【数据结构】——期末复习题题库(1)

🎃个人专栏:

🐬 算法设计与分析:算法设计与分析_IT闫的博客-CSDN博客

🐳Java基础:Java基础_IT闫的博客-CSDN博客

🐋c语言:c语言_IT闫的博客-CSDN博客

🐟MySQL:数据结构_IT闫的博客-CSDN博客

🐠数据结构:​​​​​​数据结构_IT闫的博客-CSDN博客

💎C++:C++_IT闫的博客-CSDN博客

🥽C51单片机:C51单片机(STC89C516)_IT闫的博客-CSDN博客

💻基于HTML5的网页设计及应用:基于HTML5的网页设计及应用_IT闫的博客-CSDN博客​​​​​​

🥏python:python_IT闫的博客-CSDN博客

🐠离散数学:离散数学_IT闫的博客-CSDN博客

欢迎收看,希望对大家有!

目录

🎯问题

一. 单选题(共21题,100分)

1. (单选题)下面程序片段的时间复杂度是(    )

2. (单选题)与数据元素本身的形式、内容、相对位置、个数无关的是数据的( )。

3. (单选题)数据的基本单位是( )

4. (单选题) x=n; //n>1y=0;while(x≥(y+1)* (y+1))y++;

5. (单选题)数据的最小单位是( )

6. (单选题)与数据元素本身的形式、内容、相对位置、个数无关的是数据的( )。

7. (单选题) for (i=0; i;>

8. (单选题)数据在计算机内有链式和顺序两种存储方式,在存储空间使用的灵活性上,链式存储比顺序存储要(      )。

9. (单选题)

10. (单选题)在数据结构中,从逻辑上可以把数据结构分为(    )两大类。

11. (单选题)通常要求同一逻辑结构中的所有数据元素具有相同的特性,这意味着()。

12. (单选题)通常要求同一逻辑结构中的所有数据元素具有相同的特性,这意味着( )。

13. (单选题)算法的时间复杂度取决于( )。

14. (单选题) 数据结构是指(   )。

15. (单选题)在数据结构中,从逻辑上可以把数据结构分成( )。

16. (单选题)下列程序段的渐进时间复杂度为(    )。   

17. (单选题)x=90; y=100;while(y>0)if(x>100){x=x-10;y--;}else x++;

18. (单选题)以下数据结构中,( )是非线性数据结构

19. (单选题)以下程序段中,n为正整数,则最后一行的语句频度在最坏情况下是(  )

20. (单选题)以下说法正确的是( )。

21. (单选题)i=1;while(i<=n)i=i*3;

🎯答案及部分解析:


🎯问题

一. 单选题(共21题,100分)

1. (单选题)下面程序片段的时间复杂度是(    )

x=0;

for(i=1; i<n; i++)

   for (j=1; j<=n-i; j++)

          x++;

  • A.

    O(n)

  • B. O(

    )
  • C. O(

    )
  • D. O(

    )

2. (单选题)与数据元素本身的形式、内容、相对位置、个数无关的是数据的( )。

  • A. 运算实现
  • B. 存储实现
  • C. 逻辑结构
  • D. 存储结构

3. (单选题)数据的基本单位是( )

  • A. 数据变量
  • B. 数据类型
  • C. 数据元素
  • D. 数据项

4. (单选题) x=n; //n>1
y=0;
while(x≥(y+1)* (y+1))
y++;

  • A. O(1)
  • B. O(n)
  • C. O(

    )
  • D. O(

    )

5. (单选题)数据的最小单位是( )

  • A. 数据变量
  • B. 数据类型
  • C. 数据项
  • D. 数据元素

6. (单选题)与数据元素本身的形式、内容、相对位置、个数无关的是数据的( )。

  • A. 运算实现
  • B. 逻辑结构
  • C. 存储结构
  • D. 存储实现

7. (单选题) for (i=0; i<n; i++)
for (j=0; j<m; j++)
a[i][j]=0;

  • A. O(m*m)
  • B. O(m*n)
  • C. O(n*n)
  • D. O(1)

8. (单选题)数据在计算机内有链式和顺序两种存储方式,在存储空间使用的灵活性上,链式存储比顺序存储要(      )。

  • A. 低
  • B. 高
  • C. 相同
  • D. 以上都不正确

9. (单选题)

下列程序的时间复杂度为( )

i=0;s=0;

while(s<n)

{ i++;s=s+i;}

  • A. O(n)
  • B. O(

     )
  • C. O(

  • D. O(

     )

10. (单选题)在数据结构中,从逻辑上可以把数据结构分为(    )两大类。

  • A. 初等结构、构造型结构
  • B. 线性结构、非线性结构 
  • C. 顺序结构、链式结构
  • D. 动态结构、静态结构

11. (单选题)通常要求同一逻辑结构中的所有数据元素具有相同的特性,这意味着()。

  • A. 每个数据元素都一样
  • B. 数据元素所包含的数据项的个数要相等
  • C. 数据具有同一特点
  • D. 不仅数据元素所包含的数据项的个数要相同,而且对应数据项的类型要一致

12. (单选题)通常要求同一逻辑结构中的所有数据元素具有相同的特性,这意味着( )。

  • A. 数据具有同一特点
  • B. 数据元素所包含的数据项的个数要相等
  • C. 不仅数据元素所包含的数据项的个数要相同,而且对应数据项的类型要一致
  • D. 每个数据元素都一样

13. (单选题)算法的时间复杂度取决于( )。

  • A. 待处理数据的初态
  • B. A和B
  • C. 问题的规模
  • D. 计算机的配置

14. (单选题) 数据结构是指(   )。

  • A. 数据元素的组织形式
  • B. 数据类型
  • C. 数据定义
  • D. 数据存储结构

15. (单选题)在数据结构中,从逻辑上可以把数据结构分成( )。

  • A. 内部结构和外部结构
  • B. 动态结构和静态结构
  • C. 紧凑结构和非紧凑结构
  • D. 线性结构和非线性结构

16. (单选题)下列程序段的渐进时间复杂度为(    )。   

count=0;

  for( i=1;i<=n;i*=2)

      for( j=1;j<= n; j++)

         count++;

  • A. O(

    )
  • B. O(n)
  • C. O(

    )
  • D. O(

    )

17. (单选题)x=90; y=100;
while(y>0)
if(x>100)
{x=x-10;y--;}
else x++;

  • A. O(10)
  • B. O(100)
  • C. O(n)
  • D. O(1)

18. (单选题)以下数据结构中,( )是非线性数据结构

  • A. 字符串
  • B. 栈
  • C. 树
  • D. 队列

19. (单选题)以下程序段中,n为正整数,则最后一行的语句频度在最坏情况下是(  )

for(i=n-1; i>=1; i--)

   for (j=1; j<i; j++)

       if(a[j]>a[j+1])

          {t=a[j]; a[j]=a[j+1]; a[j+1]=t;}

  • A. O(

    )
  • B. O(n)
  • C. O(nlogn)
  • D. O(

    )

20. (单选题)以下说法正确的是( )。

  • A. 数据元素是数据的最小单位
  • B. 数据项是数据的基本单位
  • C. 一些表面上很不相同的数据可以有相同的逻辑结构
  • D. 数据结构是带有结构的各数据项的集合

21. (单选题)i=1;
while(i<=n)
i=i*3;

  • A. O(

    )
  • B. O(

    )
  • C. O(n)
  • D. O(1)

🎯答案及部分解析:

1-5:BCCDC

6-10:BBBBB

11-15:DCBAD

16-21:ADCDCA

13.解析:D
解释:算法的时间复杂度不仅与问题的规模有关,还与问题的其他因素有关。如某些排序的算法,其执行时间与待排序记录的初始状态有关。为此,有时会对算法有最好、最坏以及平均时间复杂度的评价。

18.扩展:

(1) 数据的逻辑结构被分为________、________、________和________四种。集合结构、线性结构、树结构、图结构或网结构
(2) 数据结构的存储结构被分为________和________。顺序存储结构、链式存储结构
(3) 一种抽象数据类型包括________和________两个部分。数据、操作
(4) 在线性结构、树形结构和图形结构中,前驱和后继结点之间分别存在着________、________和________的联系。一对一、一对多、多对多
(5) 当需要用一个形参访问对应的实参时,则该形参应说明为__________。引用
(6) __________和__________是衡量算法的两个主要指标。时间复杂度、空间复杂度
(7) 从一维数组a[n]中顺序查找出一个最大值元素的时间复杂度为________,输出一个二维数组b[m][n]中所有元素值的时间复杂度为________。O(n)、O(m*n)

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/560253.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

感知机实现与、或、与非门和异或门

机器学习-感知机【perceptron】what is 感知机单层感知机运用实例多层感知机what is 感知机 感知机接收多个输入信号&#xff0c;输出一个信号。 接收两个信号的感知机&#xff0c;如下图&#xff1a; x1与x2是输入信号&#xff1b;y是输出信号&#xff1b; w1与w2是权重。圆…

神经网络的激活函数、并通过python实现激活函数

神经网络的激活函数、并通过python实现what is 激活函数激活函数的python实现python实现阶跃函数python实现sigmoid函数python实现ReLU函数激活函数的特点what is 激活函数 感知机的网络结构如下&#xff1a; 左图中&#xff0c;偏置b没有被画出来&#xff0c;如果要表示出b&…

下载MNIST数据集并使用python将数据转换成NumPy数组(源码解析)

下载MNIST数据集并使用python将数据转换成NumPy数组首先来分析init_mnist函数接下来继续分析load_mnist函数实现数据集转换的python脚本的代码显示MNIST图像并确认数据下载MNIST数据集并将数据转换成NumPy数组的Python脚本里面最重要的就是load_mnist函数&#xff0c;其他项目想…

使用python构建三层神经网络、softmax函数

【机器学习】使用python手写三层神经网络输入层到第一层的传递表示第一层到第二层的传递表示第二层到第三层的传递表示全过程传递表示代码输入层到第一层的传递表示 首先看输入层到第一层的第一个神经元的信号传递过程&#xff1a; 可以用数学式子表示第一层的第一个神经元的值…

使用python对数据集进行批处理

【机器学习】使用python对数据集进行批处理 只输入一张图像数据过程和一次性处理100张图像数据过程中&#xff0c;数组形状变换如下图所示&#xff1a; 这些数组形状可以在代码中输出出来&#xff1a; def get_data():(x_train, t_train), (x_test, t_test) load_mnist(norm…

损失函数、python实现均方误差、交叉熵误差函数、mini-batch的损失函数

损失函数what is 损失函数均方误差交叉熵误差计算mini-batch学习的损失函数why 损失函数what is 损失函数 神经网络学习目标是找到各层合适的权重参数w和偏置b&#xff0c;使得最终的输出结果能够与实际结果更加接近。那神经网络的这些权重参数是如何得到的&#xff1a;靠损失…

梯度、梯度法、python实现神经网络的梯度计算

【机器学习】梯度、梯度法、python实现神经网络的梯度计算一、python实现求导的代码&#xff1a;二、what is 梯度三、使用梯度法寻找神经网络的最优参数四、神经网络的梯度计算一、python实现求导的代码&#xff1a; 导数含义也就是&#xff1a;变量x一个微小的变化将导致f(x…

使用反向传播算法计算参数的梯度并用python实现加法和乘法节点的反向传播

使用反向传播算法计算参数的梯度并用python实现加法和乘法节点的反向传播一、what is 反向传播二、乘法节点的反向传播三、加法节点的反向传播四、加法层和乘法层混合应用一、what is 反向传播 误差反向传播法是一种高效计算权重参数的梯度的方法。所谓的反向传播&#xff0c;…

结合反向传播算法使用python实现神经网络的ReLU、Sigmoid、Affine、Softmax-with-Loss层

结合反向传播算法使用python实现神经网络的ReLU、Sigmoid激活函数层 这里写目录标题一、ReLU层的实现二、Sigmoid层的实现三、实现神经网络的Affine层四、Softmax-with-Loss层实现一、ReLU层的实现 正向传播时的输入大于0&#xff0c;则反向传播会将上游的值原封不动地传给下游…

神经网络的SGD、Momentum、AdaGrad、Adam最优化方法及其python实现

神经网络的SGD、Momentum、AdaGrad、Adam最优化方法及其python实现一、SGD二、Momentum-动量三、AdaGrad四、Adam一、SGD 右边的值更新左边的值&#xff0c;每次更新朝着梯度方向前进一小步。 class SGD:"""随机梯度下降法&#xff08;Stochastic Gradient Des…

关于神经网络权重初始值的设置的研究

关于神经网络权重初始值的设置的研究一、权重初始值二、权重初始值会影响隐藏层的激活值分布三、Xavier初始值四、He初始值五、基于MNIST数据集的权重初始值的比较一、权重初始值 权值衰减—抑制过拟合、提高泛化能力。 所谓权值衰减&#xff0c;即&#xff0c;以减小权重参数…

使用权值衰减算法解决神经网络过拟合问题、python实现

使用权值衰减算法解决神经网络过拟合问题、python实现一、what is 过拟合二、过拟合原因三、权值衰减四、实验验证4.1制造过拟合现象4.2使用权值衰减抑制过拟合一、what is 过拟合 过拟合指只能拟合训练数据&#xff0c;但不能很好拟合不包含在训练数据中的其他数据的状态。 …

解决神经网络过拟合问题—Dropout方法、python实现

解决神经网络过拟合问题—Dropout方法一、what is Dropout&#xff1f;如何实现&#xff1f;二、使用和不使用Dropout的训练结果对比一、what is Dropout&#xff1f;如何实现&#xff1f; 如果网络模型复杂&#xff0c;L2范数权值衰减方法就难以对付过拟合。这种情况下&#…

神经网络如何调参、超参数的最优化方法、python实现

神经网络如何调参、超参数的最优化方法、python实现一、what is 超参数二、超参数优化实验一、what is 超参数 超参数是什么&#xff0c;其实就是&#xff0c;各层神经元数量、batch大小、学习率等人为设定的一些数。 数据集分为训练数据、测试数据、验证数据。 用测试数据评…

卷积神经网络的整体结构、卷积层、池化、python实现

卷积神经网络的整体结构、卷积层、池化、python实现一、整体结构二、卷积层三、池化层四、python实现卷积层、池化层一、整体结构 神经网络相邻层所有神经元之间都有连接&#xff0c;称为全连接。前面用Affine层实现了全连接。 举个例子 全连接神经网络结构&#xff1a; 卷积…

基于随机梯度下降法的手写数字识别、epoch是什么、python实现

基于随机梯度下降法的手写数字识别、epoch是什么、python实现一、普通的随机梯度下降法的手写数字识别1.1 学习流程1.2 二层神经网络类1.3 使用MNIST数据集进行学习注&#xff1a;关于什么是epoch二、基于误差反向传播算法求梯度的手写数字识别2.1 学习流程2.2 实现与结果分析一…

基于卷积神经网络的手写数字识别、python实现

一、CNN网络结构与构建 参数&#xff1a; 输入数据的维数&#xff0c;通道&#xff0c;高&#xff0c;长 input_dim(1, 28, 28)卷积层的超参数&#xff0c;filter_num&#xff1a;滤波器数量&#xff0c;filter_size&#xff1a;滤波器大小&#xff0c;stride&#xff1a;步幅…

基于深度学习的手写数字识别、python实现

基于深度学习的手写数字识别、python实现一、what is 深度学习二、加深层可以减少网络的参数数量三、深度学习的手写数字识别一、what is 深度学习 深度学习是加深了层的深度神经网络。 二、加深层可以减少网络的参数数量 加深层的网络可以用更少参数获得与没有加深层同等水…

二极管的结构、特性、参数、稳压管的特性和参数

二极管的结构、特性、参数、稳压管的特性和参数本文介绍的定义一、半导体类型二、PN结的结构与单向导电性三、二极管的伏安特性四、二极管的参数五、稳压管本文介绍的定义 本文介绍的定义&#xff1a;半导体、本征半导体、空穴、载流子、杂质半导体、N型半导体、P型半导体、PN…

双极结型三极管的结构、特性曲线、参数、lceda仿真

双极结型三极管的结构、特性、参数本文介绍的定义一、三极管结构二、三极管特性曲线三、三极管参数本文介绍的定义 硅平面管、锗合金管、发射区、基区&#xff0c;集电区、发射极、基极、集电极、发射结、集电结、发射、发射极电流、复合和扩散、基极电流、收集、集电极电流、…