东芝医疗中国研发中心(北京)笔试+面试回忆

本文分享了东芝医疗技术笔试的经历,包括C++基础知识、类的继承与虚函数使用、链表操作、字符串处理等内容,并附带部分面试流程回顾。
首先吐槽一下东芝医疗的笔试安排,填写一份简历+做一份试卷只给了一个小时的时间,很容易安排不好。

笔试的内容基本是C++,是英文的,改错题允许用中文回答,其他的都是写代码,会有很多类方面的问题,凭借印象记住了几个

另外这个就是个回忆而已,让学弟学妹们有个准备的方向。。。没有任何冒犯东芝医疗的意思。

1,选择题,大概15-20个的样子,具体记不清了
2,改错题,考察的是类的继承和纯虚函数
代码类似这样(记不太清了,差不多吧,有至少5处错误)
class A
{
public:
    void A(){}
    A(int a){m=a;}
    set(int a){m=a;}
    int get(){return m;}
    virtual void f()=0;
private:
   int m;
}
class B:public A
{
   public:
   void reset(){m=0;}
   int m=0;


}
void main()
{
    A a(3);
    B b;
    b=a;
    b.reset();


}
3,一个关于虚函数的题,要求写出输出
代码类似这样
class A
{
     virtual void vf(){ cout<<"A\n";}
     void f(){cout<<"A\n";}
}
class B:public A
{
     virtual void vf(){ cout<<"B\n";}
     void f(){cout<<"B\n";}
}
void func1(A a) { a.f();}
void func2(A &a) {a.f();}
void main()
{
    A a;
    B *b=&a;
    a.f();
    a.vf();
    b->f();
    b->vf();
    (&a)->f();
    (&a)->vf();
    (&b)->f();
    (&b)->vf();
    func1(a);
    func2(a);   


}
4,链表题
一个双向链表,链表的元素是一个数值
(1)在某个数值之后,插入一个新的节点,补全代码(大概3行)
(2)删除含有某个数值的节点,补全代码(大概3行)
5,字符串操作(只给了函数原型,自己实现全部功能代码)
(1)实现strlen()
(2)实现strcpy()
6,斐波那契数列,补全代码(大概3-4行,用递归调用的方式)
7,有一个排序好的数组,用二分法查找某个数字的位置
函数输入:数组名字,要查找的数字,数组的下标下限,数组的下标上限
函数返回:位置

只给了函数原型,要求写出全部代码


更新面试回忆。。。

1,HR面,基本就是问家哪儿的,为什么要去北京工作,对东芝医疗的看法等
2,HR面(英语),很生活的问题。。。比如你的专业是什么,最喜欢哪门课程,平时玩什么(play)
3,技术面,会问的非常细致,非常深入。。。被秒杀。。。用我跟基友形容的一句话就是“dota开局10分钟0杀20死怎么形容——被虐出屎了”。期间问过我(1)TCPIP的TCP工作在哪层,IP是哪层,UDP是哪层(2)C++里类有多态性,具体是指的什么,C++是怎么实现运行时的多态性的(3)线程锁


再见其实基本上可以跟东芝说88了。。。


本课题设计了一种利用Matlab平台开发的植物叶片健康状态识别方案,重点融合了色彩与纹理双重特征以实现对叶片病害的自动化判别。该系统构建了直观的图形操作界面,便于用户提交叶片影像并快速获得分析结论。Matlab作为具备高效数值计算与数据处理能力的工具,在图像分析与模式分类领域应用广泛,本项目正是借助其功能解决农业病害监测的实际问题。 在色彩特征分析方面,叶片影像的颜色分布常与其生理状态密切相关。通常,健康的叶片呈现绿色,而出现黄化、褐变等异常色彩往往指示病害或虫害的发生。Matlab提供了一系列图像处理函数,例如可通过色彩空间转换与直方图统计来量化颜色属性。通过计算各颜色通道的统计参数(如均值、标准差及主成分等),能够提取具有判别力的色彩特征,从而为不同病害类别的区分提供依据。 纹理特征则用于描述叶片表面的微观结构与形态变化,如病斑、皱缩或裂纹等。Matlab中的灰度共生矩阵计算函数可用于提取对比度、均匀性、相关性等纹理指标。此外,局部二值模式与Gabor滤波等方法也能从多尺度刻画纹理细节,进一步增强病害识别的鲁棒性。 系统的人机交互界面基于Matlab的图形用户界面开发环境实现。用户可通过该界面上传待检图像,系统将自动执行图像预处理、特征抽取与分类判断。采用的分类模型包括支持向量机、决策树等机器学习方法,通过对已标注样本的训练,模型能够依据新图像的特征向量预测其所属的病害类别。 此类课题设计有助于深化对Matlab编程、图像处理技术与模式识别原理的理解。通过完整实现从特征提取到分类决策的流程,学生能够将理论知识与实际应用相结合,提升解决复杂工程问题的能力。总体而言,该叶片病害检测系统涵盖了图像分析、特征融合、分类算法及界面开发等多个技术环节,为学习与掌握基于Matlab的智能检测技术提供了综合性实践案例。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值