计算机考研面试常问专业课问题（自用）

Re_draw_debubu

已于 2025-03-24 09:45:06 修改

阅读量865

点赞数 16

文章标签：考研面试

于 2025-03-18 14:43:09 首次发布

本文链接：https://blog.csdn.net/qq_59157186/article/details/146335538

版权

报名院校双非自命题，复试是计算机综合面试+上机，应对考试补一下408常用基本知识点，双非一般不会问很深的东西，所以本篇没什么含金量，自用

1.操作系统常问知识点

1.OS定义

OS是系统资源的管理者、向上层用户、应用提供方便易用服务、是最接近硬件的一层软件

2. OS功能

处理机管理、存储器管理、文件管理、设备管理

3. OS特征

并发、共享、虚拟、异步（并发和共享是OS最基本特征，互为存在条件；虚拟和异步以并发和共享为前提）

4. 什么是原语

一种程序，具有原子性，其操作只能一气呵成，运行时间段=短且调用频繁

5. 并发与并行的区别

同一时间间隔是并发，同一时刻是并行

6. OS发展历程

手工→单道批处理→多道批处理（OS正式诞生，无交互）→分时（有交互，无法处理紧急事件）→实时（可以处理紧急事件）

7. 中断的作用

用户转变为核心态的唯一方式、可以让OS强行夺回CPU控制权

8. 内中断与外中断

内中断：异常，与当前执行指令有关，来自CPU内部

外中断：与当前无关，来自外部

9. 系统调用分类

设备管理、文件管理、进程控制、进程通信、内存管理

凡是与共享资源有关的操作，会直接影响其他进程的操作，都需要OS介入，通过系统调用实现

10. 什么是进程

进程是拥有资源的基本单位，进程是动态的，是程序的执行，是暂时的。

实质是程序在多道程序系统中的一次执行过程

特性：动态性、并发性、独立性、异步性

记住状态图：运行态、就绪态、阻塞态、创建状态、结束状态

11. 什么是线程

线程是独立调度的基本单位，同一进程中线程的切换不会引起进程的切换，线程不拥有资源。

12. PCB是进程存在的唯一标识

13. 什么是宏内核

将OS主要功能模块都作为系统内核，运行在内核态。高性能，但结构混乱难以维护

14. 什么是微内核

只把最基本功能保留在内核。结构清晰易于维护，但需要在内核态和用户态频繁切换，性能低。

15. 处理机调度

三级调度：高级（作业调度）、中级（内存调度）、低级（进程调度）

调度算法：

抢占式：时间片轮转（RR）、多级反馈队列、优先级调度（也有非抢占式的类型）

非抢占式：先来先服务（FCFS）、短作业优先（SJF）、高响应比优先（HRRN）

多级反馈队列算法和短作业优先算法可能会导致饥饿

16. 什么是死锁、死锁产生的原因是什么、如何解决死锁

两个以上进程在执行过程中因争夺资源产生的互相等待的现象，如果没有外力，进程将无法推进的一种局面

原因：系统资源不足、进程推进顺序不当

避免死锁：安全状态、银行家算法

17. 分段和分页的区别

分段基于程序逻辑划分可变长内存，分页采用固定大小物理块实现灵活内存管理。

18. 什么是段寄存器

段寄存器存储内存段的基地址和属性，用于CPU在分段机制中寻址和内存访问保护。

19.常用的存储保护方法

界限寄存器：上下界寄存器方法；基址、限长寄存器方法

存储及保护键

2. 计算机网络

1. 七层网络结构

物理层、数据链路层、网络层、传输层、会话层、表示层、应用层

2. TCP/IP结构

网络接口层、网际层、运输层、应用层

3. IPV4和IPV6位数

32位和128位

4. 数据链路层作用

链路管理、封装成帧、透明传输、差错检测

5. 列举下数据连路程的协议

局域网：CSMA/CD

广域网：PPP（点对点），HDLC（高级数据链路控制协议）

6.三网是哪三网

电信网、广播电视网、互联网

7. 组成网络协议的三要素

语义、语法、同步

8.什么是网络拥塞，如何控制

网络中存在太多数据包导致数据包延迟或者被丢失，导致整个网络传输性能降低。

控制拥塞的算法：

慢开始算法、拥塞避免算法、快重传算法、快恢复算法

9.什么是非对称加密

非对称加密使用公钥和私钥配对，公钥加密数据，私钥解密，确保通信安全与身份验证。

3.其他类

最近有的导师喜欢问机器学习的东西，稍微记录一点东西。

说一个你知道的常见机器学习的算法。

支持向量机（SVM）

SVM（Support Vector Machine）是一种监督学习算法，主要用于分类（也可用于回归，称为SVR）。

其核心思想是：

最大间隔超平面：在特征空间中找到一个最优的超平面，将不同类别的数据分开，且该平面到最近样本点（支持向量）的距离（间隔）最大。
支持向量：离超平面最近的样本点，决定了超平面的位置和方向。
核技巧（Kernel Trick）：对于线性不可分的数据，通过核函数（如线性、多项式、高斯核）将数据映射到高维空间，使其线性可分。
软间隔与硬间隔：
- 硬间隔：严格分类所有样本，可能过拟合。
- 软间隔：允许少量样本分类错误，提升模型鲁棒性（通过松弛变量和惩罚参数 C 控制）

常用于图像识别和文本分类。适合小样本和高维数据。

举一个通俗的例子：

想象你要在菜市场分土豆和西红柿：

目标：找一条最宽的“马路”（分界线），把土豆和西红柿彻底分开。
关键规则：这条马路的宽度要最大，并且马路边缘必须碰到至少几个“典型样本”（比如特别圆的土豆或特别红的西红柿），这些样本就叫支持向量。
如果混在一起分不开（比如土豆和西红柿被捣成泥了）：
- 找个“魔法镜子”（核函数），把烂泥倒进镜子里的高维空间（比如三维），突然发现它们在空中能用一个“大平板”分开。
允许犯错：如果有一两个土豆掉进西红柿堆，只要不影响大局，可以睁一只眼闭一只眼（软间隔）。

总结：SVM就是用最宽的安全距离分类，分不开就升维打击！

决策树（Decision Tree）

定义
决策树是一种基于树形结构的监督学习算法，通过一系列规则对数据进行分类或回归。其结构包含根节点、内部节点（特征判断）和叶节点（决策结果）。

原理

核心思想
- 递归地将数据按特征划分，使子集尽可能“纯净”（同类样本多）。
- 关键指标：
  - 信息增益（ID3算法）：基于信息熵减少量选择特征。
  - 基尼不纯度（CART算法）：衡量数据的不纯度，值越小纯度越高。
  - 信息增益率（C4.5算法）：解决信息增益对多取值特征的偏好。
构建过程
- 分裂节点：选择最大化纯度提升的特征和分割点（如“年龄>30”）。
- 终止条件：样本全属同一类、达到最大深度、纯度提升不足等。
- 剪枝：后剪枝（如代价复杂度剪枝）防止过拟合。

应用场景：分类任务，回归任务，预测分析。

通俗解释：

核心目标：把杂乱的数据按特征分成“泾渭分明”的小组。
- 比如买水果，目标是快速区分苹果和橙子。
关键步骤：
- 第一步：问最有效的问题
  先问一个能最大程度区分两类的问题，比如“颜色是红色吗？”（如果是红色，更可能是苹果）。
- 第二步：重复提问
  对分出来的小组继续提问，比如“表面光滑吗？”（苹果通常更光滑）。
- 第三步：停止条件
  直到无法再区分（比如分到全是苹果或全是橙子的小组），停止提问，给出结论。
防止“钻牛角尖”
如果一直问太细的问题（比如“重量是152克还是153克？”），虽然分得很准，但遇到新水果可能判断错。这时要简化规则（比如剪掉不重要的判断）。