一.數學、算法題
1.施密特正交化的作用:
將空間上一組一般的基(如{1 0 0;1 1 0;1 1 1})轉換爲一組規範正交基(如{1 0 0;0 1 0;0 0 1})。
(1).
(2).
正交矩陣:方塊矩陣,其元素均爲實數,而且行與列皆爲正交的單位向量,使得該矩陣的轉置矩陣爲其逆矩陣。(
參考:wiki正交矩陣
2.(1)多元函數無條件極值問題。
(2)條件極值,設長寬高xyz。則優化問題可描述爲
往下直接使用拉格朗日乘數法即可。
關於條件極值和非條件極值,參考:第八節 多元函數的極值及其求法
3.最速下降法即梯度下降法。
核心步驟是每一次都向梯度相反的方向移動,具體可參考:百度百科梯度下降。
4.關於罰函數法網上資料好像很少,沒搞懂。
參考:百度百科罰函數法
5.最小二乘法:通過最小化誤差平方和擬合數據。
(1)這裏就是做多項式擬合,不寫了,直接上之前的草紙吧。
(2)上述是非線性擬合。線性擬合參數上不含有x高次方項的係數,下面來個線性擬合。
6.常見分類方法:
對數機率迴歸,決策樹,支持向量機,樸素貝葉斯,神經網絡。
樸素貝葉斯是基於貝葉斯定理與特徵條件獨立假設(即用於分類的特徵在類確定的條件下都是條件獨立的)並使用後驗概率最大化策略的分類方法。
不想寫了,直接上照片。
參考:李航的《統計學習方法》4.1節
7.邊緣檢測:
從基本的梯度算子sobel到LoG、DoG再到比較完善的Canny邊緣檢測。
特徵點檢測:比如harris,SIFT、SURF、ORB等吧。
特徵區塊檢測:HOG直方圖。
8.K-D樹(K-dimension tree),
是對數據點在k維空間(如二維(x,y),三維(x,y,z),k維(x1,y,z..))中劃分的一種數據結構,本質上說Kd-樹就是一種平衡二叉樹。主要應用於多維空間關鍵數據的搜索(如:範圍搜索和最近鄰搜索)。
參考:從K近鄰算法、距離度量談到KD樹、SIFT+BBF算法
9
(1)濾波是將信號中特定波段頻率濾除的操作。圖像濾波是在儘量保留圖像細節特徵的條件下對目標圖像的噪聲進行抑制。
(2)時域濾波是在空間的圖像矩陣上進行卷積運算,一般比較耗時。頻域濾波要先進行傅里葉變換,然後和相關的算子進行乘積運算。對於不規則的噪聲值,通過傅里葉變換可以得到很好的平滑效果;但相應的,時域在邊緣提取上,要比頻域處理效果好很多。
(3)頻域濾波:首先,將時域信號轉換成頻域信號。具體參見:頻域信號處理
卡爾曼濾波:首先你要建立卡爾曼濾波模型,然後套公式即可。參見:卡爾曼濾波之目標跟蹤
二.填空題
1 . df
參考:Linux 磁盤管理:df,du,fdisk,mkfs,fsck
2 . 連接請求
3 . 共享內存
進程間通信的主要手段:管道(Pipe),信號(Signal),消息隊列(Message),共享內存(Shared memory),信號量(semaphore)和套接字(Socket)。
4 . command &
參考:linux命令後臺運行
5 . 滑動窗口
6 . 21
2*8+5
7 .11110000
8 .比較運算和賦值運算
9 . 3;0
10 j<n-i;r[j+1]=r[j]
三. 實踐題
1.HTTP(HyperText Transfer Protocol,
超文本傳輸協議)位於OSI模型(Open System Interconnection Reference Model, 開放式系統互聯通信參考模型)的傳輸層。
常用的請求方法有:GET、HEAD、POST、PUT、DELETE、CONNECT、OPTIONS、TRACE、PATCH。
具體參考:HTTP請求方法:GET、HEAD、POST、PUT、DELETE、CONNECT、OPTIONS、TRACE
2
3
單選題
1.A
2.A
參考:linux下which、whereis、locate、find 命令的區別
3.C
4.A
5.D
6.B
字符串,後邊還有一個‘\0’字符。
4.深度優先,這裏使用前序遍歷啦。
int PreOrderTraverse(BinaryTreeNode* root){
if(root==NULL) return 0;
cout << root->m_nValue << ' ';
PreOrderTraverse(root->m_pLeft);
PreOrderTraverse(root->m_pRight)
return 0;
}