2021廈門大學904數(shù)據(jù)結構與機器學習研究生參考書目 正文

計算機科學系：
904數(shù)據(jù)結構與機器學習：數(shù)據(jù)結構（50分）+機器學習（100分）
數(shù)據(jù)結構考試范圍
【考查目標】
1.  理解數(shù)據(jù)結構的基本概念；掌握數(shù)據(jù)的邏輯結構、存儲結構及其差異，以及各種基本操作的實現(xiàn)。
2.  掌握基本的數(shù)據(jù)處理原理和方法的基礎上，能夠?qū)ο嚓P的算法進行設計以及進行基本的時間復雜度與空間復雜度分析。
3.  能夠選擇合適的數(shù)據(jù)結構和方法進行問題求解；具備采用C或C++或JAVA語言設計與實現(xiàn)算法的能力。
一、緒論：(一)數(shù)據(jù)結構以及相關概念的定義；(二)抽象數(shù)據(jù)類型；(三)算法的時間復雜度和空間復雜度。
二、線性表：(一)線性表的定義和基本操作；(二)線性表的實現(xiàn)。
三、棧、隊列：(一)棧和隊列的基本概念；(二)棧和隊列的順序存儲結構；(三)棧和隊列的鏈式存儲結構；(四)棧和隊列的應用。
四、串：(一)串的各種存儲表示和操作；(二)KMP算法。
五、數(shù)組和廣義表：(一)數(shù)組的基本概念、表示和實現(xiàn)；(二)矩陣的壓縮存儲；(三)廣義表的定義和存儲結構。
六、樹與二叉樹+A15：(一)樹的基本概念；(二)二叉樹；(三)樹、森林；(四)哈夫曼(Huffman)樹和哈夫曼編碼；(五)樹和二叉樹的應用。
七、圖：(一)圖的概念、存儲結構及基本操作；(二)圖的遍歷；(三)最小生成樹；(四)有向無環(huán)圖及其應用；(五)最短路徑。
八、查找：(一)查找的基本概念；(二)順序查找法；(三)折半查找法；(五)哈希(Hash)表；(六)查找算法的分析及應用。
九、內(nèi)部排序：(一)排序的基本概念；(二)插入排序；(三)氣泡排序(bubble sort)；(四)簡單選擇排序；(五)快速排序；(六)堆排序；(七)二路歸并排序(merge sort)；(八)基數(shù)排序；(九)各種內(nèi)部排序算法的比較；(十)內(nèi)部排序算法的應用
機器學習考試范圍
【考查目標】
1.  理解機器學習的基本概念和性能評估指標；掌握機器學習中典型算法的基本思想、適用條件和計算過程等；
2.  在熟練掌握算法思想的基礎上，能夠針對具體的問題對相關的算法進行改進，設計相應的訓練策略，并選用合適的編程語言進行實現(xiàn)。
3.  針對具體的應用問題，綜合利用所學的知識對問題進行建模，選擇合適的模型解決問題。
一、緒論：(一)機器學習的定義；(二)機器學習的分類和發(fā)展歷史；(三)機器學習的應用領域。
二、模型評估與選擇：(一)機器學習的性能評估方法；(二)經(jīng)驗誤差與過擬合；(三)偏差與方差。
三、線性模型：(一)線性回歸；(二)對數(shù)幾率回歸；(三)線性判別分析。
四、決策樹：(一)決策樹的基本流程；(二)決策樹中節(jié)點的劃分；(三)多變量決策樹。
五、神經(jīng)網(wǎng)絡與深度學習：(一)感知機和多層網(wǎng)絡；(二)誤差逆?zhèn)鞑ニ惴ǎ?三)神經(jīng)網(wǎng)絡的優(yōu)化技巧；(四)深度學習的基本概念；(五)常見的深度網(wǎng)絡結構。
六、支持向量機：(一)間隔與支持向量；(二)軟間隔與正則化；(三)核方法。
七、貝葉斯分類器：(一)貝葉斯決策論；(二)極大似然估計；(三)樸素貝葉斯分類器；(四)EM算法。
八、集成學習：(一)集成學習的基本概念；(二)Boosting；(三)隨機森林。
九、聚類：(一)聚類的基本概念；(二)原型聚類；(三)密度聚類；(四)層次聚類。
十、降維與度量學習：(一)低維嵌入；(二)主成分分析和核化線性降維；(三)流形學習；(四)度量學習。
408計算機學科專業(yè)基礎綜合：全國統(tǒng)一命題科目

廈門大學

本文來源：http://www.qiang-kai.com/xiamendaxue/cankaoshumu_403081.html