2015年上半年软件设计师上午试卷综合知识-3

对高级语言源程序进行编译或解释的过程可以分为多个阶段，解释方式不包含（48）阶段。

A. 词法分析

B. 语法分析

用某种高级语言或汇编语言编写的程序称为源程序，源程序不能直接在计算机上执行。汇编语言源程序需要用一个汇编程序将其翻译成目标程序后才能执行。高级语言源程序则需要对应的解释程序或编译程序对其进行翻译，然后在机器上运行。

解释程序也称为解释器,它或者直接解释执行源程序，或者将源程序翻译成某种中间代码后再加以执行；而编译程序（编译器）则是将源程序翻译成目标语言程序，然后在计算机上运行目标程序。

这两种语言处理程序的根本区别是：在编译方式下，机器上运行的是与源程序等价的目标程序，源程序和编译程序都不再参与目标程序的执行过程; 而在解释方式下，解释程序和源程序（或其某种等价表示）要参与到程序的运行过程中，运行程序的控制权在解释程序,。

简单来说，在解释方式下，翻译源程序时不生成独立的目标程序，而编译器则将源程序翻译成独立保存的目标程序。

某非确定的有限自动机(NFA)的状态转换图如下图所示（q0既是初态也是终态），与该NFA等价的确定的有限自动机(DFA)是（49）。

题目图

答案： A

本题考查程序语言基础知识。

对高级语言源程序进行编译（或解释）方式的翻译过程中,，词法分析采用有限自动机作为计算模型。有限自动机分为确定的有限自动机（DFA)和不确定的有限自动机 (NFA)。可将一个从NFA转换为等价的最小化DFA。

题中的NFA的功能是识别空串以及b不能连续出现（即每个b后至少含有1个a.) 的a、b字符串，若是非空串，则以a结尾。

选项A识别的是空串以及每个b后至少含有1个a的a、b字符串，若是非空串，则以a结尾。

选项B识别空串以及b不能连续出现且以b结尾的a、b字符串。

选项C识别b不能连续出现且以b结尾的a、b字符串，不能识别空串。

选项D识别b不能连续出现且以a结尾的a、b字符串，不能识别空串。

对高级语言源程序进行编译（或解释）方式的翻译过程中，语法分析的任务是根据语言的语法规则，分析单词串是否构成短语和句子，即表达式、语句和程序等基本语言结构，同时检查和处理程序中的语法错误。程序设计语言的绝大多数语法规则可以采用上下文无关文法进行描述。语法分析方法有多种，根据产生语法树的方向，可分为自底向上和自顶向下两类。递归下降分析法和预测分析法是常用的自顶向下分析法。算符优先分析法和LR分析法属于自底向上的语法分析方法。

若关系R (H，L，M，P)的主键为全码(All-key)，则关系R的主键应（51）。

A. 为HLMP

B. 在集合{H，L，M，P）中任选一个

C. 在集合{ HL，HM，HP，LM，LP，MP）中任选一个

D. 在集合{H LM，HLP，HMP，LMP）中任选一个

答案： A

本题考查关系数据库系统中关系的键的基本概念。

在关系数据库系统中，全码（All-key)是指关系模型的所有属性组是这个关系模式的候选键，本题所有属性组为HLMP,故本题的正确选项为A。

给定关系模式R(A1，A2，A3，A4)上的函数依赖集F={A1A3->A2,A2->A3}。若将R分解为p ={( A1,A2),( A1,A3)}，则该分解是（52）的。

本题考查关系数据库规范化理论方面的基础知识。

（53）算法采用模拟生物进化的三个基本过程"繁殖（选择）-> 交叉（重组）->变异（突变）"。

数据挖掘就是应用一系列技术从大型数据库或数据仓库中提取人们感兴趣的信息和知识，这些知识或信息是隐含的，事先未知而潜在有用的，提取的知识表示为概念、规则、规律、模式等形式。也可以说，数据挖掘是一类深层次的数据分析。常见和应用最广泛的数据挖掘方法如下。

①决策树：决策树方法是利用信息论中的互信息（信息增益）寻找数据库中具有最大信息量的属性字段，建立决策树的一个结点，再根据该属性字段的不同取值建设树的分支；在每个分支子集中重复建立树的下层结点和分支的过程。国际上最早的、也是最有影响的决策树方法是Quiulan研究的ID3方法。

②神经网络：神经网络方法是模拟人脑神经元结构，完成类似统计学中的判别、回归、聚类等功能，是一种非线性的模型，主要有三种神经网络模型：前馈式网络、反馈式网络和自组织网络。人工神经网络最大的长处是可以自动地从数据中学习，形成知识，这些知识有些是我们过去未曾发现的，因此它具有较强的创新性。神经网络的知识体现在网络连接的权值上，神经网络的学习主要表现在神经网络权值的逐步计算上。

③遗传算法：遗传算法是模拟生物进化过程的算法，它由三个基本过程组成：繁殖（选择)、交叉（重组)、变异（突变)。采用遗传算法可以产生优良的后代，经过若干代的遗传，将得到满足要求的后代即问题得解。

④关联规则挖掘算法：关联规则是描述数据之间存在关系的规则，形式为 "A1A2...An=>B1B2...Bn"。一般分为两个步骤：求出大数据项集、用大数据项集产生关联规则。

除了上述的常用方法外，还有粗集方法，模糊集合方法，Bayesian Belief Netords , 最邻近算法（K-nearest Neighbors Method, kNN)等。