2022-2023學(xué)年上海市閔行區(qū)高一（下）學(xué)業(yè)水平信息技術(shù)試卷
發(fā)布：2024/6/24 8:0:9
一、綜合題
-
1．梅花可分為真梅、杏梅和櫻李梅，小申設(shè)計(jì)了一個(gè)人工智能算法自動(dòng)判斷梅花的類型。
?
（1）如圖1所示，小申找到了一張真梅類梅花，將其另存為16色位圖，分辨率不變，這張圖片所占存儲(chǔ)空間為KB。
?
（2）將圖1轉(zhuǎn)換為JPG格式，這屬于（選填：有損壓縮/無(wú)損壓縮）。
（3）在圖像數(shù)字化的過(guò)程中，用若干位二進(jìn)制數(shù)表示每個(gè)像素點(diǎn)的顏色，每種顏色用一個(gè)二進(jìn)制數(shù)來(lái)表示。例如，如圖2所示，一個(gè)像素點(diǎn)的顏色用24比特來(lái)表示，某顏色的RGB值是（225，124，159），這屬于圖像數(shù)字化環(huán)節(jié)中的（選填：采樣/量化/編碼）。
（4）已知第13行的二進(jìn)制序列是（0111111111001000），那么第14行轉(zhuǎn)換為十六進(jìn)制數(shù)是。
?
A.7FA8
B.7FC8
C.7FEC
D.7FCC
（5）小申在訓(xùn)練模型前，數(shù)據(jù)集中每張梅花圖片被標(biāo)記了類型，以這些標(biāo)記作為預(yù)期效果來(lái)區(qū)分梅花類型，不斷修正機(jī)器的預(yù)測(cè)結(jié)果，這種機(jī)器學(xué)習(xí)的方法是，這種方法的預(yù)測(cè)結(jié)果是。
A.監(jiān)督學(xué)習(xí)離散的
B.監(jiān)督學(xué)習(xí)連續(xù)的
C.非監(jiān)督學(xué)習(xí)離散的
D.非監(jiān)督學(xué)習(xí)連續(xù)的
（6）用K-近鄰算法對(duì)真梅、杏梅和櫻李梅三種類別的梅花自動(dòng)分類，為了便于計(jì)算，取其中的某一個(gè)特征屬性進(jìn)行測(cè)量，收集的若干樣本數(shù)據(jù)如下表所示，已知待測(cè)梅花的該特征值為12，根據(jù)K-近鄰算法思想，當(dāng)K=5 時(shí)，待測(cè)梅花的品種預(yù)測(cè)為。
A.直梅特征值 6.5 7 7.5 8 8.5 9.5 13 15 15.5 花的距度 5.5 5 4.5 4 3.5 2.5 1 3 3.5 類別 直梅 直梅 櫻李梅 櫻李梅 櫻李梅 杏梅 直梅 杏梅 杏梅
B.杏梅
C.櫻李梅
D.無(wú)法判斷
（7）人工智能和大數(shù)據(jù)等新技術(shù)飛速發(fā)展，方便了人們的日常生活。關(guān)于大數(shù)據(jù)的處理過(guò)程，正確的排序是。
①數(shù)據(jù)預(yù)處理
②數(shù)據(jù)采集
③數(shù)據(jù)挖掘應(yīng)用
④數(shù)據(jù)分析
（8）關(guān)于人工智能技術(shù)的說(shuō)法，以下描述正確的是。
A.將紙質(zhì)試卷掃描并借助OCR軟件識(shí)別成文本文件使用了人工智能的圖像識(shí)別技術(shù)
B.使用手機(jī)的語(yǔ)音助手撥打電話使用了人工智能的語(yǔ)音識(shí)別技術(shù)
C.商場(chǎng)結(jié)賬時(shí)掃描商品條形碼顯示價(jià)格使用了人工智能的文字識(shí)別技術(shù)
D.醫(yī)療影像平臺(tái)能推進(jìn)人工智能在醫(yī)學(xué)影像、輔助診斷、醫(yī)療機(jī)器人等眾多醫(yī)療環(huán)節(jié)的探索和應(yīng)用組卷：4引用：1難度：0.4
一、綜合題
-
3．小申喜歡閱讀莎士比亞的戲劇集。他想知道某個(gè)單詞在一部戲劇中出現(xiàn)的次數(shù)，為此他購(gòu)買了英文原版的電子文檔，并將文章內(nèi)容保存為TXT文本格式。
All the past,all is overture.
（凡是過(guò)往，皆為序章。）
——William Shakespeare（1）文章內(nèi)容僅由英文字符構(gòu)成，其編碼形式是。
A.ASCⅡ碼
B.十進(jìn)制代碼
C.GB18030編碼
D.Unicode字符集
（2）小申設(shè)計(jì)了統(tǒng)計(jì)單詞出現(xiàn)次數(shù)的算法，分解為以下6個(gè)步驟，請(qǐng)將這些步驟按照合適的順序依次排列。
①逐一列舉列表中的單詞，并檢驗(yàn)是否與需要查詢的單詞相同，若相同則計(jì)數(shù)加1。
②將文章中的英文字符全部轉(zhuǎn)換為小寫，并刪除標(biāo)點(diǎn)符號(hào)等特殊字符。
③輸出需要查詢單詞出現(xiàn)的次數(shù)。
④輸入需要查詢的單詞，并轉(zhuǎn)換為小寫。
⑤從TXT文本文件中讀入文章內(nèi)容到Python程序中。
⑥提取每個(gè)單詞作為單獨(dú)的元素存儲(chǔ)在列表中。
（3）通過(guò)“逐一列舉，條件檢驗(yàn)”的方法統(tǒng)計(jì)單詞出現(xiàn)的次數(shù)，該方法在算法中被稱為。
（4）上述算法的算法控制結(jié)構(gòu)使用以下流程示意圖表示，正確的是。
?
（5）根據(jù)算法描述，小申編寫了以下Python程序，用于統(tǒng)計(jì)輸入單詞在戲劇《TheTempest》中出現(xiàn)的次數(shù)。請(qǐng)閱讀程序，理解語(yǔ)句的作用，并在橫線處補(bǔ)充代碼，將程序補(bǔ)充完整，完成功能需求。
?
①②③
（6）小申編寫好程序運(yùn)行時(shí)，出現(xiàn)如下圖所示的報(bào)錯(cuò)信息。分析并闡述報(bào)錯(cuò)原因和程序改正的方法。
（7）依據(jù)程序設(shè)計(jì)語(yǔ)言的發(fā)展歷程，Python編程語(yǔ)言屬于（選填：高級(jí)語(yǔ)言/匯編語(yǔ)言/機(jī)器語(yǔ)言）。組卷：2引用：1難度：0.4 -
4．如圖所示，小中收集了2000-2018年某地的臺(tái)風(fēng)數(shù)據(jù)。臺(tái)風(fēng)等級(jí)分為5級(jí)：熱帶風(fēng)暴、強(qiáng)熱帶風(fēng)暴、臺(tái)風(fēng)、強(qiáng)臺(tái)風(fēng)、超強(qiáng)臺(tái)風(fēng)，分別對(duì)應(yīng)表中的A級(jí)、B級(jí)、C級(jí)、D級(jí)、E級(jí)，請(qǐng)回答第（1）～（5）題。
（1）小申根據(jù)上圖所示數(shù)據(jù)進(jìn)行處理，刪除重復(fù)年份的記錄。當(dāng)存在多條相同年份記錄時(shí)，僅保留重復(fù)記錄中的第一條記錄，并將新生成的數(shù)據(jù)表替換原表。請(qǐng)選擇合適的選項(xiàng)，完成以上功能。
A.pd.drop_duplicates（subset=['year']，keep='first'，inplace=True）
B.tf.drop_duplicates（subset-['year']，keep-'first'，inplace-True）
C.pd.drop_duplicates（keep='first'，inplace=False）
D.tf.drop_duplicates（subset=['year']，keep='first'，inplace=False）
（2）小申想設(shè)計(jì)一個(gè)算法，實(shí)現(xiàn)統(tǒng)計(jì)超強(qiáng)臺(tái)風(fēng)超過(guò)2次的年份個(gè)數(shù)，并輸出對(duì)應(yīng)的年份。請(qǐng)從a-f語(yǔ)句中選擇合適的內(nèi)容填入右側(cè)流程圖的虛線框中。
①②③④⑤
若需完成上述功能，下列流程圖中的陰影處，應(yīng)填入的合適的語(yǔ)句是。
?
（3）如圖所示，小申完成了數(shù)據(jù)整理并存為taifeng2.csv。接下來(lái)，要編寫程序?qū)崿F(xiàn)超強(qiáng)臺(tái)風(fēng)超過(guò)2次的年份統(tǒng)計(jì)，請(qǐng)完善程序代碼。
?
?
（4）小申根據(jù)如圖1所示的每年臺(tái)風(fēng)次數(shù)數(shù)據(jù)，編寫程序繪制了如圖2的可視化圖形，請(qǐng)完善程序代碼。
?
?
①②③
（5）小申在撰寫數(shù)據(jù)分析報(bào)告時(shí)，繪制了“2000-2018 年之間臺(tái)風(fēng)總數(shù)數(shù)量”的箱形圖，請(qǐng)幫助小申進(jìn)行分析。
?組卷：1引用：1難度：0.3