.消息出现概率极低C.消息出现概率极高D.消息无冗余5.在软件开发中，敏捷开发的核心原则不包括（）A.迭代交付B.全员协作C.过度设计D.持续改进6.以下网络安全攻击类型中，属于被动攻击的是（）A.DDoS攻击B.SQL注入C.网络嗅探D.恶意软件植入7.根据K-均值聚类算法，当数据点被分配到不同簇时，其更新规则基于（）A.距离最近簇中心的距离B.簇内数据点数量C.簇间距离最小化D.数据点初始位置8.在区块链技术中，共识机制的主要作用是（）A.加快交易速度B.确保交易不可篡改C.降低系统能耗D.提高节点算力9.根据图灵测试，人工智能通过以下标准判断是否具有人类智能（）A.计算速度B.知识储备C.自然语言交互能力D.硬件配置10.在机器学习模型评估中，过拟合现象的主要特征是（）A.训练集误差低，测试集误差高B.训练集误差高，测试集误差低C.训练集和测试集误差均高D.训练集和测试集误差均低二、填空题（总共10题，每题2分，总分20分）1.人工智能的三大基本要素包括______、______和______。2.数据挖掘中，用于衡量分类模型预测准确率的指标是______。3.物联网架构通常分为感知层、网络层和______三层。4.根据香农公式，信息量与事件发生概率的关系为______。5.敏捷开发中，每日站会的主要目的是______。6.网络安全中，用于加密传输数据的协议是______。7.K-均值聚类算法中，初始簇中心通常采用______方法选择。8.区块链中，验证交易有效性的核心机制是______。9.图灵测试由______科学家于1950年提出。10.机器学习中，用于防止过拟合的常见技术是______。三、判断题（总共10题，每题2分，总分20分）1.人工智能伦理原则中的“可解释性”要求所有AI决策必须符合人类法律。（×）2.关联规则算法Apriori的“反单调性”意味着支持度高的规则必然包含更多项。（√）3.物联网设备必须具备持续在线连接才能实现数据传输。（×）4.信息熵越大，消息的不确定性越高。（√）5.敏捷开发完全排斥传统瀑布模型的计划性。（×）6.网络嗅探属于主动攻击，会直接修改目标系统数据。（×）7.K-均值聚类算法对初始簇中心的选择不敏感。（×）8.共识机制如PoW（工作量证明）的主要目的是防止双花攻击。（√）9.图灵测试的通过标准是机器回答问题与人类无显著差异。（√）10.机器学习中的交叉验证主要用于提高模型泛化能力。（√）四、简答题（总共4题，每题4分，总分16分）1.简述人工智能伦理原则中的“公平性”及其在算法设计中的体现。2.解释数据挖掘中关联规则挖掘的基本流程。3.比较物联网与传统互联网的主要区别。4.简述机器学习中过拟合和欠拟合的典型表现及解决方法。五、应用题（总共4题，每题6分，总分24分）1.假设某电商平台需要分析用户购买行为，请设计一个基于关联规则挖掘的推荐系统方案，包括数据预处理步骤和规则筛选标准。2.某工厂部署了IoT监控系统，但发现部分传感器数据传输延迟严重。请分析可能的原因并提出优化建议。3.设计一个简单的K-均值聚类应用场景（如客户细分），说明如何选择初始簇中心并评估聚类效果。4.假设你正在开发一个图像分类模型，但发现模型在训练集上表现良好，但在测试集上准确率低。请分析可能的原因并提出改进措施。【标准答案及解析】一、单选题1.B（可解释性强调决策逻辑可被理解，但不必完全透明，如黑箱模型仍可合规）2.C（关联规则算法用于发现项集间关联，如购物篮分析）3.D（传统银行柜台属于线下服务，非IoT范畴）4.A（概率均等时熵最大，如掷公平硬币）5.C（过度设计违背敏捷的“少即是多”原则）6.C（网络嗅探是被动监听，不修改数据）7.A（K-均值基于簇中心距离分配数据点）8.B（共识机制确保交易不可篡改，如PoW通过算力竞争）9.C（图灵测试核心是自然语言交互能力）10.A（过拟合特征是训练集误差低但泛化能力差）二、填空题1.算法、数据、算力2.准确率3.应用层4.负对数概率5.同步任务进度6.TLS/SSL7.随机选择8.共识机制9.阿兰•图灵10.正则化三、判断题1.×（可解释性要求决策逻辑可理解，不强制符合法律）2.√（反单调性：支持度高的规则子集必然支持度更高）3.×（部分IoT设备支持离线缓存，如智能手环）4.√（熵与不确定性正相关）5.×（敏捷强调迭代计划，非完全无计划）6.×（嗅探是被动监听，非主动攻击）7.×（初始选择影响结果，如K-means++优化选择）8.√（PoW通过算力竞争防止恶意节点双花）9.√（图灵测试通过自然语言交互评估智能）10.√（交叉验证通过多轮训练评估泛化能力）四、简答题1.公平性要求算法决策对所有群体无歧视，如消除性别、种族偏见。体现方式包括：-数据层面：剔除敏感属性或使用公平性约束预处理；-算法层面：设计抗偏见模型（如公平性约束优化）；-评估层面：使用公平性指标（如基尼系数、统计均等性）。2.关联规则挖掘流程：-数据预处理：清洗缺失值，转换格式；-关联规则生成：使用Apriori算法挖掘频繁项集；-规则评估：计算支持度（项集出现频率）、置信度（规则前件推出后件的概率）；-规则筛选：设定最小支持度/置信度阈值。3.物联网与传统互联网区别：-范围：物联网连接物理设备，传统互联网连接计算机；-协议：物联网使用低功耗协议（如MQTT），传统互联网使用TCP/IP；-应用：物联网强调实时交互（如智能门锁），传统互联网侧重信息传输（如网页浏览）。4.过拟合/欠拟合：-过拟合：训练集误差低，测试集误差高（如模型复杂度过大）；-欠拟合：训练集和测试集误差均高（如模型过于简单）；解决方法：过拟合可通过正则化、早停策略缓解；欠拟合需增加模型复杂度（如提升特征维度）。五、应用题1.推荐系统方案：-数据预处理：清洗用户购买记录，提取商品项集；-规则筛选：设定最小支持度（如0.1%）和置信度（如0.5）；-应用：生成“购买A商品的用户同时购买B商品”的规则，推荐B商品给购买A的用户。2.IoT数据传输延迟优化：-原因分析：传感器网络拥堵、协议效率低、传输距离远；-优化建议：-使用MQTT协议替代HTTP；-部署边缘计算节点缓存数据；-优化传感器采样频率。3.K-均值聚类应用：-场