吉林省长春市2016-2017届高二语文下学期第一次月考试卷（含解析）.docVIP

长春外国语学校高二年级下学期第一次月考语文学科试卷 注意事项： 本试卷分第Ⅰ卷（阅读题）和第Ⅱ卷（表达题）两部分。考生务必将自己的姓名、准考证号填写在答题卡上。 考生作答时，将答案写在答题卡上，写在本试卷上无效。 考试结束后，将答题卡交回。 第Ⅰ卷 阅读题 一、现代文阅读 （一）论说类文本阅读 阅读下面的文字，完成下列小题。 在大自然中，悦耳动听的鸟鸣声给人们带来无限的愉悦。每一类鸟的鸣声都不尽相同。乌鸦呱呱叫，山雀的鸣声如嘹亮的哨响，隐夜鸫的叫声则似长笛声般悠扬。那么在复杂的背景噪声下，如何识别鸟鸣声？是否存在可以识别每一类鸟鸣的应用程序？ 　　针对上述问题，英国牛津大学的蒂莫·帕帕多普洛斯和他的同事，提出了一种能够识别各类鸟叫声的鸟鸣识别算法。 　　一般情况下，自然资源保护论者需要通过定期的徒步旅行或者直升机旅行的方式，对生存在特定区域内的鸟类数目进行统计和总结。然而，如果通过音频录制鸟鸣，再将音频转化为物种计数，采用此方法代替旅行统计方式，将使得鸟类追踪的研究变得轻而易举，为研究鸟类种群数目是否下降或者鸟类的迁徙模式是否改变等，带来很大便利。 　　英国伦敦大学玛丽女王学院的丹·斯托博士称：“鸟鸣极其复杂，这些最简单的声音通常难以分辨，因为它们听起来如此相似。”毕竟我们无法听清远处的，特别是在嘈杂环境中的鸟叫声。 　　牛津大学的研究团队在亚洲和欧洲共收录了15种不同鸟类的鸣叫声，包括新疆歌鸲、大山雀、画眉等。他们收录的鸟鸣声中混杂了不同的音频环境，如市区公园中较为平缓的背景噪声或者露天市场中密集人群的喧嚣声。 　　如此多样化的混合声音，用于机器学习算法的训练过程，通过训练后的机器来选择包含鸟鸣声的音频段。尽管鸟鸣声与部分噪声频率相近，影响算法的准确性，但这些学习算法仍能成功地从噪声中区分出鸟鸣声。 　　目前国内福州大学的研究团队，对于低信噪比鸟鸣识别的算法是将声音信号转化为图像，对图像进行处理得到一串被称作特征值的数字，并用这串数字代替声音进行识别。 　　国外其他研究团队也在致力于研究自己的鸟鸣识别算法，尤其是那些能够识别不同鸟类物种的算法。斯托和他的同事正在测试名为Warblr的应用程序，在最佳状态下，Warblr进行鸟类识别的准确度可以高达95%，该数据已经得到巴西一家鸟类鉴定组织的认证。美国威斯康星大学的研究团队研发了一个相似的应用程序，命名为WeBIRD，是针对本地鸟类而设计的。美国康奈尔大学鸟类学实验室研发的Merlin应用程序，通过对鸟类的大小、颜色、位置等简单情况的了解，以利于人们对鸟类进行区分。 　　斯托博士认为，对鸟鸣识别应用技术进行探索的最终目标不仅仅用于识别鸟类，更是想要破译鸟类之间真正的“人际关系”，如果音频能够转换为物种计数，那么我们可以更方便地监测鸟类种群的变化。德国动物声音档案自然历史博物馆的马里奥说，类似牛津大学团队提出的鸟鸣识别算法，对研究自然环境是很有价值的。 （摘编自李应编译《鸟鸣识别》） 1. 下列关于原文内容的表述，不正确的一项是 A. 在大自然中，鸟儿的种类繁多，他们的鸣声各有特色，其中很多婉转动听的鸣叫声给我们带来了无穷的精神享受。 B. 大自然中的鸟鸣看似是最简单的声音却极其复杂，它们听起来如此相似，人们一般难以分辨，因此使鸟鸣识别极富有挑战性。 C. 鸟鸣声与不同音频环境的噪声频率相近，因此造成算法的不确定，但这些学习算法还是可以成功地从噪声中区分出鸟鸣声。 D. 自然资源保护论者要对生存在特定区域内的鸟类数目进行统计和总结,一般是通过定期的徒步或者直升机旅行的方式。 2. 下列理解和分析，不符合原文意思的一项是 A. 到目前为止，关于鸟鸣识别算法，国外的研究团队也在努力研究，研究方向是能够识别不同鸟类物种的算法。 B. 斯托和他的同事正在测试名为Warblr的应用程序，在非常理想的状态下，Warblr进行鸟类识别的准确度可以高达95%。 C. 美国威斯康星大学的研究团队针对本地鸟类而设计研发了一个命名为WeBIRD的应用程序，效果与Warblr应用程序相似。 D. 美国康奈尔大学研发的Merlin应用程序需要采集鸟类的大小、颜色等简单情况，以此帮助人们对鸟类进行区分。... 3. 根据原文内容，下列说法不正确的一项是 A. 如果采用通过音频录制鸟鸣，再将音频转化为物种计数的方法，明显比旅行统计方式更加适合鸟类追踪等方面的研究，前提是要有配套的鸟鸣识别算法。 B. 不仅是中国，国外也有许多鸟鸣识别研究团队在利用科技手段致力于研究鸟鸣识别算法，而且或多或少取得了阶段性成果。 C. 牛津大学的研究团队在一些地域共收录了15种混杂了不同音频环境的鸟类鸣叫声，并将这个混合音频资料用于机器学习算法的训练，取得了很好的效果。 D. 牛津大学帕帕多普洛斯等人提出的鸟鸣识别算法，