1．小申對使用人工智能技術(shù)識別手寫數(shù)字很感興趣，想要探究手寫數(shù)字識別的原理。為此，小申從網(wǎng)絡(luò)資源中下載了2400張BMP格式的手寫數(shù)字圖片用于開展探究實踐，圖1所示時其中的25張圖片樣例。
?
（1）圖2呈現(xiàn)的是一張“數(shù)字5”的圖片及其屬性信息，這張手寫數(shù)字圖片所占存儲空間為
字節(jié)。
?
（2）將原始的BMP格式圖片批量轉(zhuǎn)換為JPEG格式圖片，作為訓(xùn)練手寫數(shù)字識別模型的數(shù)據(jù)集。轉(zhuǎn)換后的圖片古用的存儲空間變小，這種數(shù)據(jù)壓縮方式屬于
（選填：無損壓縮/有損壓縮）。
（3）使用數(shù)字0和1分別表示數(shù)據(jù)集圖片中像素的黑色和白色信息，則可以將每張圖片轉(zhuǎn)換為32×32的二進(jìn)制數(shù)字序列，圖3所示是其中一張手寫數(shù)字圖片轉(zhuǎn)換后的形式。該數(shù)字序列中第8行的二進(jìn)制數(shù)（00000000111111100000001111111000）2轉(zhuǎn)換為十六進(jìn)制數(shù)是
。
?
A.01FC07F8
B.00FE03F8
C.00FD03F0
D.01FE07F0
（4）在訓(xùn)練手寫數(shù)字識別模型前，數(shù)據(jù)集中每張圖片通過文件名被準(zhǔn)確地標(biāo)記為相應(yīng)表示的數(shù)字。以這些標(biāo)記作為預(yù)期效果，不斷地修正機(jī)器的預(yù)測結(jié)果，這屬于機(jī)器學(xué)習(xí)中的
（選填：監(jiān)督學(xué)習(xí)非監(jiān)督學(xué)習(xí)）。
（5）將數(shù)據(jù)集劃分為訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)，使用K-近鄰算法對測試數(shù)據(jù)進(jìn)行分類。計算某個測試數(shù)據(jù)到所有訓(xùn)練數(shù)據(jù)的距離，按由近到遠(yuǎn)的順序選擇前10個訓(xùn)練數(shù)據(jù)，其標(biāo)記依次是：9、9、8、8、0、8、6、9、8、3。若第一次測試設(shè)置K值為3，第二次測試設(shè)置K值為7，則在兩次測試中這個測試數(shù)據(jù)的分類結(jié)果分別為
。
A.9和6
B.9和8
C.3和7
D.8和6
（6）設(shè)置合適的K值，運行編寫好的Python程序，對200個測試數(shù)據(jù)進(jìn)行分類，圖4所示為程序運行的輸出結(jié)果，本輪識別的正確率是
%。
?
（7）為了研究手寫數(shù)字的識別率，小申做了多輪實驗，實驗數(shù)據(jù)如表所示。
| 輪次 |
訓(xùn)練數(shù)據(jù)量11 |
測試數(shù)據(jù)量 |
識別正確率 |
| 第1輪 |
1180 |
20 |
50% |
| 第2輪 |
160 |
20 |
60% |
| …… |
…… |
…… |
…… |
| 第N-1輪 |
1600 |
400 |
95% |
| 第N輪 |
2000 |
400 |
97.5% |
結(jié)合已學(xué)知識并分析以上實驗數(shù)據(jù)，你可以得到的結(jié)論
。
（8）除了識別手寫數(shù)字，人工智能技術(shù)在很多領(lǐng)域發(fā)揮著重要的作用。以下關(guān)于人工智能技術(shù)的應(yīng)用描述正確的是
。
A.人工智能技術(shù)應(yīng)用于智能農(nóng)場、智能果園、農(nóng)產(chǎn)品加工智能車間等，將有助于提升農(nóng)業(yè)發(fā)展的智能化水平
B.人工智能技術(shù)的應(yīng)用會對一些行業(yè)和工種造成一定的影響，導(dǎo)致現(xiàn)有職業(yè)的消失，但與此同時與人工智能技術(shù)相關(guān)的崗位也在不斷出現(xiàn)
C.人工智能技術(shù)應(yīng)用在面部解鎖、刷臉支付、身份驗證等場景，為人們的生活帶來了許多便利，同時也應(yīng)當(dāng)確保個人私密信息的安全
D.人工智能技術(shù)應(yīng)用于自動駕駛平臺，可以為用戶提供覆蓋廣、高自動化的高精度地圖服務(wù)，有助于用戶更快地研發(fā)、測試和部署自動駕駛車輛
