cap演算法

⑴ 網路流的最大流演算法

1、augment path，直譯為「增廣路徑」，其思想大致如下：
原有網路為G，設有一輔助圖G'，其定義為V(G') = V(G)，E(G')初始值（也就是容量）與E(G)相同。每次操作時從Source點搜索出一條到Sink點的路徑，然後將該路徑上所有的容量減去該路徑上容量的最小值，然後對路徑上每一條邊<u,v>添加或擴大反方向的容量，大小就是剛才減去的容量。一直到沒有路為止。此時輔助圖上的正向流就是最大流。
我們很容易覺得這個演算法會陷入死循環，但事實上不是這樣的。我們只需要注意到每次網路中由Source到Sink的流都增加了，若容量都是整數，則這個演算法必然會結束。
尋找通路的時候可以用DFS，BFS最短路等演算法。就這兩者來說,BFS要比DFS快得多，但是編碼量也會相應上一個數量級。
增廣路方法可以解決最大流問題，然而它有一個不可避免的缺陷，就是在極端情況下每次只能將流擴大1（假設容量、流為整數），這樣會造成性能上的很大問題，解決這個問題有一個復雜得多的演算法，就是預推進演算法。
2、push label，直譯為「預推進」演算法。
3、壓入與重標記(Push-Relabel)演算法
除了用各種方法在剩餘網路中不斷找增廣路(augmenting)的Ford-Fulkerson系的演算法外，還有一種求最大流的演算法被稱為壓入與重標記(Push-Relabel)演算法。它的基本操作有：壓入，作用於一條邊，將邊的始點的預流盡可能多的壓向終點；重標記，作用於一個點，將它的高度（也就是label）設為所有鄰接點的高度的最小值加一。Push-Relabel系的演算法普遍要比Ford-Fulkerson系的演算法快，但是缺點是相對難以理解。
Relabel-to-Front使用一個鏈表保存溢出頂點，用Discharge操作不斷使溢出頂點不再溢出。Discharge的操作過程是：若找不到可被壓入的臨邊，則重標記，否則對臨邊壓入，直至點不再溢出。演算法的主過程是：首先將源點出發的所有邊充滿，然後將除源和匯外的所有頂點保存在一個鏈表裡，從鏈表頭開始進行Discharge，如果完成後頂點的高度有所增加，則將這個頂點置於鏈表的頭部，對下一個頂點開始Discharge。
Relabel-to-Front演算法的時間復雜度是O(V^3)，還有一個叫Highest Label Preflow Push的演算法復雜度據說是O(V^2*E^0.5)。我研究了一下HLPP，感覺它和Relabel-to-Front本質上沒有區別，因為Relabel-to-Front每次前移的都是高度最高的頂點，所以也相當於每次選擇最高的標號進行更新。還有一個感覺也會很好實現的演算法是使用隊列維護溢出頂點，每次對pop出來的頂點discharge，出現了新的溢出頂點時入隊。
Push-Relabel類的演算法有一個名為gap heuristic的優化，就是當存在一個整數0<k<V，沒有任何頂點滿足h[v]=k時，對所有h[v]>k的頂點v做更新，若它小於V+1就置為V+1。
cpp程序: #include<cstdio>#include<cstring>#include<algorithm>#include<queue>#;inttt,kase;intnn,m;intH[45],X[1004],P[1004],flow[1004],tot,cap[1005];intd[45];intS,T;voidadd(intx,inty,intz){P[++tot]=y;X[tot]=H[x];H[x]=tot;flow[tot]=z;cap[tot]=flow[tot];}queue<int>q;boolbfs(){memset(d,0,sizeof(d));d[S]=1;intx;q.push(S);while(!q.empty()){x=q.front();q.pop();for(inti=H[x];i;i=X[i]){if(flow[i]>0&&!d[P[i]]){d[P[i]]=d[x]+1;q.push(P[i]);}}}returnd[T];}intdfs(intx,inta){if(x==T||a==0)returna;intf=a,tmp;for(inti=H[x];i;i=X[i]){if(flow[i]>0&&d[P[i]]==d[x]+1){tmp=dfs(P[i],min(flow[i],a));flow[i]-=tmp;a-=tmp;flow[i^1]+=tmp;if(!a)break;}}if(f==a)d[x]=-1;returnf-a;}intDinic(){intf=0;while(bfs())f+=dfs(S,inf);returnf;}intmain(){/**輸入過程省略**/intmaxflow=Dinic();printf(%d ,maxflow);return0;}

⑵ 請教：新加坡國立大學的本科生如何考本校的研究生

1.是這樣的
2.讀完本科去讀碩士或者博士的，只要能拿到offer，基本上都有獎學金的。學費包括在獎學金裡面，而且每個月還有一定的生活費。碩士一般在1500新幣每個月左右，博士在2500新幣左右。如果沒有獎學金的話，教授會安排一個兼職，一般是幫忙教課(教習題課的那種)，這樣的話一個月大概可以拿800新幣左右。
3.by course就是授課型的，修完所需要的學分就可以畢業。by research就是研究型的，除了學習要求的科目以外，還需要有自己的研究課題，這種跟國內的大學差不多。一個是側重實踐一個側重研究。另外，畢業證書上有點小小的區別。

GPA是畢業的成績，南洋理工大學的是這個叫法。國立大學叫畢業後的成績CAP，意思是累計加權平均分，演算法都是一樣的。

⑶ CAP：多重注意力機制，有趣的細粒度分類方案 | AAAI 2021

論文: Context-aware Attentional Pooling (CAP) for Fine-grained Visual Classification

  論文認為大多數優秀的細粒度圖像識別方法通過發掘目標的局部特徵來輔助識別，卻沒有對局部信息進行標注，而是採取弱監督或無監督的方式來定位局部特徵位置。而且大部分的方法採用預訓練的檢測器，無法很好地捕捉目標與局部特徵的關系。為了能夠更好地描述圖片內容，需要更細致地考慮從像素到目標到場景的信息，不僅要定位局部特徵/目標的位置，還要從多個維度描述其豐富且互補的特徵，從而得出完整圖片/目標的內容。
  論文從卷積網路的角度考慮如何描述目標，提出了context-aware attentional pooling(CAP)模塊，能夠高效地編碼局部特徵的位置信息和外觀信息。該模塊將卷積網路輸出的特徵作為輸入，學習調整特徵中不同區域的重要性，從而得出局部區域的豐富的外觀特徵及其空間特徵，進而進行准確的分類。
  論文的主要貢獻如下：

  論文演算法的整體流程如上圖所示，輸入圖片，輸出具體從屬類別，包含3個組件(3組參數)：

[圖片上傳失敗...(image-bc43b-1644805770766)]

  定義卷積網路輸出的特徵為 ，CAP的模塊綜合考慮像素級特徵、小區域特徵、大區域特徵以及圖片級特徵的上下文信息進行分類。

[圖片上傳失敗...(image-818dc8-1644805770766)]

  像素級特徵的上下文信息主要學習像素間的關聯度 ，在計算 位置的輸出時根據關聯度綜合所有其他像素特徵，直接使用self-attention實現，特徵轉化使用 卷積。這一步直接對主幹網路輸出的特徵進行操作，但沒在整體流程圖中體現。

  為了更高效地學習上下文信息，論文在特徵圖 上定義不同粒度級別的基本區域，粒度級別由區域的大小決定。假設 位置上的最小的區域為 為例，可通過放大寬高衍生出一系列區域 ， ， 。在不同的位置產生相似的區域合集 ，得到最終的區域合集 。 覆蓋了所有的位置的不同寬高比區域，可以提供全面的上下文信息，幫助在圖片的不同層級提供細微特徵。

  按照上一步，在特徵圖上得到 個區域，大小從最小的 到最大的 ，論文的目標是將不同大小的區域表示為固定大小的特徵，主要採用了雙線性插值。定義 為坐標轉換函數， 為區域坐標，對應的特徵值為 ，則轉換後的圖片 的 坐標上的值為:

  為采樣函數， 為核函數，這里採用的是最原始的方法，將目標坐標映射回原圖，取最近的四個點，按距離進行輸出，最終得到池化後的固定特徵 。

  這里，論文使用全新的注意力機制來獲取上下文信息，根據 與其他特徵 的相似性進行加權輸出，使得模型能夠選擇性地關注更相關的區域，從而產生更全面的上下文信息。以查詢項 和一組關鍵詞項 ，輸出上下文向量 ：

  參數矩陣 和 用來將輸入特徵轉換為查詢項核關鍵項， 為非線性組合， 和 為偏置項，整體的可學習參數為 ，而注意力項 則代表兩個特徵之間的相似性。這樣，上下文向量 能夠代表區域 蘊含的上下文信息，這些信息是根據其與其他區域的相關程度獲得的，整體的計算思想跟self-attention基本相似。

  上下文向量 描述了區域的關鍵程度和特點，為了進一步加入空間排列相關的結構信息，論文將區域的上下文向量 轉為區域序列(論文按上到下、左到右的順序)，輸入到循環神經網路中，使用循環神經網路的隱藏單元 來表達結構特徵。
  區域 的中間特徵可表示為 ， 採用LSTM， 包含LSTM的相關參數。為了增加泛化能力和減少計算量，上下文特徵 由 進行全局平均池化得到，最終輸出上下文特徵序列 對應的隱藏狀態序列 ，後續用於分類模塊中。

[圖片上傳失敗...(image-aab286-1644805770766)]

  為了進一步引導模型分辨細微的變化，論文提出可學習的池化操作，能夠通過組合響應相似的隱藏層 來整合特徵信息。論文借鑒NetVLAD的思想，用可導的聚類方法來對隱藏層的響應值進行轉換，首先計算隱藏層響應對類簇 的相關性，再加權到類簇 的VLAD encoding中：

[圖片上傳失敗...(image-2d95b2-1644805770766)]

  每個類簇都有其可學習的參數 和 ，整體思想基於softmax，將隱藏層的響應值按softmax的權重分配到不同的類簇中。在得到所有類簇的encoding向量後，使用可學習的權值 和softmax進行歸一化。因此，分類模塊 的可學習參數為 。

[圖片上傳失敗...(image-d9e014-1644805770766)]

  在不同的數據集上，對不同方法進行對比。

  不同主幹網路下的准確率對比。

  不同模塊輸出特徵的可視化，圖b是加入CAP後，主幹網路輸出的特徵。

  論文提出細粒度分類解決方案CAP，通過上下文感知的注意力機制來幫助模型發現目標的細微特徵變化。除了像素級別的注意力機制，還有區域級別的注意力機制以及局部特徵編碼方法，與以往的視覺方案很不同，值得一看。

 

 
 
 

⑷ 請問Cap數據包是什麼意思

CAP數據包簡單來說指的就是客戶端向無線路由器發送的一個數據包，這個數據包是經過特殊演算法加密的，裡麵包含著登陸無線路由器的密碼，只有完全與無線路由器中的設定的數據相符，才會允許客戶端登陸從而達到無線上網的目的，講的比較簡單，希望你能夠大概的了解一下，如果你需要更詳細的信息可以網路一下相關知識！謝謝！

⑸ 演算法基礎

謹以此文，感謝我在這個學校最喜歡的兩個老師之一——肖my老師。本文基本為老師上課說講授內容加上一部分自己的感悟拼湊而來，寫作文本的目的是為自己的演算法課程留下一點點東西，站在老師肩膀上形成粗糙的框架，方便以後的復習以及深入。文筆有限，其中包含的錯誤還請多多包容，不吝賜教。

to do list：

時間復雜度中遞歸樹法；動規，分治新的感悟；

點覆蓋：一組點的集合，使得圖中所有邊都至少與該集合中一個點相連。

支配集：一組點的集合，使得圖中所有的點要麼屬於該集合，要麼與該集合相連。

最大團：在一個無向圖中找出點數最多的完全圖。

獨立集：一組點的集合，集合中的頂點兩兩不相鄰。（團轉過來）

SAT問題：也稱布爾可滿足性問題。給一組變

其中Ci被稱為句子。

點覆蓋<->獨立集<->最大團

最小割：割是一組邊集。如s-t割就是如果去掉這些邊，將把原圖劃分為兩個點集，其中一個點集包含s，一個點集包含t。（兩個是指不相連，而不是代表不存在邊相連，如反向邊）

decision problem: 是否存在。

search problem:找到一個解。

（這個還能擴展，比如decision problem在多項式時間內解決，所以他是P問題嗎）

漸進符號：

注意以上三種都是緊的，對應的兩個小寫的符號是不緊的，即如下圖所示：

概念：演算法的時間復雜度是一個函數，用於定性描述演算法的運行時間。注意，這個一個代表演算法輸入字元串長度的函數。

[注]輸入字元串長度是一個比較關鍵的理解，比如在背包問題中，其時間復雜度為O(nW)，因為W不定，所以只能是一個偽多項式時間。

比較：c < log2N < n < n * Log2N < n^2 < n^3 < 2^n < 3^n < n! < n^n

大致：常數<對數<冪函數<指數函數<階乘

對於指數是n相關的進行比較，優先比較指數，再比較底數。

記住一個特例：n ^(logn)<n!<n n

計算：

一般來說，計算採用主方法和遞歸樹法，其中遞歸樹技巧性比較強，主方法其實也是遞歸樹推導歸納而來，且主方法能得到一個比較緊的結果。

主方法：

f(n) = af(n-b)+g(n) =>O( a^(n/b) *g(n) )

P：decision problems有一個多項式演算法。

NP（nondeterministic polynomial-time）：decision problems能夠在多項式時間內驗證。

NPC：NP完全問題，首先這個問題是NP的，其次，其他所有問題都可以多項式時間內歸約到它。

NPH：如果所有NP問題都可以多項式時間歸約到某個問題，則稱該問題為NP困難。

因為NP困難問題未必可以在多項式時間內驗證一個解的正確性（即不一定是NP問題），因此即使NP完全問題有多項式時間的解（P=NP），NP困難問題依然可能沒有多項式時間的解。因此NP困難問題「至少與NP完全問題一樣難」。

一些NP問題能在多項式時間內解決，因為 P∈NP

NP難類型問題的證明：

先選好一個已知NP難的問題，然後將已知NP難問題多項式歸約到要證明的問題上。先給出這個歸約，然後再證明這個歸約的正確性。

NPC類型問題的證明：

證明一個問題Y是NPC問題，先說明Y是NP的，然後找到一個NPC問題X，將這個問題X歸約到問題Y上，即證明完成。

常見的NPC問題（重要，規約的時候有用！）：

packing problems: set-packing，獨立集

覆蓋問題：集合覆蓋問題，頂點覆蓋問題

嚴格滿足問題(constraint satisfaction problems)：SAT，3SAT

序列問題：哈密爾頓迴路，旅行商問題

劃分問題：3D-matching, 3著色問題

數字問題：子集合問題（子集元素之和為t），背包問題

其他：分團問題（是否存在一個規模為k的團）

規約的概念與理解

規約：意味著對問題進行轉換，例如將一個未知的問題轉換成我們能夠解決的問題，轉換的過程可能涉及到對問題的輸入輸出的轉換。

自歸約：search problem <=p decision problem

歸約：A歸約到B，也就是說，我們對A套一個函數f，在f函數的作用下形成一個新的問題，對這個問題運用B的黑盒解法，能夠解決問題A。

(B <=p A)一般說來，B問題如果可以歸約到A問題，也就是說，一個解決A問題的演算法可以被用做子函數（子程序）來解決B問題，也就是說，求解B問題不會比求解A問題更困難。因此，如果B問題是困難的，那麼A問題也就是困難的，因為不存在求解A問題的高效演算法。(最後一句不懂)

我簡單說一下我理解的規約，以X規約到Y為准，大概分成兩個方面：

註：在 三 的一些實例中細品。

概念：在對問題求解時，總是做出在當前看來是最好的選擇。

貪心的證明：先假設貪心演算法得到的解不是最優解，假設S1是貪心演算法得到的解，而S2是所有最優解中和S1具有最多相同元素的解，然後比較S1和S2，觀察S1和S2中第一個（最前面一個）不一樣的元素，然後在貪心解S2中將不一樣的元素換成S1中的那個元素得到另一個最優解S3，這樣S3和S1比S2和S1有更多相同元素，和假設S2是與S1有最多相同元素的最優解矛盾，這樣來推導S1是最優解。

我的理解：假設這個不是最優的，但是一定存在一個最優的解在某一個位置之前和我當前解結構是一樣的，那麼在這個位置，選最優解也可以選當前解，不影響最終答案。

[注]概念很簡單，但是實際操作的時候，貪心的角度很重要，同樣的貪心，方向對了，演算法就是對的。

例子：

給你一系列活動，每個活動有一個起始時間和一個結束時間，要求在活動不沖突的情況下找到一種有最多活動的安排。

對於這個問題，我們有一下幾種貪心的角度：

①將任務按照 開始時間 升序排列。

②將任務按照 結束時間 升序排列。

③將任務按照 任務時長 升序排列。

④對於每一個任務，都記錄與其他任務沖突的數量，按照 沖突數量 的升序排列。

其中1，3，4都是不可以的。

任務結束時間的貪心證明（反證法）：

假設貪心不是最最優的，那我們在最優解中找一個與當前解有最相似的解。

由圖可以知道，貪心貪的就是最早結束，所以如果不是最優，那麼最優的結束時間一定晚於貪心的結束時間。

由上圖就可以證明。

最大流通常與最小割相聯系。

f 為任意一個流，cap為容量，對於任意的s-t割出來的點集（A，B），v( f ) <= cap(A, B)。

當流增加到與割的容量相等時候，就不可能再有增長空間了，稱為最大流。

對於割的容量來說，不同的割法會有不同流量，有些割法永遠不會有流達到，比如部分A = {s}, B = {V - s}，這種把源點割出來的割法。

綜上，通過這種感性的認識，如果能找到一個最小的割，那麼這個割就一定是最大能跑到的流（如果流能更高的話在這個割上就會超過容量，反證。）

上圖為一條增廣路，一條增廣路即為一條s-t的路徑，在路徑上仍有流可以跑，其曾廣的流就是該條路徑上最小的剩餘容量。（相當於每找一條增廣路，就至少有一條邊達到滿流。）

直到在圖中找不到增廣路，此時已經達到了最大流。

找ST集合：把滿流的邊去掉，從S出發走到能到的點，遍歷的點就是S集合；剩下的點就屬於T集合。注意，如果找到了在找S集合的時候找到了T點，說明還可以繼續找增廣路。

[補]有一個很有趣的延伸，如多源點多終點問題。問：如果我有兩個源點s1，s2，兩個終點t1，t2，我想求一組流，使得s1-t1，s2-t2的流達到最大，是否可以加一個源點S，S與s1，s2相連，邊流無限大；加一個終點T，T與t1，t2相連，邊流無限大，然後這組ST的最大流即可。——答案是No，無法保證是s1-t1，s2-t2，有可能交錯。

例子講的感覺不是特別好，對理解感覺起不到很大作用，希望以後有新的想法後進行補充。

規約是一個重要的概念和思想。

一個圖的 最大獨立集 與 最小點覆蓋 是不相交的兩個點集，它們的並就是整個點集。

個人理解：獨立集和點覆蓋都是從點的角度進行劃分的，如果我們從邊的角度來看，①一個最小的點覆蓋即為我集合中的每一個點都盡可能與更多的邊相連，②同時，一條邊的兩個端點中，只能有一個端點在最小點覆蓋中[下注]

[注]我們假設有一條邊兩個端點（u，v）都在點覆蓋之中，首先顯然u，v都不是端點，因為假設u是端點的話只需要選擇v即可；

給一個集合S和一堆S的子集S1，S2，...，Sm，問是否存在存在k個子集，使它們的並集為S。

構造：

集合為點，集合中的元素為邊，有相同元素的邊相連。（注意如果某一元素只在一個子集中出現，應該怎麼處理呢！）

規約：在構造的圖中找最小的點覆蓋，選中的點能覆蓋所有的邊即為對應集合的並集能包含所有的元素。所以就完成了集合覆蓋到點覆蓋的規約。

構造：每個句子構造一個三角形，把對應變數但是相反取值的點相連。

規約：3SAT的有一個特點就是，每一個句子中至少有一個為真即可，每個句子都必須是真。將相同變數相反取值相連的目的就是，在最大獨立集中，比如選擇x為真，則剩下所有句子中x-ba一定不會被選中，同時由獨立集和構造出來三角形的性質可以知道，每一個句子，有且僅有一個會被選中（為真）。如上圖，x1-ba為真，x2-ba和x3任選一個為真即可滿足。

search problem <=p decision version

比如：如果能在多項式時間內找到一個哈密爾頓圈，那麼就能在多項式時間內找到一個哈密爾頓圈（刪邊）

在此再談P和NP：

我們知道有些問題是可以從搜索問題規約到判斷問題的，也就是所該問題如果能在多項式內判斷，那麼久能在多項式中搜索到，那麼我們只需要說，這個判斷問題能在多項式時間內求解，就叫做P問題，也就是上圖紅字的意思；那NP問題呢，必須要給出一個解的實例，判斷的是這個實例是否滿足求解問題，這個才是上圖中的紅字。比如，我如果能在多項式時間內判斷哈密爾頓圈是否（Yes/No）存在，那這個就是ploy-time algorithm，如果我給出了一系列點，能過多項式時間內判斷這些點能否構成哈密爾頓圈，那這個就是poly-time certifier。

構造：把一個點拆分成三個點。

構造：（下面兩個圖要連在一起看）

從行的角度看，一行代表一個變數；從列的角度來看，每三列代表一個句子。兩邊中一邊是兩個點，一邊是一個點，所以有k個句子的話，每一行有3k+3個節點。從哈密爾頓圈的答案轉到3SAT的答案看這個圈在每一行是從左到右還是從右到左。

子集和問題：給一個集合S，問是否能在集合中選取元素，使得總和為W。

構造：如下圖，按照前六行和前三列進行分割，可以分成4部分，其中1,3,4部分是固定的，即在第一部分，變數v列和 變數為v（包括變數及取反）的行對應的格子為0，其餘為0；第三部分全為0；第四部分按照12依次寫下來。第二部分，如果Ci句子中有變數v，則記為1，因為一個句子只有三個變數，可以簡單通過第二部分每一列和為3進行判定。此時集合已經構造出來，W為111444，與上面的規約相似，可以通過3SAT的簡單性質進行感性的認知。

近似的想法很簡單，要解決一個問題，我們希望能夠做到①求解結果是最優的 ②在多項式時間內解決 ③對於任意的實例都能夠通過該演算法解決。現在對於部分問題，無法完全滿足以上要求，所以就犧牲了①，但是我們希望結果不是盲目的，所以就引入了近似的概念。

近似演算法。比如2-近似，認為W為近似解，W 為最優解，在求最小值的情況下W<=2W ；在求最大值的情況下，W>=1/2W*

給m個機器和n個任務，每個任務有一個ti的執行時間，我們認為完成最後一個任務所需的時間為負載時間，希望能夠讓這個負載時間最短。

第一種：將任務依次放在機器上，當某個機器空閑時立即放入新任務。此時是2近似的。

證明：

引理1.最短時間安排是大於等於任務中時間最長的任務，L* >= max tj

我們在考慮放入最後一個任務前，根據我們放置的規則，該機器是耗時最短，也就是說，該機器此時的用時是低於除掉最後一個任務後的平均時長，更低於所有任務的平均時長（引理2）；再根據引理1，最後一個任務應該是小於最優解的。

補充：

在這里，我還想討論一下這個近似演算法的中等於符號，先上結論：等號不一定能夠找到一個實例，但是可以構造出一種結構，通過取極限求得，我們認為這樣 也算是緊的。

構造實例：有m個機器，其中m(m-1)個任務的用時為1，1個任務的用時為m。肯定有一種任務集合，可以按照以下方式進行安排，此時的貪心解為19。

此時最佳的解為10，如下圖：

通過推廣可以知道此時的比為（2m-1）/m，當m取極限，能夠達到2倍。

第二種：將任務從大到小排序，然後依次放在機器上，當某個機器空閑時立即放入新任務。此時是2近似的。

引理3：如果有大於m個任務，那麼L*>=2t(m-1)。證明：t(m+1)是目前最短的任務，且目前所有機器上都有任務了，所以該任務加入時最優的情況不過是加入設備的原有任務剛好和t(m+1)相等，即等號。

（2近似）在n個點中，選取k個中心點，使得這些中心點能夠以半徑R的圓包含所有的點，讓其中最大的半徑最小，如下圖所示：

基礎：距離需要滿足的三個定理①(同一性)dist(x, x) = 0 ②(自反)dist(x, y) = dist(y, x) ③(三角不等式)dist(x, y) <=dist(x, z)+dist(z, y)

r(C)為C集合中所有點的最大覆蓋半徑。（需要求min r(C)）

演算法：在點集中任選一個作為中心點，然後重復以下步驟k-1次:選取距離已選點集中最遠的點，加入點集。

證明：先假設r(C )< 1/2 * r(C)以選好的點畫半徑為1/2 * r(C)的圓，顯然可知[注]，這個圓里有且僅有一個r(C )中的點。那麼根據在下圖中，根據三角不等式可以得出：

[注]在每個點上r(c )一定會包含到c點，而r(C )<1/2 * r(C)，相當於大圓套小圓，所以c*一定在c的圓中。

（2近似）問題還是很好理解的，在點上加權值，要找一個點覆蓋，使得權值最小。如下圖左邊就是一個帶權的最小點覆蓋。

演算法： 任選一條邊(i, j)加上代價，這個代價從零開始，且這個代價的最大值低於i和j節點的權值。顯然，這個邊權值的最大值取決於兩個端點權值的最小值，我們認為當邊權值與點權值相等時，對應的那個點是緊的。把所有緊的點找出來即為點覆蓋。

流程：

證明：

引理：邊權之和小於等於點覆蓋的點權之和。這主要是由於涉及到一條邊上兩個點都被選（緊的）的情況，感性認知可以看上圖，縮放證明如下：

w(S)是等於所選的節點的權值之和的，等於所選節點節點所對應的邊權之和，可以把它放大到所有節點對應邊權之和，這樣因為一條邊(u, v)在u上算過一次後還要在v上算一次，所以等於邊權和的兩倍。再由上面引理可得。

主要為了線性規劃和整數規劃。

（2近似）沒啥好說的，只需要把方程構造出來就行了。

由於求解出來結果不一定是整數，所以我們認為某一點的值大於1/2，就選入點集。

證明：

因為xi+xj >=1,且都是正數，那必至少一個點是大於1/2的（反證，兩個都小於1/2則和小於1）。

給你n個物品和一個背包，每個物品有一個價值v和一個大小w，背包的容量是W，要求讓背包裝下盡可能大價值。

背包的時間復雜度：O(nW)

注意其中n表示物品的個數，無論是1個還是999個，他都是多項式的，這個很好理解。但是W就不一樣了，這是一個數字。我理解的是這個數字會很奇特，比如1.00001，比如99999，這些有可能看起來不大但是實際在處理的時候很難處理的數字，統一的來說，如果我們把這些數字放在電腦上，都會以二進制的方式存儲起來，有些數字用十進製表示很小，但是放在二進制上面就會很大，由W導致不能在多項式時間內解決（找不到一個范圍/上界來框它）。

演算法： 為了處理這個問題，我們改動了dp的狀態轉移方程，要讓這個轉移方程和W無關[注]。

此時還不是多項式的，然後我們再對value進行約。[注]

[注]這兩步中，我們把w改成v，並對v進行近似處理。OPT的含義變成了，在面對是否選擇第i個物品時，要想讓價值達到當前值，最少的weight。理由是更改後的誤差是可以忍受的：對v進行近似，結果只會出現最大價值的上下誤差，如果對w進行近似，則有可能出現該物品不能放入背包中，導致整個物品直接放棄的情況。

⑹ CAP CAC 都是什麼意思

CAP：中國議事專家協會（China Association of Parliamentarians），是2014年12月由美國全國議事專家協會（英文縮寫National Association of Parliamentarians，簡稱NAP）批準的分會。CAP的宗旨是，基於協商會議規則及相關理念和原則，開展富有教育性、文學性和專業性的教學、推廣、傳播活動；致力於促進公眾對議事規則的興趣和使用，進一步實現NAP的目標和宗旨。
CAC：coremail anti-spam center，反垃圾郵件服務運營中心。垃圾郵件發送者不斷變換著郵件的發送和編寫方式，使得垃圾郵件越來越多。盈世Coremail針對現狀，部署了國內首個商業CAC（反垃圾郵件服務運營中心，coremail anti-spam center）。CAC在線對最新垃圾郵件樣本進行實時分析，以智能演算法學習+人工嚴格審核雙重服務機制，大幅增強對可疑郵件的過濾判定，綜合提升對用戶垃圾郵件的攔截率。同時，在Webmail上設置用戶垃圾郵件舉報功能。當用戶有收到垃圾郵件時，只需在Webmail上選中郵件垃圾就可以舉報至CAC中心，CAC便可對用戶舉報的垃圾郵件進行樣本分析，用戶與廠商共同提高垃圾郵件過濾率。

⑺ CAP協議以及演算法

兩階段提交

Two-phase Commit（2PC）：保證一個事務跨越多個節點時保持 ACID 特性；

兩類節點：協調者（Coordinator）和參與者（Participants），協調者只有一個，參與者可以有多個。

過程：

需要注意的是，在准備階段，參與者執行了事務，但是還未提交。只有在提交階段接收到協調者發來的通知後，才進行提交或者回滾。

存在的問題

Paxos（Lamport）：

分布式系統中的節點通信存在兩種模型： 共享內存 （Shared memory）和 消息傳遞 （Messages passing）。

基於消息傳遞通信模型的分布式系統，不可避免的會發生以下錯誤：進程可能會慢、被殺死或者重啟，消息可能會延遲、丟失、重復，在基礎Paxos場景中，先不考慮可能出現消息篡改即 拜占庭錯誤 的情況。

Paxos演算法解決的問題是在一個可能發生上述異常的 分布式系統 中如何就某個值達成一致，保證不論發生以上任何異常，都不會破壞決議的一致性。

主要有三類節點：

過程：

規定一個提議包含兩個欄位：[n, v]，其中 n 為序號（具有唯一性），v 為提議值。

下圖演示了兩個 Proposer 和三個 Acceptor 的系統中運行該演算法的初始過程，每個 Proposer 都會向所有 Acceptor 發送提議請求。

當 Acceptor 接收到一個提議請求，包含的提議為 [n1, v1]，並且之前還未接收過提議請求，那麼發送一個提議響應，設置當前接收到的提議為 [n1, v1]，並且保證以後不會再接受序號小於 n1 的提議。

如下圖，Acceptor X 在收到 [n=2, v=8] 的提議請求時，由於之前沒有接收過提議，因此就發送一個 [no previous] 的提議響應，並且設置當前接收到的提議為 [n=2, v=8]，並且保證以後不會再接受序號小於 2 的提議。其它的 Acceptor 類似。

如果 Acceptor 接受到一個提議請求，包含的提議為 [n2, v2]，並且之前已經接收過提議 [n1, v1]。如果 n1 > n2，那麼就丟棄該提議請求；否則，發送提議響應，該提議響應包含之前已經接收過的提議 [n1, v1]，設置當前接收到的提議為 [n2, v2]，並且保證以後不會再接受序號小於 n2 的提議。

如下圖，Acceptor Z 收到 Proposer A 發來的 [n=2, v=8] 的提議請求，由於之前已經接收過 [n=4, v=5] 的提議，並且 n > 2，因此就拋棄該提議請求；Acceptor X 收到 Proposer B 發來的 [n=4, v=5] 的提議請求，因為之前接收到的提議為 [n=2, v=8]，並且 2 <= 4，因此就發送 [n=2, v=8] 的提議響應，設置當前接收到的提議為 [n=4, v=5]，並且保證以後不會再接受序號小於 4 的提議。Acceptor Y 類似。

當一個 Proposer 接收到超過一半 Acceptor 的提議響應時，就可以發送接受請求。

Proposer A 接受到兩個提議響應之後，就發送 [n=2, v=8] 接受請求。該接受請求會被所有 Acceptor 丟棄，因為此時所有 Acceptor 都保證不接受序號小於 4 的提議。

Proposer B 過後也收到了兩個提議響應，因此也開始發送接受請求。需要注意的是，接受請求的 v 需要取它收到的最大 v 值，也就是 8。因此它發送 [n=4, v=8] 的接受請求。

Acceptor 接收到接受請求時，如果序號大於等於該 Acceptor 承諾的最小序號，那麼就發送通知給所有的 Learner。當 Learner 發現有大多數的 Acceptor 接收了某個提議，那麼該提議的提議值就被 Paxos 選擇出來。

Raft（14年）： 簡化，更容易理解，也更容易實現。

引入主節點，通過競選。

節點類型：Follower、Candidate 和 Leader

Leader 會周期性的發送心跳包給 Follower。每個 Follower 都設置了一個隨機的競選超時時間，一般為 150ms~300ms，如果在這個時間內沒有收到 Leader 的心跳包，就會變成 Candidate，進入競選階段。

流程：
① 下圖表示一個分布式系統的最初階段，此時只有 Follower，沒有 Leader。Follower A 等待一個隨機的競選超時時間之後，沒收到 Leader 發來的心跳包，因此進入競選階段。

② 此時 A 發送投票請求給其它所有節點。

③ 其它節點會對請求進行回復，如果超過一半的節點回復了，那麼該 Candidate 就會變成 Leader。

④ 之後 Leader 會周期性地發送心跳包給 Follower，Follower 接收到心跳包，會重新開始計時。

① 如果有多個 Follower 成為 Candidate，並且所獲得票數相同，那麼就需要重新開始投票，例如下圖中 Candidate B 和 Candidate D 都獲得兩票，因此需要重新開始投票。

② 當重新開始投票時，由於每個節點設置的隨機競選超時時間不同，因此能下一次再次出現多個 Candidate 並獲得同樣票數的概率很低。

① 來自客戶端的修改都會被傳入 Leader。注意該修改還未被提交，只是寫入日誌中。

② Leader 會把修改復制到所有 Follower。

③ Leader 會等待大多數的 Follower 也進行了修改，然後才將修改提交。

④ 此時 Leader 會通知的所有 Follower 讓它們也提交修改，此時所有節點的值達成一致。

⑻ 2009年廣東省電子商務助理師考試題

一、單項選擇題

1.進入21世紀，我國大量需要一種既懂現代信息技術又懂電子商務的（ ）人才。
（A）專用型（B）綜合性（C）復合型（D）理想型

2.（ ）是電子商務師職業活動能夠正常進行的重要保證。
（A）謙虛謹慎、辦事公道（B）遵紀守法、廉潔奉公（C）實事求是、工作認真（D）恪守機密、嚴守機密

3.電子商務師無論是搜集信息、提供意見、擬寫文件，都必須端正思想，堅持（ ）的原則。
（A）客觀實際（B）實事求是（C）工作認真（D）堅持實踐

4.只有（ ）、公道正派的電子商務師，才能做到胸襟寬闊，在工作中充滿朝氣和活力。
（A）謙虛謹慎（B）辦事公道（C）寬容大度（D）朝氣活潑

5.電子商務師的（ ）是對電子商務人員在職業活動中的行為規范。
（A）職業道德修養（B）商業道德（C）思想道德（D）職業道德

6.國家對計算機信息系統安全專用產品的銷售實行（ ）制度。
（A）特許證（B）許可證（C）信用證（D）安全證

7.世界上最早的電子錢包系統是（ ）。
（A）Mondex（B）VisaCash（C）MasterCard（D）Clip

8.由MasterCard和Visa聯合開發的一種被稱為（ ）的標准，為網上信息及資金的安全流通提供了充分的保障。
（A）ATM（B）PIN（C）SSL（D）SET

9.如Lycos、AltaVista等搜索引擎系統，其服務方式是面向網頁的全文檢索服務，被稱之為（ ）
（A）目錄式搜索引擎（B）機器人搜索引擎（C）元搜索引擎（D）全文資料庫檢索引擎

10.（ ）比較適用於對關鍵問題的定性調查研究。
（A）網上問卷調查法（B）視訊會議法（C）電子郵件法（D）隨機IP法

11.1996年3月14日，國家新聞出版署發布了電子出版物暫行規定，加強對CD-ROM、CD-G(即)等電子出版物的保護。
（A）圖文光碟（B）互動式光碟（C）只讀光碟（D）照片光碟

12.《電子商務示範法》是（ ）於1996年通過的，這將促進協調和統一國際貿易法。
（A）國際貿易法委員會（B）國際商會（C）歐盟貿易法委員會（D）美國貿易法委員會

13.電子郵件是Internet上最頻繁的應用之一，它是採用（ ）進行傳輸的。
（A）HTTP（B）TCP/IP（C）ATP（D）SMTP

14.（ ）只能取迴文件，一般不得上傳文件的功能。
（A）Telnet（B）FTP（C）E-mail（D）Usenet

15.《示範法》第6條規定「如法律要求須採用書面形式，則假若一項數據電文所含信息可以調取以備日後查用，即滿足了該項要求。」至於「日後查用」，它指的是（ ）。
（A）可存儲性（B）不可重復性（C）功能（D）可更改性

16.互聯網路是一種功能最強大的營銷工具，它所具備的（ ）營銷能力，正是符合定製營銷與直復營銷的未來趨勢。
（A）一對多（B）一對一（C）多對一（D）多對多

17.防火牆是一種計算機硬體和軟體的結合，使互聯網與內部網之間建立起一個（ ），從而保護內部網免受非法用戶的侵入。
（A）安全等級保護制度（B）安全信息系統（C）安全網關（D）安全保護

18.物流的信息化包括（ ）和資料庫的建立、運輸網路合理化、銷售網路系統化和物流中心管理電子化等。
（A）商品代碼（B）條形碼（C）配送網路（D）信息系統

19.（ ）是一種可以在屏幕上顯示的小型圖片廣告，用戶用滑鼠點擊該圖片，它就會自動擴大展示廣告版面。
（A）圖片廣告（B）旗幟廣告（C）移動廣告（D）鏈接廣告

20.（ ）是IBM公司開發的關系數據管理系統。
（A）ORACLE（B）DB2（C）SYBASE（D）SQLServer

21.WinZIP的界面為標準的（ ）界面，共有4個菜單和8個快捷按鈕。
（A）UNIX（B）Linux（C）Windows（D）WindowsNT

22.框架也稱為（ ），通過框架技術能夠把Web瀏覽器的窗口分成幾個獨立的區域，每一個區域即為一個框架。
（A）表格（B）欄目（C）幀（D）網頁

23.使用字體標記（ ）可以設置文字的字體、大小和顏色。
（A）<h1>（B）<h6>（C）（D）<font>

24.源碼病毒在程序被編譯之前插入到FORTRAN、C或PASCAL等語言編制的（ ）。
（A）源程序（B）主程序（C）語言處理程序（D）連接程序

25.安裝防病毒軟體文件夾時建議採用（ ）。
（A）備份文件夾（B）暫時文件夾（C）命名文件夾（D）默認文件夾

26.當實時監控程序發現病毒時，都將顯示出一個對話框，共有（ ）選擇方案，由用戶自己選擇要採取什麼動作。
（A）1種（B）2種（C）3種（D）4種

27.實時監控的目標分為：軟盤、本地硬碟、光碟、（ ）。
（A）主機（B）系統（C）網路鄰居（D）文件

28.主頁是InternetExplorer每次啟動時最先打開的起始頁，它有（ ）設置方法。
（A）2種（B）3種（C）4種（D）5種

29.InternetExplorer把各種Web站點分成（ ）安全區域，並對各個區域分別指定不同的安全等級。
（A）2種（B）3種（C）4種（D）5種

30.URL的格式為：（協議）∶//（主機名）∶（ ）/（文件路徑）/（文件名）。
（A）文件號（B）埠號（C）路徑號（D）主機號

31.TCP/IP協議規定，每個IP地址由（ ）（NETID）和主機地址（HOSTID）兩部分組成。
（A）域名地址（B）鏈接地址（C）路徑地址（D）網路地址

32.域名是樹狀結構，其樹狀結構稱為（ ），由InterNIC負責管理。
（A）域名空間（B）域名地址（C）域名系統（D）域名管理

33.計算機病毒按其入侵方式可分為：操作系統型病毒、（ ）、外殼病毒、入侵病毒。
（A）定時病毒（B）隨機病毒（C）源碼病毒（D）圓點病毒

34.每個IP地址由（ ）個二進制構成。
（A）15（B）20（C）28（D）32

35.在Internet上實現文件運程傳輸，共享Internet上的資源，客戶機與伺服器的連接稱為（ ）。
（A）鏈接（B）登錄（C）上傳（D）下載

36.按照界面風格的不同，FTP軟體可分為兩類：（ ）和圖形界面。
（A）字形界面（B）字元界面（C）聲音界面（D）文件界面

37.一般情況下，用戶登錄主機時，用戶名輸入（ ），不需要密碼。
（A）guest（B）admin（C）manager（D）anonymous

38.Telnet是一個（ ），文件名為Telnet.exe。
（A）獨立程序（B）附加程序（C）暫時程序（D）永久程序

39.HTML語言可以描述圖像的位置、大小等屬性，但不能直接描述圖像上的（ ）。
（A）顏色（B）像素（C）文字（D）代碼
我的答案：
40.用FrontPage創建框架網頁時，框架網頁有（ ）視圖方式。
（A）5種（B）4種（C）3種（D）2種

41.FTP伺服器提供（ ）的共享資源，用戶可以從FTP伺服器上下載所需要的文件到本地計算機上。
（A）海量（B）足量（C）定量（D）少量

42.埠是指進入（ ）的通道，一般為默認埠。
（A）主機（B）系統（C）伺服器（D）網路

43.完成「名字--地址」映射的過程叫（ ）。
（A）名字解析（B）地址解析（C）正向解析（D）反向解析

44.域名系統對名字結構作了定義：名字從左到右結構，而表示的范圍從小到大，這與IP地址表示的順序正好（ ）。
（A）一致（B）相反（C）符合（D）相逆

45.在Internet主機域名中，（ ）代表國家--荷蘭。
（A）hl（B）nl（C）eg（D）gr

46.Telnet在運行過程中，啟動兩個程序，一個叫Telnet客戶程序，它運行在本地機上，另一個叫Telnet伺服器程序，它運行在需要登錄的（ ）上。
（A）客戶機（B）主機（C）遠程計算機（D）遠程主機

47.如果插入圖像的顏色不超過256色，FrontPage編輯器會自動轉換為（ ）格式；否則，轉換為（ ）格式。
（A）GIF/JPEG（B）ARJ/SCR（C）ZIP/GIF（D）JPEG/GIP

48.<font>是成對標記，它有3種屬性：face、size、（ ）屬性。
（A）center（B）title（C）color（D）body

49.在<html>～</html>之間包含兩個主要的部分，一個是「標題設定區」，另一個是「HTML網頁文本區」，前後使用（ ）標記框住。
（A）<head>~</head>（B）<ul>~</ul>（C）<a>~</a>（D）<body>~</body>

50.大麻病毒是一種典型的（ ）。
（A）入侵病毒（B）外殼病毒（C）源碼病毒（D）操作系統病毒

51.Usenet命名規則第一部分確定專題小組所屬的大類，約有（ ）頂級類別。
（A）6個（B）8個（C）10個（D）12個

52.通信出口速率是選擇（ ）服務提供商的一個十分關鍵的信息。
（A）旗幟廣告（B）公告欄廣告（C）按鈕廣告（D）插頁廣告

53.對各國進口商詳細信息的收集可以從（ ）入手。
（A）向建立聯系的各國進口商詢問（B）通過專業管理機構及行業協會查詢（C）通過新聞機構的站點查詢（D）通過大型資料庫檢索

54.（ ）是隨機過程的等時間隔的離散數值記錄。
（A）時間序列（B）判別分析（C）聚類分析（D）相關分析

55.rec.autos.driving中的頂級域名為（ ）。
（A）未列出（B）driving（C）autos（D）rec

56.Usenet是按照主題來劃分組的，參與每個組討論的人都是對該組的主題有著共同的興趣，Usenet有著強大的生命力，靠的是絕大多數參與者（ ）。
（A）自由熱情（B）自覺守法（C）自覺維護（D）共同愛好

57.投放旗幟廣告的首選站點是（ ）。
（A）搜索引擎（B）主頁（C）導航台（D）最有價值的網站

58.網路媒體與傳統媒體的最大區別是（ ）。
（A）廣告費用（B）廣告效果統計分析（C）廣告收益（D）廣告效率

59.使用電子郵件的簽名，不僅完成了簽名的功能，還起到了（ ）的效果。
（A）展示（B）傳播（C）廣告（D）宣傳

60.常用的聚類分析法有（ ）、系統聚類法、模糊聚類法等。
（A）序貫聚類法（B）樣品聚類法（C）相關聚類法（D）時間聚類法

61.對如何運用廣告宣傳作為推銷商品的重要手段等的研究，屬於（ ）的范疇。
（A）促銷策略研究（B）產品策略研究（C）廣告策略研究（D）營銷策略研究

62.從網路商務信息本身所具有的總體價格水平來看，可以將它大致地分為免費商務信息等（ ）等級。
（A）2個（B）3個（C）4個（D）5個

63.相對於傳統商務信息，網路商務信息具有（ ）、准確性高、便於存儲等顯著特點。
（A）使用價值大（B）實效性強（C）時效性強（D）價值大

64.在互聯網營銷環境下，對不同的消費者提供不同的商品，其顧客化方式的驅動力是（ ）。
（A）市場導向（B）消費導向（C）最終消費者（D）國外分銷商

65.網路營銷與傳統營銷的整合，就是利用（ ）實現以消費者為中心的傳播統一、雙向溝通，實現企業的營銷目標。
（A）整合營銷策略（B）市場營銷策略（C）促銷策略（D）網路營銷策略

66.利用Infoseek等數量型的搜索工具可以查詢（ ）資料。
（A）生產商報價（B）銷售商報價
（C）國際貿易數據（D）各國進口商詳細信息

67.網路市場調查中郵發給調查對象的調查表，由問候語、問題項目單、回答欄、（ ）4個部分構成。
（A）編碼表（B）主題（C）獎勵措施（D）調查背景資料

68.時間序列分析是根據系統觀測得到的時間系列數據，通過（ ）和參數估計來建立數學模型的理論和方法。
（A）趨勢分析（B）誤差分析（C）曲線擬合（D）系統觀測

69.網路營銷的企業競爭是一種以()為焦點的競爭形態.
(A)供應商(B)市場(C)顧客(D)眼球

70.在線調查表設計的問題應能()回答的。
（A）在記憶范圍內（B）引導地（C）誘問地（D）簡明扼要地

71.（ ）是指時間序列從上升趨勢突然變為下降趨勢的點。
（A）跳點（B）拐點（C）前兆點（D）預測點

72.（ ）是利用線段的升降來說明現象的變動情況，主要用於表示現象在時間上變化趨勢、現象的分配情況和兩個現象之間的依存關系。
（A）折線圖（B）柱形圖（C）曲線圖（D）箱圖

73.在新聞組軟體中，點擊工具欄中的（ ）可以將一個文件作為帖子的附件一並發送。
（A）標注標記（B）發送按鈕（C）回形針標記（D）郵件按鈕

74.訪問新聞組和瀏覽主頁、發送電子郵件、下載和FTP上傳文件（ ）進行。
（A）必須連續（B）可以同時（C）不可以同時（D）分階段

75.許多新聞組伺服器之間、新聞伺服器與BBS之間（ ）交換數據（轉信）。
（A）不（B）連續（C）定期(D)限定

76.在新聞組中發布廣告需要根據（ ）的主題來選擇討論組。
（A）新聞內容(B)新聞信息(C)廣告內容（D）廣告信息

77.（ ）是國內著名的ICP提供、有著內容和信譽的充分保障，有專業人員精心編輯製作，具有很強的時效性、可讀性和交互性。
（A）電子廣告（B）電子雜志（C）電子圖書（D）電子郵件

78.新聞組（ ）軟體能夠對各種新聞組信息進行有效的組織，方便用戶查詢、閱讀、回應，能夠提高用戶信息處理效率。
（A）主機（B）伺服器（C）客戶端（D）信息處理

79.網路信息的收集，絕大部分是通過搜索引擎找到信息發布源獲得的，這減少了信息傳遞的中間環節，因此（ ）。
（A）存儲性大（B）實效性強（C）准確性高（D）更為快捷

80.網路營銷對傳統產品品牌策略的沖擊表現在（ ）。
（A）對傳統廣告障礙的消除（B）適應品牌的全球化管理（C）對傳統營銷渠道的沖擊（D）對傳統營銷方式的沖擊

81.網上商店要盡可能使客戶對本商店產生強烈的第一印象，因此，（ ）是第一位也是最重要的事情。
（A）突出網頁的涉及（B）突出網頁設計的顏色（C）突出商店的商標（D）突出銷售商品的種類

82.購物車顯示模塊主要採用（ ）技術來實現的。
（A）Order（B）Cookie（C）Gateway（D）Contract

83.（ ）是通過計算機網路系統訂立的，以數據電文的方式生成、存儲或傳遞的合同。
（A）數字合同（B）數據合同（C）電子合同（D）信息合同

84.如果買賣雙方在簽訂合同時協商好，自行解決，SCCN（ ）合同履行。
（A）一定參與（B）必須參與（C）可以不參與（D）不參與

85.信息服務合同是指以提供信息服務為標的的合同，如信息訪問、（ ）、交易平台服務等。
（A）音樂下載（B）軟體下載（C）在線支付（D）認證服務

86.（ ）是網路通訊中標志通訊各方身份信息的一系列數據，提供一種在Internet上驗證身份的方式。
（A）數字認證（B）數字證書（C）電子證書（D）電子認證

87.數字簽名為保證其不可更改性，雙方約定使用（ ）。
（A）HASH演算法（B）RSA演算法（C）CAP演算法（D）ACR演算法

88.在公開密鑰密碼體制中，加密密鑰即（ ）。
（A）解密密鑰（B）私密密鑰（C）公開密鑰（D）私有密鑰

89.一般情況下，電子商廈中多家網上商店的網上單證，如訂單的後台處理均由（ ）來完成。
（A）在線（B）財務系統（C）企業內部（D）網站

90.（ ）是由VISACARD和MASTERCARD合作開發完成的，在互聯網上實現安全電子交易的協議標准。
（A）SSL（B）SET（C）DES（D）RSA

91.（ ）軟體不僅支持網上支付的操作，還可以使用其軟體管理各種電子貨幣和處理交易記錄。
（A）電子貨幣（B）電子支票（C）電子現金（D）電子錢包

92.（ ）最早是由英國的西敏銀行和米德蘭銀行為主開發和倡議使用的電子貨幣系統。
（A）eCash（B）CyberCoin（C）Mondex（D）eWallet

93.電子錢包中記錄的每筆交易的交易狀態有成功、（ ）、訂單拒絕和未完成。
（A）訂單丟失（B）訂單接收（C）訂單確認（D）訂單傳送

94.SSL協議屬於網路（ ）的標准協議。
（A）物理層（B）傳輸層（C）應用層（D）對話層

95.微軟公司的IE瀏覽器包括了一個（ ）組件，可以支持各種類型的銀行卡。
（A）電子錢包（B）電子支票（C）電子現金（D）電子貨幣

96.以下哪一項不是保證網路安全的要素？（ ）
（A）信息的保密性（B）發送信息的不可否認性
（C）數據交換的完整性（D）數據存儲的唯一性

97.電子合同按標的的不同可分為：（ ）。
（A）有形信息產品合同和無形信息產品合同
（B）信息產品合同和非信息產品合同
（C）信息許可使用合同和信息服務合同
（D）網路產品信息合同和非網路產品信息合同

98.網上單證出現問題可能來自（ ）。
（A）網上單證軟體的穩定性（B）網路消費者操作失誤（C）單證傳輸流程出錯（D）系統遭受病毒侵擾

99.訂單生成模塊將各個網上商店生成各商店的訂單，再將各商店級的訂單綜合而成（ ）的訂單。
（A）商品級（B）商廈級（C）網上商店級（D）購物車級

100.網上商店的客戶訂單處理流程完善必須考慮成本因素、時間因素、供貨准確性因素、（ ）等關鍵因素。
（A）信息因素（B）客戶因素（C）市場因素（D）經營因素

參考答案：

CBBADDABDBAADADBAACB
CCDADDCBCBDACDBBDABA
CCCBBCACDDCABADBCBDB
CCBCADACCABCCBCBCCBB
CBCCDBACDBDCBDADBBBA

⑼ 大學成績單里的CAP是什麼意思

應該是GPA，成績平均績點（英文：Grade Point Average，縮寫：GPA）。

是大多數大學及高等教育院校所採用的一種評估學生成績的制度，同時也有少量中學採用這種制度。計算方法為把學科所得到的評級，換算成為一個績點，再按照各學科所佔學分比例加權所得的數字。具體演算法因國家、地區及學校的不同，形成不同差異。

作用

績點是課程學習質的體現，它充分反映了學生掌握課程知識的程度，而不包括績點的學分制是不完整的。因此，許多高校引入績點制來進一步完善學分制，使課程學分與績點相結合，成為課程學分績點，通過計算平均學分績點來區分學生的學習質量。

(9)cap演算法擴展閱讀:

學分制

大學里每一門課程都有一定的學分。只有通過這門課的考試，才能獲得相應的學分。只有學分積累到專業要求後才能畢業。如果提前修完所要求課程與學分，還可以提前畢業。

學分制是一種更加靈活的彈性學制，為學生在校期間創造了更多的靈活性，包括在一段時間內申請休學、創業，鼓勵學有餘力的同學提前畢業以及輔修、攻讀其他專業和學位。

部分大學要求學生在校期間必須修滿專業教學計劃規定的必修課和選修課最低要求學分數，每學期必須如此，如果達不到，會得到成績警告。

每學期最低學分一般計算方法為：每學期最低學分=總學分/2×（標准學制+2）

同時，每學期修讀學分一般不得超過專業教學計劃規定的最高學分，經批准如有超選，超選部分按有關規定加收超選費。

每學期最高學分一般計算方法為：每學期最高學分=總學分/2×（標准學制－1）