扫一扫二维码
进群一起备考
查看更多
当前 - 选择题 - 新技术应用困难
单选题
2025年5月第48题
困难
单选题
2025年5月第48题
#了解即可
#超纲
人工智能中，图像识别任务常用以下哪种方法来进行特征分类与判别（支持向量机（SVM））。
问题（1）
浓缩知识点
图像识别的特征分类与判别任务中，有监督学习算法是处理带标签样本的核心工具类别。支持向量机（SVM）是该类任务中常用的有监督分类算法，能够适配图像这类高维特征数据，可应用于人脸识别、手写数字识别等典型场景。需明确相关方法的功能定位：主成分分析法（PCA）属于数据预处理工具，仅用于特征降维与提取环节，不具备分类判别能力；K均值聚类是无监督学习算法，仅能实现数据的聚类分组，无法完成带标签样本的分类任务；均值分布只是对数据统计特征的描述，并非可用于图像识别的算法。此外，当前图像识别领域的主流分类方法还包括卷积神经网络等深度学习模型，而SVM在中小规模高维特征分类场景中仍具备独特优势。
正确答案
D
本题考察的是图像识别中常用的分类算法方法。
A选项均值分布：不是具体算法，而是统计分布的描述，不适合作为图像识别的独立方法。
B选项主成分分析法（PCA）：是一种常用于数据降维和特征提取的方法，但不具备分类能力，通常用于图像预处理阶段，而不是直接用于识别。
C选项K均值聚类：是一种无监督学习算法，用于聚类分析，不能进行有监督分类，因此不能有效地解决带标签的图像识别问题。
D选项支持向量机（SVM）：是一种典型的有监督学习分类算法，广泛用于图像识别任务中，如人脸识别、手写数字识别等，能有效处理高维特征分类问题。
因此，图像识别使用的分类方法中，支持向量机最为准确，正确答案是 D。