廈門大學904數據結構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的考試內容以及范圍，所以圓圓學姐為大家整理了相關的考試信息，希望能給大家帶來幫助！



一、考試范圍



904數據結構與機器學習：數據結構（50分）+機器學習（100分）



數據結構考試范圍：



【考查目標】



1.  理解數據結構的基本概念；掌握數據的邏輯結構、存儲結構及其差異，以及各種基本操作的實現。

2.  掌握基本的數據處理原理和方法的基礎上，能夠對相關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.  能夠選擇合適的數據結構和方法進行問題求解；具備采用C或C++或JAVA語言設計與實現算法的能力。



一、緒論：(一)數據結構以及相關概念的定義；(二)抽象數據類型；(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。



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、數組和廣義表：(一)數組的基本概念、表示和實現；(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)基數排序；(九)各種內部排序算法的比較；(十)內部排序算法的應用



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。

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)決策樹中節點的劃分；(三)多變量決策樹。



五、神經網絡與深度學習：(一)感知機和多層網絡；(二)誤差逆傳播算法；(三)神經網絡的優化技巧；(四)深度學習的基本概念；(五)常見的深度網絡結構。



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。




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！