1.常用的图像空间。

2.简述你熟悉的聚类算法并说明其优缺点。

3.请描述以下任一概念：SIFT/SURF  LDA/PCA

4.请说出使用过的分类器和实现原理。

5. Random Forest的随机性表现在哪里。

6. Graph-cut的基本原理和应用。

7. GMM的基本原理和应用。

8.用具体算法举例说明监督学习和非监督学习的区别。

1.嵌入式编程中，什么是大端，什么是小端？

大端模式，是指数据的高位保存在内存的低地址中，而数据的低位保存在内存的高地址中；

小端模式，是指数据的高位保存在内存的高地址中，而数据的低位保存在内存的低地址中。 2.SVM常用核函数有哪些？    线性核函数，多项式核函数，高斯（RBF）核函数，Sigmoid核函数。

如果特征的数量大到和样本数量差不多，则选用LR或者线性核的SVM； 如果特征的数量小，样本的数量正常，则选用SVM+高斯核函数； 如果特征的数量小，而样本的数量很大，则需要手工添加一些特征从而变成第一种情况。

3.图像插值算法有哪些？

最邻近插值，线性插值，双线性插值，双三次插值，三线性卷积插值。

4.比较字符串