浙江省丽水市2024-2025学年高二下学期6月教学质量信息技术试卷(含答案)

资源下载
  1. 二一教育资源

浙江省丽水市2024-2025学年高二下学期6月教学质量信息技术试卷(含答案)

资源简介

浙江省丽水市2024-2025学年高二下学期期末教学质量监控信息技术
一、选择题
1.某学习平台提供丰富的在线学习资源。平台通过分析用户作业完成情况、观看的视频类别及时长等数据,生成学习报告,并推送个性化学习资源。下列关于数据与信息的说法,正确的是( )
A.视频是该平台唯一的数据表现形式
B.用户观看视频等行为不会产生新的数据
C.平台推送的个性化学习资源,体现了信息的可加工处理
D.同一课程对不同的学习者,其价值是相同的
2.某学习平台提供丰富的在线学习资源。平台通过分析用户作业完成情况、观看的视频类别及时长等数据,生成学习报告,并推送个性化学习资源。为了给平台提供高清的视频课程,录制时,下列做法合理的是( )
A.提高视频的分辨率 B.其他参数不变,每秒播放的帧数从30降为15
C.采用高压缩比的流媒体编码 D.其他参数不变,颜色位深度从24位降为8位
3.某医院智能药房管理系统具备以下功能:自动分拣子系统通过计算机视觉自动识别药品包装,完成精准分药入库;取药子系统自动对接医生开具的电子处方。就诊者取药时,扫描医保码或人脸识别完成身份认证,药剂师通过APP登录系统,核验后分药。该系统基于深度学习的智能分析算法,能根据就诊者用药记录、过敏史等生成用药风险预警信息,并通过语音助手向就诊者播报用药注意事项。该系统还对药品流通数据实施了加密存储,支持药品流通全流程溯源。下列关于该系统功能和应用的说法,正确的是( )
A.该系统的用户是指药剂师和就诊者
B.药房管理系统APP属于系统软件
C.该系统仅通过传感器采集数据
D.取药子系统自动对接医生开具的电子处方,体现信息系统的数据传输功能
4.某医院智能药房管理系统具备以下功能:自动分拣子系统通过计算机视觉自动识别药品包装,完成精准分药入库;取药子系统自动对接医生开具的电子处方。就诊者取药时,扫描医保码或人脸识别完成身份认证,药剂师通过APP登录系统,核验后分药。该系统基于深度学习的智能分析算法,能根据就诊者用药记录、过敏史等生成用药风险预警信息,并通过语音助手向就诊者播报用药注意事项。该系统还对药品流通数据实施了加密存储,支持药品流通全流程溯源。下列关于人工智能技术应用的说法,不正确的是( )
A.用药风险预警信息可基于符号主义的知识推理实现
B.语音助手播报用药事项可采用语音合成技术
C.基于深度学习的智能算法能分析就诊者用药记录
D.计算机视觉识别药品包装应用了行为主义人工智能方法
5.某医院智能药房管理系统具备以下功能:自动分拣子系统通过计算机视觉自动识别药品包装,完成精准分药入库;取药子系统自动对接医生开具的电子处方。就诊者取药时,扫描医保码或人脸识别完成身份认证,药剂师通过APP登录系统,核验后分药。该系统基于深度学习的智能分析算法,能根据就诊者用药记录、过敏史等生成用药风险预警信息,并通过语音助手向就诊者播报用药注意事项。该系统还对药品流通数据实施了加密存储,支持药品流通全流程溯源。下列关于信息系统安全的说法,正确的是( )
A.为方便管理,药剂师和就诊者设置相同的访问权限
B.数据加密存储可降低药品相关数据被篡改的风险
C.该系统药品流通数据已加密,无需定期进行数据备份
D.就诊者通过医保码、人脸识别进行身份认证,可以确保系统没有安全隐患
6.某医院智能药房管理系统具备以下功能:自动分拣子系统通过计算机视觉自动识别药品包装,完成精准分药入库;取药子系统自动对接医生开具的电子处方。就诊者取药时,扫描医保码或人脸识别完成身份认证,药剂师通过APP登录系统,核验后分药。该系统基于深度学习的智能分析算法,能根据就诊者用药记录、过敏史等生成用药风险预警信息,并通过语音助手向就诊者播报用药注意事项。该系统还对药品流通数据实施了加密存储,支持药品流通全流程溯源。下列关于该系统中网络技术的说法,正确的是( )
A.该网络系统最基本的功能是资源共享
B.配药终端访问服务器不需要网络协议
C.配药终端可使用有线或无线的方式连接服务器
D.该系统的网络资源只包括硬件和软件资源
7.某算法的部分流程图如图所示,执行这部分流程输出结果为“act now!”,则输入的s为( )
A.dfw qrz! B.dfq klt! C.xzq klt! D.xzqklt
8.逆波兰表达式的计算规则为:从左到右扫描表达式,遇到数字则压入栈,遇到运算符则弹出栈顶的两个元素并计算,将结果入栈。计算表达式682-2÷*时,所需最小栈容量为( )
A.2 B.3 C.4 D.5
9.定义如下函数:
def f(j,t,b):
if t < 0:
return "no answer"
elif j*2+t*4 == b:
return str(j)+" "+str(t)
else:
return f(j+1,t-1,b)
print(f(0,10,36))
运行该程序段,输出的结果是( )
A.1 9 B.2 8 C.3 7 D.no answer
10.某二叉树结构如图所示,队列Q初始元素为根节点A。约定:判断队列不为空,则队首元素出队,并将该队首元素的左右孩子依次入队,继续判断队列,以此类推,则最终出队顺序为( )
A.ABCDEFGH B.ABDCEGFH C.ABCEDGFH D.DBGEHFCA
11.某次学生测试成绩从高到低存储在a数组中。输入key值,查找其值以上人数的Python算法程序段如下:
a=[98,……,85,85,85,85,……,50]
key=int(input("请输入要查找的数据:"))
i=0;j=len(a)-1
while i <= j:
m=(i+j)//2
if (1) :
i=m+1
else:
j=m-1
print("大于等于key值的人数为:",(2) )
划线(1)(2)处可供选择的语句有:
①key <= a[m] ②key < a[m] ③j+1 ④i+1
则正确的代码应为( )
A.①③ B.①④ C.②③ D.②④
12.有n个人围成圈,从第1个人开始报数,报到m(m>1)时该人出圈,依次循环,直到圈里只剩下1人为止。下面程序实现了上述功能,则加框处代码为( )
n=int(input("请输入参与人数:"))
m=int(input("请输入淘汰数:"))
a=[[i+1,i+1]for i in range(n)]
a[n-1][1]=0
q=0;t=1
while n > 0:
t+=1

print("胜出者为:",a[q][0])
A.if t == m-1: r=a[q][1] a[q][1]=a[r][1] n-=1 t=0 q=a[q][1] B.if t == m: r=a[q][1] a[q][1]=a[r][1] n-=1 t=1 q=a[q][1] C.if t == m-1: r=a[q][1] a[r][1]=a[q][1] n-=1 t=0 q=a[q][1] D.if t == m: r=a[q][1] a[r][1]=a[q][1] n-=1 t=1 q=a[q][1]
A.A B.B C.C D.D
二、操作题
13.某款跑步机有“心率跑”模式,设定目标心率为(220-年龄)*0.7,目标心率±5范围视为正常。每隔1分钟采集一次用户心率,与其目标心率对比。①心率正常,维持当前坡度与速度;②心率偏低,动态调整跑步参数(步长为1),首先增加坡度,区间为[0,15];如果坡度已经达到上限,则提升速度,区间为[1,20];③心率偏高,则反之。直到心率维持在正常范围,从而实现科学锻炼的目标。
请回答下列问题:
(1)若某用户年龄为20,运动过程中某时刻的心率值为150,则该跑步机认为其心率 (单选,填字母: A.正常/B.偏低/C.偏高)。
(2)实现上述功能的部分Python程序如下,请在划线处填入合适的代码。
mina = 0;maxa = 15
mind = 1;maxd = 20
age = int(input("年龄:"))
t =int(input("跑步总时长(分钟):"))
d =int(input("初始速度(km/h):"))
th = 0.7 * (220 - age)
a = 0
m = 0
while m < t:
# 获取当前心率数据存储到变量ch中,代码略
while m < t and ① :
if a < maxa:
a += 1
print("心率偏低 → 坡度升为↑", a)
elif ② :
d += 1
print("坡度达到上限 → 速度升为↑", d)

# 获取当前心率数据存储到变量ch中,代码略
#心率偏高,降低坡度、速度,代码略
#心率正常,维持原坡度、速度,代码略
m += 1
14.某游泳池水质监测系统在浅水区和深水区分别设置监测点,每个监测点均配备智能终端、传感器、执行器和IoT模块。智能终端通过IoT模块连接Web服务器,上传水温、余氯浓度、pH值水质参数;当水质参数值超出设定阈值时,服务器发出预警信号,并通过智能终端控制执行器净化水质,使得水质达到标准。
请回答问题:
(1)下列功能无法在智能终端程序中实现的是 (单选,填字母:A.采集传感器上的数据/B.传输数据到服务器/C.分析历史数据/D.发送指令到执行器)。
(2)基于Flask Web框架编写服务器端获取传感器数据的程序,部分代码如下:
app=Flask(_name_)
@app.route("/input")
def judge():
id=int(request.args.get('id'))
ph=float(request.args.get('p'))
#根据阈值,判断是否异常,并将结果返回到智能终端,代码略
if _name_ == "_main_":
app.run(host=" 192.168.43.117 ", port=8080)
若深水区监测点编号id为2,某时刻采集的pH值为6.9,则该智能终端发送的URL
为http:// (单选,填字母)。
A.192.168.43.117:8080/ id=2&ph=6.9 B.192.168.43.117:8080/input id=2&ph=6.9
C.192.168.43.117:8080/ id=2&p=6.9 D.192.168.43.117:8080/input id=2&p=6.9
(3)系统运行一段时间后,发现每个监测点的净化器都一直在工作,请从软件和数据的角度分析出现该现象的可能原因是 。(注:回答2项)
(4)将系统中4月份的数据导出到文件data.xlsx中,部分数据如图a所示,分析每个监测点水温处于23℃~28℃的舒适范围内的天数,绘制如图b所示的柱形图,请在划线处填入合适的代码:
图a 图b
import pandas as pd
import matplotlib.pyplot as plt
df=pd.read_excel("data.xlsx")
df1=df[df["水温"]>=23]
df2=①
df3=df2.groupby("监测点",as_index=False)["水温"].②
plt.bar(③ )
15.K近邻分类算法是一种机器学习算法,它根据已有样本数据的训练模型预测新数据的特征与分类。现读取某校学生身体特征样本数据集“sample.csv”和验证数据集“test.csv”,两者文件数据格式均如图a所示,基于样本数据集的身高、体重及性别数据,采用K近邻分类算法进行训练,可预测验证数据集中的身高体重数据对应的性别。尝试不同的k值,计算出性别预测准确率(准确率=预测正确数/预测总数),选取预测准确率最高的k值,程序运行结果如图c所示。
验证数据集中,单个待测数据的预测步骤如下:
①计算该待测数据与样本数据所有点的距离。例如,待测的身高体重数据(160,50)与样本数据(163,54),根据(距离计算公式)计算,距离为5;
②将样本按照距离升序排序;
③取前k个距离最近的样本;
④统计出k个样本中频次最高的性别,则为预测性别,并判断本次预测是否准确;
请回答下列问题:
图a 图b 图c
(1)如图b所示,若用★表示待测数据,当k=3时,选取离它最近的3个数据,则预测结果为 (填:男/女)。
(2)根据样本、验证数据集,通过实验来确定准确率最高的k值的程序如下,请在划线处填入合适的代码。
def cal(a,b):
r=0
for i in range(2):

return round(r**0.5,2)
#距离列表生成函数
def getjl(data,sample):
jl=[]
for unit in sample:
jl.append( [cal(data,unit),unit[2]] )
return jl
"读取样本数据集存入sample列表,读取验证数据集存入test列表,每个元素包含身高、体重、性别3个数据项,代码略"
res=[0]*(len(sample)+1)
maxk=0
maxcnt=0
for k in range(1,len(sample)+1):
for data in test:
d={}
mtype='' #存储预测性别
mcnt=0
jl=getjl(data,sample)
for i in range( ): #1
for j in range( ): #2 if ② :
jl[j],jl[j-1]=jl[j-1],jl[j]
for t in range(k):
if jl[t][1] not in d:
d[jl[t][1]]=1
else:
d[jl[t][1]]+=1
if d[jl[t][1]] > mcnt:
mcnt=d[jl[t][1]]

if data[2] == mtype:
res[k]+=1
if res[k] > maxcnt:
maxcnt=res[k]
maxk=k
print('Now K:',k,' | 预测正确概率:',round(res[k]/len(test)*100,2),'%' )
print('K推荐值:',maxk)
(3)根据K近邻算法特性,仅需获取k个距离最近的样本,则以上程序加框处可进行优化的是 (单选,填数字:1/2),优化代码为
题号 1 2 3 4 5 6 7 8 9 10
答案 C A D D B C C B B A
题号 11 12
答案 A B
13. C ch < th-5 d < maxd m+=1
【详解】本题考查的是循环与选择语句。
(1)根据公式:目标心率 = (220 - 年龄) * 0.7 = (220 - 20) * 0.7 = 140 ,正常范围 = 目标心率 ±5 → [135, 145] 实际心率150 > 145,因此属于偏高。故选C。
(2)①处:内层while循环的条件是当前心率低于目标范围下限(即偏低),因此填ch < th-5。 ②处:当坡度已达上限时,判断速度是否还可以提升,因此填d < maxd。 ③处:每次调整后需要更新分钟计数,因此填m += 1。
14. C D 阈值设置不合理;采集的数据超出标准范围;缺乏关闭净化器的指令。 df1[df1["水温"]<=28] 或 df1[df1.水温<=28] count() df3["监测点"],df3["水温"] 或 df3.监测点,df3.水温
【详解】本题考查的是信息系统搭建及数据分析。
(1)采集传感器数据和控制执行器是智能终端的本地功能 ,数据传输通过IoT模块实现 ,分析历史数据通常由服务器完成,智能终端算力有限。故选C。
(2)Flask路由为/input,排除AC 。代码中参数名为p(request.args.get('p')),排除B。 正确格式:http://192.168.43.117:8080/input id=2&p=6.9。故选D。
(3)可能原因是:阈值设置不合理(如标准范围过窄) 传感器数据持续超标(水质长期不达标) 缺少关闭指令(软件逻辑未设置停止条件)。
(4)① 需在df1(已筛选≥23℃)基础上追加≤28℃条件,故此处应为:df1[df1["水温"]<=28] 或 df1[df1.水温<=28];② groupby后用count()计数 ③ plt.bar()参数为(x_data, y_data),对应监测点和计数结果,故此处应为:df3["监测点"],df3["水温"] 或 df3.监测点,df3.水温。
15. 女 r+=(a[i]-b[i])**2 或 r+=(a[i]-b[i])*(a[i]-b[i]) jl[j-1][0]>jl[j][0] 或其他等价答案 mtype=jl[k][1] 或其他等价答案 1 k
【详解】本题考查的是数据分析。
(1)当k=3时,选取距离最近的3个数据点。有两个是女,一个是男,故预测结果为"女"。
(2)①此处需完成欧式距离的平方计算,遍历两个维度(身高、体重),累加平方差,故此处应为:r+=(a[i]-b[i])**2 或 r+=(a[i]-b[i])*(a[i]-b[i]);②此处是冒泡排序的交换条件,按距离(jl[i][0])升序排列。若当前元素距离小于前一个元素,则交换位置,故此处应为:jl[j-1][0]>jl[j][0] 或其他等价答案;③当找到k个最近邻中出现次数最多的性别时(mcnt记录最大次数),需将该性别赋给mtype,jl[t][1]存储的是样本的性别。故此处应为:mtype=jl[k][1] 或其他等价答案。
(3)原始代码对所有样本进行完整排序(冒泡排序),但KNN仅需前k个最近邻。优化方向是改为部分排序或仅选取前k个最小距离的样本。故1处加框处可进行优化,优化代码为:k。

展开更多......

收起↑

资源预览