1
2
3
4
第一部分 考試說明
一.考試性質
《數據結構與模式識別》是為我校招收智能科學與技術學術學位碩士研究生、人工智能專業 學位碩士研究生設置的考試科目，包括數據結構、模式識別兩門專業課程。它的評價標準是高等 學校優秀畢業生能達到良好及以上水平， 以保證被錄取者具有較扎實的專業基礎。
二.考試形式與試卷結構
(一) 作答方式：閉卷，筆試。
(二) 試卷滿分及考試時間：本試卷滿分為 150 分，作答時間為 180 分鐘。 (三) 題型：選擇題、填空題、簡答題、設計分析題。
(四) 數據結構部分占 100 分、模式識別部分占 50 分。
三.參考教材
(一) 嚴蔚敏、吳偉民編著. 數據結構(C 語言版). 清華大學出版社
(二) 張學工、汪小我編著. 模式識別：模式識別與機器學習(第 4 版). 清華大學出版社 第二部分 考查要點
一.數據結構部分
1. 數據結構的一般概念
1) 基本概念和術語
2) 數據結構的邏輯結構、存儲結構
3) 數據結構依托的高級語言介紹
4) 抽象數據類型的表示與實現
5) 算法和算法分析
2. 線性表
1) 線性表的類型定義、邏輯結構和基本操作
2) 線性表的順序存儲結構及其運算
3) 線性表的鏈式存儲結構及其運算
4) 一元多項式的表示及相加
5) 線性表應用算法分析
3. 棧和隊列
1) 棧的邏輯結構及其運算;
2) 利用棧設計算法解決簡單的應用問題
3) 棧與遞歸的實現
4) 順序隊列和鏈隊列上實現的入隊、出隊等基本算法
5) 利用隊列設計算法解決簡單的應用問題
6) 棧和隊列應用算法分析
4. 串
1) 串類型定義
2) 串的表示與實現
3) 串的模式匹配算法
4) 串操作的應用方法和特點
5) 串應用算法分析
5. 數組和廣義表
1) 數組的定義
2) 數組的存儲結構
3) 矩陣的壓縮存儲
4) 廣義表的定義
5) 廣義表的存儲結構
6) 數組和廣義表應用算法分析
6. 樹和二叉樹
1) 樹的基本概念和術語
2) 二叉樹的定義
3) 遍歷二叉樹和線索二叉樹
4) 樹和森林
5) 樹與等價問題
6) 赫夫曼樹及其應用
7) 樹和二叉樹應用算法分析
7. 圖
1) 圖的定義和術語
2) 圖的存儲結構
3) 圖的遍歷
4) 最小生成樹
5) 拓撲排序
6) 關鍵路徑
7) 最短路徑算法
8) 圖應用算法分析
8. 查找
1) 基本概念
2) 順序查找
3) 折半查找
4) 分塊查找
5) 哈希查找
6) 動態查找表
7) 查找應用算法分析
9. 內部排序
1) 內部排序的基本概念
2) 插入排序
3) 交換排序
4) 選擇排序
5) 歸并排序
6) 基數排序
7) 各種內部排序方法的比較與討論
8) 排序應用算法分析
二.模式識別部分
1. 概論
1) 模式識別問題
2) 模式識別的主要方法
3) 模式識別系統
4) 模式識別系統舉例
2. 非監督模式識別
1) 相似性測度與閾值聚類算法
2) 動態聚類算法
3) 基于密度的聚類算法
4) 基于圖論的聚類算法
3. 線性分類器
1) 感知器算法
2) 線性回歸算法
3) Fisher 線性判別分析
4) 邏輯斯諦回歸算法
5) 學習理論概要與分類器性能度量
6) 多類分類問題
4. 非線性分類問題
1) 非線性變換與分類
2) 非線性變換代價
3) 過擬合風險
4) 正則化方法
5. 支撐向量機
1) 線性支撐向量機
2) 對偶方法的支撐向量機
3) 核函數支撐向量機
4) 軟間隔支撐向量機
6. 集成學習
1) Bagging 算法
2) AdaBoost 算法
3) 決策樹
4) 隨機森林
7. 神經網絡與深度學習
1) 神經元模型與多層網絡
2) 誤差反向傳播算法
3) 深度學習基礎
4) 深度學習網絡結構
5) 深度神經網絡優化手段
8. 貝葉斯決策論
1) 最小錯誤率貝葉斯決策
2) 最小風險貝葉斯決策
3) 貝葉斯決策論與分類器設計
4) 正態分布的判別函數
5) 離散特征的貝葉斯決策
9. 參數估計技術
1) 最大似然估計
2) 貝葉斯估計與貝葉斯學習
3) 期望最大化(EM)算法
4) 隱馬爾可夫模型
10. 非參數估計技術
1) 非參數估計的基本原理
2) 最近鄰規則
3) Kn-近鄰估計
4) Parzen 窗估計
11. 特征選擇
1) 特征的評價準則
2) 特征選擇的最優搜索方法
3) 特征選擇的非最優搜索方法
4) 特征選擇的遺傳算法
12. 特征提取
1) 基于類別可分離性判據的特征提取
2) 主成分分析
3) K-L 變換方法
原標題：華中科技大學人工智能與自動化學院碩士研究生招生考試自命題科目調整預公告
文章來源：http://aia.hust.edu.cn/info/1177/9317.htm
