简介:一、选择题(每小题4分,共28分)1.已知:如图D-1,BC切⊙O于B,∠AOB=110°,则∠ABC=( )(A)110° (B)55° (C)70° (D)35°图D-2图D-1 2.如图D-2,⊙O是Rt△ABC的内切圆,切点为D、E、F,∠C=90°,AC=6,BC=8,则AF+BE=( )(A)8 (B)6 (C)10 (D)123.两圆的直径分别为10和6,圆心距为4,则两圆的位置关系是( )(A)外离 (B)外切 (C)相交 (D)内切4.如图D-3,弦AB、CD相交于P,PA=3cm,PB=4cm,CD=8cm,且CP<PD,则CP=( )(A)2cm (B)6cm (C)2
简介:一、填空题(每空3分,共33分)1.当x=时,分式|x|-2x-2的值为零.2.在分式nm中,当时,分式无意义,当时,分式的值为零.3.约分14a5b363ab4c=.4.若a-1a=1,则a2+a-2=.5.若a-bb=23,则ab=.6.当x时,代数式2x-3-1x+2+3x2+1有意义.7.如果1x-3+1=ax-3会产生增根,那么a的值应是.8.若分式x-32x+1的值为负,则x的取值范围为.9.(ba+ab)x=ab-ba-2x (a+b≠0),则x=.10.化简1+11-11+1x=.二、选择题(每小题4分,共32分)1.分式|m+n|m+n的值是( ).(A)1 (B)-1 (C
简介:一、填空题(每小题3分,共30分)(1)我们已学过的因式分解的四种基本方法是:①,②,③,④.(2)9a2-( )=(3a+2)(3a-2)(3)4x2+( )+1=(2x-1)2(4)m3+8=(m+2)( )(5)ax2-a=a( )( )(6)a2x2-12ax+36=( )2(7)a(b-5)+3(5-b)=(b-5)( )(8)6x2+7xy-5y2=(2x-)(3x+)(9)4x2-20x+A是完全平方式,则A=.(10)计算:5022×25-4982×25=.二、选择题(每小题3分,共24分)(1)下列多项式能分解因式的是( ).(A)-4a2-b2
简介:1.填空(每空3分)(1)单项式-xy5的系数是,次数是.(2)并且的项,是同类项.(3)3xn-(m-1)x+1为三次二项式,则-m+n2=.(4)5x+3x2-4y2=5x-( ).(5)2x2y3-3x3y+8x5y10是次项式.(6)若x+y=12,则3[2x-(x-y)]-(x+y)的值为.(7)三个连续奇数,中间一个为n,则这三个连续奇数的和为.2.选择题(每题4分)(1)在代数式x2,-a2bc,a+b,-2,-y,-14x2-3y,m2-n2,xy100中,单项式的个数为( )(A)4个 (B)5个 (C)6个 (D)7个(2)从2a+5b减去4a-4b的一半,当b=27时其
简介:对含有动、静态背景的稳定图像处理时,对比了主成分追踪鲁棒主成分分析法(RPCA)、贝叶斯鲁棒主成分分析法(BayesianRPCA)和高斯混合模型的鲁棒主成分分析法(MoG-RPCA),3种方法对静态背景下的前景提取都较为完整.而动态背景下只有BayesianRPCA和MoG-RPCA提取出了完整的前景目标,但是BayesianRPCA计算速度很慢,且不能够处理复杂噪声.所以MoG-RPCA模型更具有对复杂噪声的适应性,动、静态背景情况下均提取出精度较高的前景目标,且具有较快的计算速度.当图像不稳定时,采用改进的MoG-RPCA模型对非稳定拍摄的抖动视频进行前景目标提取,并在第197帧抖动图像中清晰地提取出显著前景目标,且运算速度较快.在为了快速找到目标出现的帧时,对高斯混合模型背景差分法进行改进,利用K-means聚类算法快速得到聚类中心点,然后作为高斯混合模型背景更新时的初始化均值参数,从而提高在复杂场景下前景目标的检测精度.对于多角度追踪任务,不同角度、近似同一地点的多个监控视频图像中前景目标的提取,可采用跨摄像头视角跟踪结果融合的方法,然后对目标进行匹配.