浙江省温州市环大罗山联盟2021-2022学年高二下学期信息技术期中联考试题

下列有关“无人超市”的说法，正确的是（    ）

下列对“无人超市”信息系统的功能描述，不正确的是（    ）

2022年的北京冬奥会，我国取得了历史最好成绩，人工智能技术也以科技手段助运动员们一臂之力。研究团队利用基于深度学习原理的人工智能技术，建立神经网络模型，实现对动作视频中人体关节点的计算机自动识别，进而建立起适用于竞技体育和一般生物力学研究的计算机系统——无反光点人体运动自动捕捉人工智能系统。目前该系统已应用在国家速度滑冰和越野滑雪项目的训练中，获得超过8000人次的赛时动作技术数据，使机器深度学习越发“得心应手”，对于滑冰与滑雪运动员的动作捕捉与技术分析，既能精准到具体细节，又能快速反馈分析结果。

从文字输入、语音识别、图像识别到“刷指纹”、“刷脸”，人类信息的输入模式在发生革命性的变化。请回答下面小题。

下列说法正确的是（     ）

虚线框处可以合并为一个条件表达式，下列表达式中符合该条件的是（    ）

已知x="苹果, 50"，y=["苹果",50]，z={"苹果":50}，下列python表达式的值为True，正确的是（     ）

某些数据中存在“数字山峰”，例如数据“21432748”中存在“1432”、“274”两座“数字山峰”(必须包含上坡与下坡)，下面程序用于求数据中“数字山峰”的数量：

num=input("请输入数字串：");c=0

for i in range(1,len(num)):

    if  and f==False:

        f=True

    elif  and f==True:

        c=c+1

        f=False

print("有",c,"座数字山峰")

方框(1)(2)(3)的代码由以下部分组成：

①f=True         ②f=False        ③num[i-1]>num[i]           ④num[i-1]<num[i]

下列选项中代码顺序正确的是（     ）

有如下python程序段：

n="p4y2t3h1o9n4";p=""

for i in n:

    if "0"<=i<="9":

        if p=="":

            p+=i

        elif i>=p[-1]:

            p+=i

        elif i<p[0]:

            p=i

执行该程序段后，则p的值是（     ）

有如下python程序段：

from random import randint

n=input("请输入一串数字：")

k=randint(0,len(n))       #randint用于随机生成[0,len(n)]之间的整数

for i in range(k):

    for j in range(len(n)-1):

        if n[j]>n[j+1]:

            break

    else:

        n=n[:len(n)-1]

        continue      #continue跳过当前循环的剩余语句，直接进行下一轮循环

    n=n[:j]+n[j+1:]

执行该程序段后，输入“1529”，则变量n可能是（     ）

小墩和小融打乒乓球，利用Micro:bit主板的LED阵列实时显示比分情况（如图1所示，2个方框分别表示小墩和小融比分区，每个亮点表示1分），并在BXYPythonEditor软件的串口中实时输出对局输赢情况（如图2所示）。

操作步骤：小墩得1分，按下Micro:bit主板的按钮A，左侧比分区亮点加1；小融得1分，按下按钮B，右侧比分区亮点加1。一局比赛初始比分为0:0，每一局中先达到10分的选手可以赢得该局。

小张同学为了更好地了解冬奥会，从网上收集了历届冬奥会各个项目比赛信息，收集到的部分数据如图1所示：

图 1

图 2

为分析数据，小张编写了如下程序：

import pandas as pd

import matplotlib.pyplot as plt

from matplotlib.pyplot import MultipleLocator

plt.rcParams['font.sans-serif']=['SimHei']        #使图形中的中文标签正常显示df=pd.read_csv("dongao.csv")

#删除所有未获得奖牌的记录,并将奖牌列中的"G"修改为"金牌"，"S"修改为"银牌"，"B"修改为"铜牌"

jp={'G':'金牌','S':'银牌','B':'铜牌'}

for i in df.index:

    if      ①     :

        df=df.drop(i)

    else:

        df.at[i,'奖牌']=jp[df.at[i,'奖牌']]

#对输入国家每届的奖牌数进行统计，并制作相应图表，如图2所示：nt=input("请输入国家名称：")

df1=df[df['国家']==nt]

df3=pd.DataFrame(df2) #将分组后的数据生成新的二维结构，索引为“届次”，列标题为“奖牌”

x=df3.index

y=     ②      

plt.title(nt+"历年冬奥会奖牌趋势图") plt.     ③    (x,y)

plt.show()

某网站对信息进行加密解密，选择页面“index.html”如图1，加密页面“jia.html”如图2，解密页面“jie.html”如图3。在选择页面点击相应按钮，选择加密或解密。

图 1

图 2

图 3

选择加密时，在明文文本框中输入明文，点击“加密”按钮，网页显示密文与对应的密钥。加密规则为打乱明文对应的索引作为密钥，再利用该索引逐个取明文字符连接成密文，例如：明文为“信息技术”，若被打乱的索引为[2,0,1,3]，则密文为“技信息术”，密钥为“2,0,1,3”

选择解密时，在密文文本框中输入密文，密钥文本框输入密钥，点击“解密”按钮，网页显示明文。

决策树是一种通过树形结构进行分类的人工智能预测模型，如根据图1所示“气象特点与游客是否来游乐场的关系”绘制的图2所示的决策树树形结构：

图 1

图 2

通过了解当天的是否有风、天气、温度和湿度这4个节点参数即可预测当天是否有人来游乐场。不同的节点划分顺序可以绘制不同的决策树，为了选出最优的节点划分顺序，需要采用“信息熵”与“信息增益”指标。

信息熵，又称香农熵，被用来度量信息量的大小，信息熵越大表示信息量越大；

信息增益，表示样本经某节点划分后的信息熵变化大小。我们绘制决策树时应当逐次选择信息增益最大的节点作为当前节点。

对于有n个信息的样本D，记第k个信息发生的概率为𝑝𝑘，信息熵计算公式为E(D)=− ∑^𝑛 𝑝𝑘𝑙𝑜𝑔2(𝑝𝑘)

例如游乐场14个样本中“去”(9个)、“不去”(5个)，则信息熵

若样本按“是否有风”节点划分，“是”(6个，其中3个去，3个不去)信息熵=

“否”(8个，其中6个去，2个不去)信息熵= =0.811；经过此节点划分后的信息增益=原始信息熵−按此节点划分后样本信息熵比例和 。