道路与铁道工程硕士点培养方案

1计算机应用技术学科硕士学位培养方案（081203）一、培养目标及要求培养为国家建设服务，德、智、体全面发展的计算机理论及应用领域高层次专门人才。1、爱国，遵纪守法，品行端正。具有强烈的事业心和为科学事业献身的精神。2、掌握计算机应用学科领域坚实的理论基础和系统的专门知识，具有从事科学研究、独立承担技术性工作的能力，具有较宽的知识面和较强的适应性。3、较熟练掌握一门外国语。4、具有健康的体魄和良好的心理素质。二、研究方向1、数据挖掘方向本方向主要研究海量数据中知识发现和在此基础上的算法研究，以及在图像模式识别、生物信息数据分析、经济数据统计和预测等领域的应用。2、生物信息学方向本方向以计算机为工具对生物信息进行储存、检索和分析，特别注重在林木生物信息方面的研究。3、计算机检测本方向主要研究检测过程中的信号的传输、转换、数字处理等技术（如信号的滤波、提取和增强，信号的压缩、估计、识别等），以及测试信号处理软件的研制与开发等。4、计算机网络及通信本方向研究计算机网络操作系统、体系结构、协议、性能检测、安全性等方面的技术以及编码密码算法的设计与分析、身份认证和数字签名、密钥管理等多种安全范围。设计实用有效的数据加密算法、数据编码算法、数字签名算法与密钥管理算法。本研究方向培养具有坚实的数学与通信理论基础与实际技术，了解数字通信发展的前沿和动态，能较好地运用数学知识与方法，成功构造具有良好性能的纠错码和密码，以适应我国数字通信高速发展的需要。5、科学工程计算与计算机仿真本方向培养既具有扎实的数学基础，又具备软件设计和开发能力的高级应用型人才。以数学理论、相似原理、信息技术、系统技术及其应用领域有关的专业技术为基础，以计算机和各种效应设备为工具，利用系统描写对实际的或设想的系统进行实验研究的一门综合性技术。现被日益广泛地应用到科学研究、工程设计、社会和经济形势的分析和预测等领域中。三、学习年限和时间安排全日制硕士研究生的学习年限一般为3年。按课程学习与论文工作并重原则，课程学习累计1—1.5学年，论文工作量不少于1学年。根据实际情况，符合学校有关规定，经本人申请、导师同意、学校批准，可适当提前或延长一年，在职硕士可延长二年。2四、课程设置，学分要求和课程说明硕士生总学分不少于32学分(其中2学分实践性环节)。课程分为学位课和非学位课程，其中学位课程不少于18学分，非学位课程12学分(对于同等学力和跨学科考取的硕士生需补本科生课程，可减半登记学分，不占应学32学分的总学分)1、学位课公共学位课(7学分）（1）自然辩证法2学分（2）第一外国语5学分基础理论课(5学分）（1）矩阵论（须先修线性代数）3学分（2）算法分析和设计3学分（3）计算机体系结构2学分专业基础和专业课(6学分）（1）数据挖掘3学分（2）生物信息学3学分（3）数字信号处理3学分（4）计算机网络体系结构3学分2、选修课（约12学分）（1）人工神经网络2学分（2）支持向量机导论2学分（3）最优化方法2学分（5）机器学习导论2学分（6）人工智能原理2学分（7）嵌入式系统2学分（8）分子生物学基础2学分（9）现代数据库技术2学分（10）基因组学与蛋白质组学基础2学分（11）嵌入式操作系统2学分（12）偏微分方程数值解法3学分（13）MATLAB2学分（14）模式识别2学分（15）数值分析3学分（16）机器视觉系统2学分(17)模糊数学2学分(18)英语听力2学分(19)第二外语2学分(20)数字图像处理2学分(21)地理信息系统应用2学分(22)计算机图形学2学分3(23)文献检索与利用1学分(24)初等数论与多项式2学分(25)有限域2学分(26)纠错码的代数理论2学分(27)统计假设检验2学分(28)线性模型2学分(29)Internet技术与应用2学分(30)科学计算可视化算法与系统2学分(31)统计推断2学分(32)分布式数据库系统及其应用2学分(33)网络管理和网络安全2学分(34）纠错码的代数理论3学分(35）系统仿真学3学分3、课程说明（1）矩阵论矩阵论是非数学类研究生数学公共基础课程之一，是一种基本的数学工具，在数学学科与其他科学技术领域诸如数值分析、优化理论、微分方程、概率统计、多元统计分析、系统工程等学科都有广泛应用。计算机及计算技术的发展也为矩阵论的应用开辟了更广阔的前景。因此，学习和掌握矩阵的基本理论和方法，对于将来从事工程技术工作的工科研究生来说是必不可少的。通过该门课程的学习，期望学生能较好地理解和掌握矩阵理论的基本知识和思想方法，提高学生的数学素质。提高科研能力，并能运用学到的知识和方法解决实际问题。矩阵论的内容包括：线性空间与线性变换；内积空间与等距变换；矩阵的相似标准形；Hermite二次型；范数及矩阵函数；矩阵的广义逆等。本课程总计60学时，其中讲课60学时，无实验和上机的教学安排，但要求学生结合本专业的特点和所研究的课题，选择部分算法自己上机实现。要求学生熟悉至少一门数学软件平台（Mathematica/Matlab/Maple）和至少一种编程语言。该课程由我校信息科学技术学院刘应安教授主讲。(2)数据挖掘研究从海量数据中发现知识的算法和应用技术，主要有数据准备、规律寻找和规律表示三个步骤。数据准备是从各种数据源中选取和集成用于数据挖掘的数据；规律寻找是用某种方法将数据中的规律找出来；规律表示是用尽可能符合用户习惯的方式（如可视化）将找出的规律表示出来。数据挖掘在自身发展的过程中，吸收了数理统计、数据库和人工智能中的大量技术。重点介绍以下算法：关联，聚类，分类，特征提取。本课程为60学时，本课程由信息学院业宁讲授。(3)数字信号处理数字信号处理课程最初作为电子信息类各专业的重要基础课，现已成为自动化、生物医学、化工、精密仪器、测试计量技术、机械等专业的必备基础课。随着计算机和信息技术的飞速发展，数字信号处理技术在电子、通信、测试、自动化等领域得到极为广泛的应用。4其内容包括：离散时间信号、系统和Z变换；DFT及其快速算法；数字滤波器设计；离散随机信号的处理；有效字长效应；离散随机信号；维纳过滤与卡尔曼过滤；自适应过滤系统；功率谱估计；同态滤波；二维信号处理等。本课程总计60学时，其中讲课60学时，实验及设计放在DSP技术课程中进行。本课程由我校信息学院电子信息工程系刘云飞副教授主讲。(4)数字图像处理数字图像处理技术始于于20世纪50年代，主要研究图像预处理、图像增强、图像变换、图像恢复、图像分割与分析等。对图像处理来说,输入是图像,处理后输出的也是图像图像。数字图像处理科学已成为工程学、计算机科学、信息科学、统计学、物理、化学、生物学、医学、视觉心理、人工智能、智能信息处理等领域中各学科学习和研究的对象。随着信息高速公路、数字地球概念的提出以及Internet的广泛应用，图像处理技术的需求与日俱增。因此，数字图像处理技术逐步向其他学科领域渗透并为其他学科所利用是必然的。本课程主要讲解的内容有图像和视觉基础（计算机数字图像的采集、格式、显示和存储）、图像增强（空间域变换增强和空间域滤波增强）、图像分割（边缘检测、基于直方图的图像分割和基于区域的图像分割）、数学形态学和图像分析等主要章节内容。本课程总计40学时，其中讲课40学时。本课程由信息学院教师李勇智副教授讲授。(5)模式识别模式识别就是利用计算机对某些物理现象进行分类，在错误概率最小的条件下，使识别的结果尽量与事物相符。模式识别的原理和方法在人工智能、智能信息处理、医学、军事等众多领域应用十分广泛，是计算机及其相关专业进行科学研究的基础。模式识别以图象处理技术为基础，研究计算机识别物体的机理，主要介绍模式识别的基本概念、基本原理、典型方法、实用技术以及有关研究的新成果，其目的是使学生掌握模式识别的基本概念和基本原理，了解模式识别的具体应用、存在的问题和发展前景。主要教学内容包括:模式识别的概念、贝叶斯决策理论、聚类分析、模糊模式识别、人工神经网络模式识别、子空间法模式识别、特征的选择与提取。本课程的特点是利用到的数学知识和前沿科学知识比较多，因此要求学生必须掌握好相关理论基础。模式识别的前导课程是高等数学、离散数学和一门计算机程序设计语言。本课程总计40学时，其中讲课40学时。本课程由信息学院教师周宇讲授。（6）计算机图形学计算机图形学是研究用计算机及其图形设备来输入、表示、变换和运算、输出图形的原理、算法及系统。图形通常是由点、线、面、体等几何元素和灰度、色彩、线型、线宽等非几何属性组成。对于用形状参数和属性参数表示的图形，如描述图形的方程系数，线段的起点和终点坐标，图形的灰度、色彩、线型和线宽等均可采用某种转换算法，把图形的参数表示转换成点阵表示。本课程主要讲解二维、三维图形的近似生成算法和变换方法，计算机图形生成与处理的基本原理和基本方法。内容主要包括：掌握光栅图形学、图形变换、曲线绘制、图形算法基础、视觉变换与载剪、消隐处理的基本原理和方法。本课程总计40学时，其中讲课40学时。本课程由信息学院教师周宇讲授。（7）人工神经网络人工神经网络及其应用是目前国际上一门发展迅速的前沿交叉学科。它是模拟生物神经5结构及其功能的新型信息处理系统，目前已有广泛的应用。至今，国内外人工神经网络的研究仍然方兴未艾，其研究成果已被用于许多学科领域。本课程主要讲解人工神经网络的基本概念、原理和方法，尤其是人工神经网络的设计概念与方法，掌握设计神经网络模型去解决实际问题，了解人工神经网络的发展动向和应用前景。主要内容包括：人工神经网络的基础知识，包括人工神经网络的概述，人工神经元的模型，人工神经网络的模型，人工神经网络的学习规则；前馈型人工神经网络；自组织神经网络；反馈型人工神经网络；局部逼近神经网络。本课程总计40学时，其中讲课40学时。本课程由信息学院教师周宇讲授。（8）科学计算可视化算法与系统科学计算可视化是当前计算机学科的一个重要研究方向，它主要研究如何把科学数据，例如通过计算或测量得到的数据，从卫星传送回来的图像，或是医学CT和MRI转换成可视的、能帮助人们理解的信息的计算方法。科学计算可视化技术在分子建模，医学图像，地球科学，空间探索，计算流体力学，有限元分析等方面有着广泛的应用。通过本课的学习，要求学生了解国内外科学计算可视化的研究背景，掌握可视化的基本概念和核心算法。主要的学习内容包括：二维标量场等值线抽取算法；断层间表面重构算法；等值面生成和绘制算法；体绘制算法。本课程总计40学时，其中讲课40学时。本课程由信息学院教师业宁讲授。(9)偏微分方程数值解法本课程是一门重要的应用数学课，主要讲授四个方面的内容：1、常微分方程数值解法，这是基础内容，重点是Runge-Kutta方法；2、守恒律的数值解法，这是重点内容，主要讲解差分法，TVD法、ENO法，间断Galerkin方法等；3、二阶线性偏微分方程（椭圆、抛物、双曲）的差分法与有限元法；4、并行算法的基本概念。本课程总计60学时，本课程由信息学院教师黄佩奇讲授。（10）现代数据库技术自20世纪80年代以来，数据库技术在商业领域的巨大成功刺激了其他领域对数据库技术需求的迅速增长。这些新的领域为数据库的应用开辟了新的天地，促进了分布式数据库、并行数据库、面向对象数据库、数据仓库、空间数据库、多媒体数据库等新技术的产生。通过本课程的学习，要求学生掌握或了解数据库系统的一些高级技术、新技术和新应用。主要教学内容包括：数据库管理系统实现技术；新数据模型（面向对象数据库、对象关系数据库、XML等）；数据库系统体系结构（分布式数据库、并行数据库）；新应用（数据仓库、OLAP与数据挖掘、时态数据库、空间数据库、多媒体数据库、移动数据库、高级事务处理）本课程总计40学时，其中讲课40学时。本课程由信息学院教师沈丽容讲授。（11）分布式数据库系统及其应用20世纪80年代出现了许多分布式数据库的原型系统，攻克了分布式数据库中许多理论和技术难点，20世纪90年代开始，主要的数据库厂商对集中式数据库管理系统进行改造，逐步向分布式数据库管理系统发展