小申对使用人工智能技术识别手写数字很感兴趣，想要探究手写数字识别的原理。为此，小申从网络资源中下载了2400张BMP格式的手写数字图片用于开展探究实践，图1所示时其中的25张图片样例。
​
（1）图2呈现的是一张“数字5”的图片及其属性信息，这张手写数字图片所占存储空间为

128

128

字节。
​
（2）将原始的BMP格式图片批量转换为JPEG格式图片，作为训练手写数字识别模型的数据集。转换后的图片古用的存储空间变小，这种数据压缩方式属于

有损压缩

有损压缩

（选填：无损压缩/有损压缩）。
（3）使用数字0和1分别表示数据集图片中像素的黑色和白色信息，则可以将每张图片转换为32×32的二进制数字序列，图3所示是其中一张手写数字图片转换后的形式。该数字序列中第8行的二进制数（00000000111111100000001111111000）2转换为十六进制数是

B

B

。
​
A.01FC07F8
B.00FE03F8
C.00FD03F0
D.01FE07F0
（4）在训练手写数字识别模型前，数据集中每张图片通过文件名被准确地标记为相应表示的数字。以这些标记作为预期效果，不断地修正机器的预测结果，这属于机器学习中的

监督学习

监督学习

（选填：监督学习非监督学习）。
（5）将数据集划分为训练数据和测试数据，使用K-近邻算法对测试数据进行分类。计算某个测试数据到所有训练数据的距离，按由近到远的顺序选择前10个训练数据，其标记依次是：9、9、8、8、0、8、6、9、8、3。若第一次测试设置K值为3，第二次测试设置K值为7，则在两次测试中这个测试数据的分类结果分别为

B

B

。
A.9和6
B.9和8
C.3和7
D.8和6
（6）设置合适的K值，运行编写好的Python程序，对200个测试数据进行分类，图4所示为程序运行的输出结果，本轮识别的正确率是

76

76

%。
​
（7）为了研究手写数字的识别率，小申做了多轮实验，实验数据如表所示。

轮次	训练数据量11	测试数据量	识别正确率
第1轮	1180	20	50%
第2轮	160	20	60%
……	……	……	……
第N-1轮	1600	400	95%
第N轮	2000	400	97.5%

结合已学知识并分析以上实验数据，你可以得到的结论

训练数据量越大，训练效果越好，越有利于提高识别正确率；测试数据量越大，越有利于提高检测识别的正确率

训练数据量越大，训练效果越好，越有利于提高识别正确率；测试数据量越大，越有利于提高检测识别的正确率

。
（8）除了识别手写数字，人工智能技术在很多领域发挥着重要的作用。以下关于人工智能技术的应用描述正确的是

ABCD

ABCD

。
A.人工智能技术应用于智能农场、智能果园、农产品加工智能车间等，将有助于提升农业发展的智能化水平
B.人工智能技术的应用会对一些行业和工种造成一定的影响，导致现有职业的消失，但与此同时与人工智能技术相关的岗位也在不断出现
C.人工智能技术应用在面部解锁、刷脸支付、身份验证等场景，为人们的生活带来了许多便利，同时也应当确保个人私密信息的安全
D.人工智能技术应用于自动驾驶平台，可以为用户提供覆盖广、高自动化的高精度地图服务，有助于用户更快地研发、测试和部署自动驾驶车辆