正确答案是：D: 以上均正确。

**专业分析：**

归一化处理是一种常用的数据预处理步骤，尤其是在涉及机器学习算法时，因为不同的特征通常具有不同的量纲和数值范围。对特征进行归一化处理可以带来以下好处：

1. **消除量纲影响**：
- 选项A描述了归一化的一个重要目的，即消除不同数据特征之间的量纲影响，使得它们在同一个尺度上进行比较。这有助于提高模型的稳定性和预测准确度。

2. **数值区间统一**：
- 选项B指出归一化可以将所有特征统一到一个大致相同的数值区间内。这在使用梯度下降法优化模型参数时尤其重要，因为归一化可以加快收敛速度。

3. **常用方法**：
- 选项C提到了两种常用的归一化方法，它们的具体作用如下：
- **线性函数归一化（Min-Max Scaling）**：将数据缩放到一个固定的范围内（通常是[0, 1]）。公式为：
\[
x' = \frac{x - \text{min}(x)}{\text{max}(x) - \text{min}(x)}
\]
- **零均值归一化（Z-Score Normalization）**：将数据转化为均值为0，标准差为1的分布。公式为：
\[
x' = \frac{x - \mu}{\sigma}
\]
其中，\(\mu\)和\(\sigma\)分别表示均值和标准差。

因此，选项A、B、C中的说法均正确，答案为D。