廈門大學904數(shù)據(jù)結(jié)構(gòu)與機器學習研究生考試范圍

圓考研夢

為了方便考研廈大的同學快速了解該專業(yè)的考試內(nèi)容以及范圍，所以圓圓學姐為大家整理了相關的考試信息，希望能給大家?guī)韼椭?br />


一、考試范圍



904數(shù)據(jù)結(jié)構(gòu)與機器學習：數(shù)據(jù)結(jié)構(gòu)（50分）+機器學習（100分）



數(shù)據(jù)結(jié)構(gòu)考試范圍：



【考查目標】



1.  理解數(shù)據(jù)結(jié)構(gòu)的基本概念；掌握數(shù)據(jù)的邏輯結(jié)構(gòu)、存儲結(jié)構(gòu)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(jié)構(gòu)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(jié)構(gòu)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(jié)構(gòu)；(三)棧和隊列的鏈式存儲結(jié)構(gòu)；(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(jié)構(gòu)。

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(jié)構(gòu)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(jié)構(gòu)。



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。




二、歷年真題



識別以下二維碼或搜索添*了解，添加前備注來意！