面试前调查
要求
C/C++,OpenCV等视觉开发库
数学建模、数据挖掘、机器学习
良好的英文阅读能力
QT
c++ opencv
数字图像处理(c++ opencv)入门学习 - 知乎 (zhihu.com)
读取保存访问
灰度变换、直方图均值化、空间滤波(均值、高斯、中值) 锐化(sabol、拉普拉斯)
彩色图片
形态学(腐蚀、膨胀、开闭、提取联通域)
图形分割 点检测、线检测、边缘检测、各种算子、全局阈值分割
自然生长和分水岭算法
例子:灰级窗、骨窗、提取花朵模型、血管造影、红细胞计数
实例分割
数学建模
3类算法
预处理
数据清理
缺失值怎么处理(删除、中值、均值、最近邻插补、回归预测)
异常值
重复数据(去重)
数据变化
评价类算法
主观评价
层次分析法
模糊综合评价
灰色关联分析
客观评价
主成分分析
因子分析
Topsis分析
神经网络分析
预测类算法
优化类算法
我们的赛题
基于SVM的古代玻璃制品的成分探究
问题
分析玻璃制品表面的风化程度和饰纹、颜色之间的关系
用PASS的Lambda相关测量法,分析分化程度与纹饰、颜色、类型
对高钾类玻璃和铅钡类玻璃先统计其分类规律
svm把数据划分训练集和测试集,把测试结果与测试集对照发现准确率很高,说明该模型具有可靠性
预测其属于哪一类的玻璃制品
把未知类型的数据放进去,预测出结果
灰色关联度分析对不同类型的玻璃制品,分析其化学成分之间的关联性
通过灰色关联度[4]分析出每个元素之间的关联度,再用皮尔逊[2]相关系数法来验证灰色关联度的相关度是正相关还是负相关,然后根据得到的结论,再对比高钾类和铅钡类元素之间关联度的差别。
得到高钾类的K2O和其他元素负相关,PbO类与另一类有负相关
Lambda相关测量法
SVM模型 灰色关联度分析 聚类分析
Lambda相关测量法
K
正式面试
他:xxxx
我:我和你们公司很合适,qt、数学建模、opencv都在
他:简历上说,opencv
我:有门课医学影像处理,比如血管造影、灰度、均衡化、形态学开闭、边缘检测、自然生长和分水岭算法、比如一朵花(省略4,500字)
他:c++容器、数据结构
我:堆、图、数、贪心、动态规划(省略100字)
他:qt的容器?
我:c++的vector线程不安全,qt的安全,性能优化,而且还有原系统。(省略100字)
他:qt这方面?
我:元对象系统(RTTI)、信号槽、事件系统
c++羸弱的RTTI、qt的跨平台、元对象(省略400字)
他:MFC、qt、你用哪些?
我:qt用的比较少,MFC没接触过
他:跨平台 和 动态库
我:windows的dll、linux的.os,cmake可以打包(省略200字)
他:不不不,源码级的多平台,和库级别的多平台?
我:不懂
他:有没有自信
我:难,不懂,但我能学
他:linux 怎么安装
我:大一开始用,有命令行、有图形界面(省略200字)
他:包管理
我:centos yum、ubuntu apt(省略300字)
他:怎么一个包在不同平台安装
我:源码编译
他:你会吗?
我:会,我的网卡就是源码编译的
他:我主用3系统、windows、redhat、centos、ubuntu??怎么做到多平台通用
我:???? 源码编译??(省略200字)
他:如果把你的丢进一个内网环境,你能搭起来吗?
我:难(省略200字)
他:docker?
我:简单!我的云服务器就用的doker(省略100字)
他:提一个问题你自己慢慢思考?让xx女士来面你吧?
我:(嗯,我不记得面试他问的是啥了。。。。。天哪??)
女士:你在哪?
我:云浮
女:每年毕业?
我:是的
女:可能交不了社保,学校的那些。。。
我:我是问实习还是正式,实习,钱少可以
女:我打个电话,你可以先到外面等一吗?
2min后
男:主管说,下周三出结果
我:结束了???
男:是
总结:
面试前搞清楚是校招还是实习!!!
要牢牢记住面试中聊了什么,你怎么刚刚面完就忘了面试官留下的问题!!!!!!!