第6章习题

A)auto B)static C)extern D)register
11.若有函数定义：
int func()
{
static int m=0;
return m++;
}
以下程序段运行后屏幕输出为（）。
int i;
for(i=1;i<=4;i++)
func();
printf("%d",func());
A.0 B.1C.4 D.5
B.函数的定义不可以嵌套，但函数的调用可以嵌套
C.函数的定义和函数的调用均不可以嵌套
D.函数的定义和函数的均可以嵌套
5.以下叙述中正确的是
A)构成C程序的基本单位是函数
B)可以在一个函数中定义另一个函数
C)main()函数必须放在其它函数之前
D)所有被调用的函数一定要在调用之前进行定义
6.用数组名作为函数调用时的实参时，传递给形参的是。
9.下列说法中正确的是：（）
A.局部变量在一定范围内有效，且可与该范围外的变量同名。
B如果一个源文件中，全局变量与局部变量同名，则在局部变量范围内，局部变量不起作用。
C.局部变量缺省情况下都是静态变量。
D.函数体内的局部静态变量，在函数体外也有效。
10．未指定存储类别的变量，其隐含的存储类别为（）。
main()
{ char s[]=“ABCD”, *P;
for(p=s+1; p<s+4; p++) printf (“%s\n”,p);}
该程序的输出结果是
A) ABCDB) AC) BD)BCD
BCDBCCD
CDCDD
DD

《机器学习》西⽠书习题第6章习题6.1 试证明样本空间中任意点 \(\boldsymbol{x}\) 到超平⾯ \((\boldsymbol{w}, b)\) 的距离为式 \((6.2)\) . 设超平⾯为 \(\ell(\boldsymbol{w}, b)\) , \(\boldsymbol{x}\) 在 \(\ell\) 上的投影为 \(\boldsymbol{x_0}\) , 离超平⾯的距离为 \(r\) . 容易得\[\boldsymbol{w}\perp \ell \]\[\boldsymbol{x} = \boldsymbol{x_0} + r\frac{\boldsymbol{w}}{||\boldsymbol{w}||} \]\[\boldsymbol{w}^\mathrm{T}\boldsymbol{x_0} + b = 0 \]则有\[\boldsymbol{x_0} = \boldsymbol{x} - r\frac{\boldsymbol{w}}{||\boldsymbol{w}||} \]\[\begin{aligned} \boldsymbol{w}^\mathrm{T}(\boldsymbol{x} - r\frac{\boldsymbol{w}}{||\boldsymbol{w}||}) + b &= 0\\ \boldsymbol{w}^\mathrm{T}\boldsymbol{x} -r\frac{\boldsymbol{w}^\mathrm{T}\boldsymbol{w}}{||\boldsymbol{w}||} + b &= 0\\ \boldsymbol{w}^\mathrm{T}\boldsymbol{x} - r\frac{||\boldsymbol{w}||^2}{||\boldsymbol{w}||} + b &= 0\\ \boldsymbol{w}^\mathrm{T}\boldsymbol{x} + b &= r\frac{||\boldsymbol{w}||^2}{||\boldsymbol{w}||}\\ \end{aligned}\]即得\[r = \frac{\boldsymbol{w}^\mathrm{T}\boldsymbol{x} + b}{||\boldsymbol{w}||} \]由于距离是⼤于等于 \(0\) 的, 所以结果再加上绝对值\[r = \frac{\left|\boldsymbol{w}^\mathrm{T}\boldsymbol{x} + b\right|}{||\boldsymbol{w}||}\tag{6.2} \]6.2 试使⽤ \(\mathrm{LIBSVM}\) , 在西⽠数据集 \(3.0\alpha\) 上分别⽤线性核和⾼斯核训练⼀个 \(\mathrm{SVM}\) , 并⽐较其⽀持向量的差别.6.3 选择两个 \(\mathrm{UCI}\) 数据集, 分别⽤线性核和⾼斯核训练⼀个 \(\mathrm{SVM}\) , 并与 \(\mathrm{BP}\) 神经⽹络和 \(\mathrm{C4.5}\) 决策树进⾏实验⽐较.6.4 试讨论线性判别分析与线性核⽀持向量机在何种条件下等价. 线性判别分析能够解决 \(n\) 分类问题, ⽽ \(\mathrm{SVM}\) 只能解决⼆分类问题, 如果要解决 \(n\) 分类问题要通过 \(\mathrm{OvR(One\ vs\ Rest)}\) 来迂回解决. 线性判别分析能将数据以同类样例间低⽅差和不同样例中⼼之间⼤间隔来投射到⼀条直线上, 但是如果样本线性不可分, 那么线性判别分析就不能有效进⾏, ⽀持向量机也是. 综上, 等价的条件是:数据有且仅有 2 种, 也就是说问题是⼆分类问题.数据是线性可分的.6.5 试述⾼斯核 \(\mathrm{SVM}\) 与 \(\mathrm{RBF}\) 神经⽹络之间的联系. 实际上都利⽤了核技巧, 将原来的数据映射到⼀个更⾼维的空间使其变得线性可分.6.6 试析 \(\mathrm{SVM}\) 对噪声敏感的原因. \(\mathrm{SVM}\) 的特性就是 "⽀持向量" . 即线性超平⾯只由少数 "⽀持向量" 所决定. 若噪声成为了某个 "⽀持向量" —— 这是⾮常有可能的. 那么对整个分类的影响是巨⼤的.反观对率回归, 其线性超平⾯由所有数据共同决定, 因此⼀点噪声并⽆法对决策平⾯造成太⼤影响.6.7 试给出试 \((6,52)\) 的完整 \(\mathrm{KKT}\) 条件.\(\mathrm{KKT}\) 条件:\[\begin{cases} \xi_i \geqslant 0\\ \hat{\xi}_i \geqslant 0\\ f(\boldsymbol{x}_i) - y_i - \epsilon - \xi_i \leqslant 0\\ y_i - f(\boldsymbol{x}_i) - y_i - \epsilon - \hat{\xi}_i \leqslant 0\\ \mu_i\geqslant 0\\ \hat{\mu}_i \geqslant 0\\ \alpha_i \geqslant 0\\ \hat{\alpha}_i \geqslant 0\\ \mu_i\xi_i = 0\\ \hat{\mu}_i\hat{\xi}_i = 0\\ \alpha_i(f(\boldsymbol{x}_i) - y_i - \epsilon - \xi_i) = 0\\ \hat{\alpha}_i(y_i - f(\boldsymbol{x}_i) - y_i - \epsilon - \hat{\xi}_i) = 0 \end{cases}\]6.8 以西⽠数据集 \(3.0\alpha\) 的 "密度" 为输⼊, "含糖率" 为输出, 试使⽤ \(\mathrm{LIBSVM}\) 训练⼀个 \(\mathrm{SVR}\).6.9 试使⽤核技巧推⼴对率回归, 产⽣ "核对率回归" . 可以发现, 如果使⽤対率损失函数 \(\ell_{log}\) 来代替式 \((6.29)\) 中的 \(0/1\) 损失函数, 则⼏乎就得到了対率回归模型 \((3.27)\) . 我们根据原⽂, 将损失函数换成 \(\ell_{log}\), 再使⽤核技巧, 就能实现 "核対率回归" .6.10* 试设计⼀个能显著减少 \(\mathrm{SVM}\) 中⽀持向量的数⽬⽽不显著降低泛化性能的⽅法. 可以将⼀些冗余的⽀持向量去除到只剩必要的⽀持向量. ⽐如在⼆维平⾯, 只需要 \(3\) 个⽀持向量就可以表达⼀个⽀持向量机, 所以我们将⽀持向量去除到只剩 \(3\) 个.更⼴泛的情况是, 若是 \(n\) 维平⾯, 那么只需要 \(n + 1\) 个⽀持向量就能表达⼀个⽀持向量机.资料推荐。

或＝
式中，Ｑ表示销售数量；Ｐ表示销售单价；Ｖ表示单位销量的变动成本额；Ｆ
４
DP05b_205_215TC005 092-661 解决方案
表示固定成本总额；Ｓ表示营业收入；Ｃ表示变动成本总额，其可按变动成本率乘 以营业收入总额来确定。
６．试说明财务杠杆的基本原理和财务杠杆系数的测算方法 答：（１）财务杠杆原理。
１） 财务杠杆的概念。财务杠杆亦称筹资杠杆或资本杠杆，是指由于企业债 务资本中固定费用的存在而导致普通股每股收益变动率大于息税前利润变动率的 现象。企业的全部长期资本是由股权资本和债务资本构成的。股权资本成本是变 动的，在企业所得税后利润中支付；而债务资本成本通常是固定的，并可在企业 所得税前扣除。不管企业的息税前利润是多少，首先都要扣除利息等债务资本成 本，然后才归属于股权资本。因此，企业利用财务杠杆会对股权资本的收益产生 一定的影响，有时可能给股权的所有者带来额外的收益（即财务杠杆利益），有时 可能造成一定的损失（即遭受财务风险）。
４．试说明测算综合成本率中三种权数的影响 答：在测算企业综合资本成本率时，资本结构或各种资本在全部资本中所占的
２
DP05b_205_215TC005 092-661 解决方案
比例起着决定作用。企业各种资本的比例取决于各种资本价值的确定。各种资本价 值的计量基础主要有三种选择：账面价值、市场价值和目标价值。
１） 个别资本成本率是企业选择筹资方式的依据。一个企业长期资本的筹集 往往有多种筹资方式可供选择，包括长期借款、发行债券、发行股票等。这些长 期筹资方式的个别资本成本率的高低不同，可作为比较选择各种筹资方式的一个 依据。
２） 综合资本成本率是企业进行资本结构决策的依据。企业的全部长期资本 通常是由多种长期资本筹资类型的组合构成的。企业长期资本的筹资有多个组合 方案可供选择。不同筹资组合的综合资本成本率的高低，可以用作比较各个筹资 组合方案，作出资本结构决策的一个依据。

有教师表 （教师号，教师名，职称，基本工资 ） ，其中基本工资的取值与教师职称 有关。

实现这个约束的可行方案是 （ ） 。

A 在教师表上定义一个视图B 在教师表上定义一个存储过程C 在教师表上定义插入和修改操作的触发器D 在教师表上定义一个标量函数参考答案C在SQL SERVE 中，执行带参数的过程，正确的方法为（）A 过程名 参数B 过程名（参数）C 过程名 =参数D ABC 匀可参考答案A在SQL SERVE 服务器上，存储过程是一组预先定义并（ Transact-SQL 语句。

A 保存B 解释C 编译D 编写 参考答案 C在 SQL Server 中，触发器不具有（A INSERT 触发器B UPDATE* 发器C DELETE 发器D SELECT 触发器 参考答案 D）的 ）类型( )允许用户定义一组操作，这些操作通过对指定的表进行删除、插入和更新命令来执行或触发。

A存储过程B规则C触发器D索引参考答案C为了使用输出参数，需要在CREATPROCEDU语句中指定关键字( )A OPTIONB OUTPUTC CHECKD DEFAULT 参考答案B)语句用于创建触发器A CREATE PROCEDUREB CREATE TRIGGERC ALTER TRIGGERD DROP TRIGGER参考答案B下列()语句用于删除触发器。

A CREATE PROCEDUREB CREATE TRIGGERC ALTER TRIGGERD DROP TRIGGER 参考答案D）语句用于删除存储过程A CREATE PROCEDUREB CREATE TABLEC DROP PROCEDURED其他参考答案C下列（）语句用于创建存储过程A CREATE PROCEDUREB CREATE TABLEC DROP PROCEDURED其他参考答案Asp_help属于哪一种存储过程（）？A系统存储过程B用户定义存储过程C扩展存储过程D其他参考答案A以下语句创建的触发器是当对表A进行（）操作时触发CREATE TRIGGER ABC ON 表AFOR INSERT, UPDATE, DELETEASA只是修改B只是插入C只是删除D修改，插入，删除参考答案D（）允许用户定义一组操作，这些操作通过对指定的表进行删除、或触发。