工学硕士研究生课程教学大纲Word下载.docx

工学硕士研究生课程教学大纲Word下载.docx

《工学硕士研究生课程教学大纲Word下载.docx》由会员分享，可在线阅读，更多相关《工学硕士研究生课程教学大纲Word下载.docx（53页珍藏版）》请在冰豆网上搜索。

1．教学主要内容：

介绍组合数学的基本工具；

围绕组合数学的基本问题，重点介绍组合计数

问题、简介组合数学求解中的存在问题和组合优化问题。

2．要求：

学生学习本课程应具备的先修知识是高等数学（I）、（II）、离散数学。

内容摘要：

在第一章中主要介绍组合数学的基本工具，包括加法规则、乘法规则、一一对应规则；

线排列和圆排列、不可重组合与可重组合、二项式及多项式定理、排列和组合的生成算法；

在第二章至第四章中重点介绍组合计数问题，包括递推关系及其求解；

用母函数求解递推关系，母函数在排列组合中的应用；

物件性质的组合，特定、全非、恰K性质型容斥原理；

鸽巢原理，Ramsey原理；

Burnside引理，polya定理，母函数型的Polya定理；

在第五章中简介存在问题，包括拉丁方设计，均衡不完全的区组设计，Hadamard矩阵；

第六章简介组合优化问题，包括搜索与优化，动态规划法，分支定界法，背包问题、调度问题、最大流量问题的求解，匹配问题。

考核方式：

闭卷笔试考试

主要教材：

《组合数学》卢开澄清华大学出版社

参考书目：

《程序设计中的组合数学》吴文虎主编清华大学出版社

《组合原理及其应用》孙世先张先迪编著国防工业出版社

2、课程编号：

课程中文名称：

随机过程32学时/2学分

StochasticProcesses

计算机应用技术

马春光刘咏梅

通过对《随机过程》课程的学习，使学生初步掌握随机过程的基本理论和方法，掌握几类重要随机过程模型并熟悉它们的应用背景。

1．概率论补充知识讲授8学时

概率空间

随机变量

特征函数

多元正态分布

随机变量函数的分布

条件数学期望

2．随机过程的基本概念讲授8学时

随机过程的定义

随机过程的分布及其数字特征

复随机过程

几种重要的随机过程类型

维纳过程

3．泊松过程讲授6学时

泊松过程的定义

泊松过程的数学模型

泊松过程的到达时间与点间隔分布

复合泊松过程

4．马尔可夫过程讲授10学时

马尔可夫过程的定义

马氏链的状态分类

转移概率的极限分布与平稳分布

应用举例

本课程的先修课程为高等数学、概率论与数理统计为。

学习内容包括概率论补充知识，随机过程的基本概念，泊松过程，马尔可夫过程等四部分。

随机过程是对随时间和空间变化的随机现象进行建模和分析的学科，在物理、生物、工程、心理学、计算机科学、经济和管理等方面都得到广泛的应用。

通过本课程的学习，使学生掌握随机过程的一般概念，随机过程的分布及其数字特征，知道常见的几类随机过程的定义、背景和性质；

掌握泊松过程的定义与基本性质，了解它的实际背景，熟悉它的若干推广；

掌握维纳过程的定义与基本性质，了解它的实际背景，熟悉它的若干推广；

掌握离散时间的马尔可夫链的基本概念，熟练掌握转移概率、状态分类与性质，熟悉极限分布、平稳分布与状态空间的分解。

闭卷，笔试

主要参考书目：

《随机过程》毛用才，胡奇英西安电子科技大学出版社

《随机过程》汪荣鑫西安交通大学出版社

《随机过程及其应用》陆大絟清华大学出版社

《随机过程内容、方法与技巧》孙清华，孙昊华中科技大学出版社

3、课程编号：

现代计算机体系结构32学时/2学分

ArchtectureofModernComputer

计算机应用技术　计算机系统结构

李静梅

通过本课程的学习，要求学生能够掌握计算机系统结构的分析和设计方法，同时掌握最新的计算机流水技术、分支预测技术和并行处理技术。

多媒体与黑板结合授课，理论授课学时20，专题讲座8学时，实验4学时

本课程主要立足于系统设计者的角度，分析和评价影响系统性能、价格等的因素；

研究计算机系统结构的分析和设计方法；

掌握并行处理技术在现代计算机系统中的应用和实现方法。

要求学生具有数字逻辑、计算机组成原理、程序设计、操作系统和数据结构的知识基础，具有独立检阅相关文献、。

讲述计算机系统结构的基本概念、基本原理、基本结构、基本分析方法及近年来的重要进展。

主要包括计算机系统层次结构，计算机系统结构、组成、实现的定义和相互关系，软硬取舍原则及设计方法，软件移植手段，应用与器件对系统结构的影响，并行性发展与计算机系统分类，数据表示，寻址方式，指令系统的设计与改进，RISC技术，总线，中断系统，通道处理机和外围处理机，存贮系统，虚拟存贮器，Cache存贮器，主存保护，重叠，流水，向量处理机，超标量、超长指令字、超流水线处理机，并行处理机和相联处理机，多处理机的硬件结构、程序并行性、性能分析，脉动阵列机，数据流机，归约机，智能机，大规模并行处理机和机群系统。

开卷　卷面成绩占总成绩的60%，平时成绩占40%

计算机系统结构（第四版）李学干西安电子科技大学出版社

计算机系统结构　　　　　郑纬民　清华大学出版社

《计算机系统结构》学习指导与题解　李学干　西安电子科技大学出版社

《计算机系统结构》典型题解析与实战模拟　张春元　罗莉　国防科技大学出版社

4、课程编号：

高级计算机网络32学时/2学分

AdvancedComputerNetwork

计算机应用技术、计算机软件与理论

王慧强国林

通过该课程的学习使学生能系统地掌握网络的基本知识和先进的主流技术，再结合强调网络基础性问题及其具体的解决方法，使学生迅速了解更多的网络实现实例。

课堂授课32学时

该课程采用自顶向下的教学方法，围绕计算机网络体系结构的“层次”来组织内容。

采用自顶向下的教学方法使得学生对计算机网络中的“高增长领域”—应用层有更深的理解，从而调动学生们的学习积极性，并借此在教学的早期阶段向学生们介绍网络应用程序的开发。

借助于分层的体系结构，学生能够透过计算机网络复杂性看到其内部，学生在学习整个体系结构的某个部分中的独特概念和协议时，也看清了所有这些部分是如何整合在一起的全貌。

本课程的先修课为计算机原理、系统结构、操作系统。

概述内容包括因特网的定义、网络边缘、网络核心、接入网和物理媒体、分组交换网中的时延和分组丢失、协议层次及其服务模型、计算机网络和因特网的历史；

用五层混合模型替代七层OSI模型，主要讲述内容包括应用层、运输层、网络层与网络互联、数据链路层和局域网的相关知识；

有关网络的最新技术将分章进行讲述，包括无线网络和移动网络，多媒体网络技术，因特网管理的相关知识。

同时课程中增加了一套实用的Ethereal实验和两个新的套接字编程帮助：

即UDP帮助和代理Web服务器帮助。

另外课程内容还包括对等网络、BGP、MPLS、网络安全、广播选路和因特网编址和转发方面新的扩充材料。

以上这些扩充材料我们将在相应的章节进行简单的介绍。

对于网络五层混合模型中的网络层，我们将更加清楚地展示转发和路由的作用，以及它们在网络层中的相互影响。

开卷考试，书面成绩占100%

《计算机网络—自顶向下方法与Internet特色》（第3版）JamesF.KuroseandKeithW.Ross著陈鸣等译机械工业出版社

5、课程编号：

高级人工智能32学时/2学分

AdvancedArtificialIntelligence

计算机科学与技术

刘杰

通过本门课程的学习使学生掌握人工智能的发展现状、基础理论、方法和应用；

了解当前提出的人工智能新理论、方法；

跟踪各研究领域发展的新趋势。

课堂授课，32学时

先修课程：

离散数学、数据结构与算法设计、高级语言程序设计、数据库。

本课程系统地介绍人工智能的基本原理及其应用，覆盖了人工智能研究的核心内容，反映了该研究领域的最新发展。

课程共分为8部分内容，包括人工智能的概况、知识表示方法、一般搜索原理、高级求解技术、机器学习与数据挖掘、自然语言理解、分布式人工智能与Agent技术以及人工智能展望。

人工智能的概况部分，主要介绍人工智能研究的特点，发展简史，当前研究现状。

知识表示部分，介绍知识表示方法概述及几种常用的知识表示方法，包括知识的定义、知识的种类、知识表示的定义，状态空间知识表示法、谓词逻辑表示法、产生式表示法、语义网络表示法、框架表示法、剧本表示法、过程表示法和面向对象表示法。

一般搜索原理部分，介绍盲目搜索技术，启发式搜索技术A*算法、A*算法的可纳性证明、A*算法的性质、A*算法的应用，其他启发式搜索算法、博弈搜索；

介绍消解法（归结原理）的基本思想，详细叙述了Herbrand定理的推导过程和消解法的理论基础，介绍若干消解策略和方法的应用。

高级求解技术部分，介绍规则演绎系统、系统组织技术、不确定推理和非单调推理。

机器学习与数据挖掘部分，介绍机器学习的定义与研究意义、主要策略与基本结构、机械学习、基于解释经验的学习、基于事例的学习、基于概念的学习、基于类比的学习及数据挖掘技术等。

自然语言理解部分，介绍语言及其理解的一般问题、语法规则的表示方法、语法分析、语义分析、自然语言的生成、自然语言理解的层次模型。

分布式人工智能与Agent技术部分，介绍分布式人工智能的基本概念、分布式问题求解、分布式人工智能与Agent技术之间的关系；

Agent技术的最新发展、应用前景、主要内容，并给出应用实例。

人工智能展望部分，展望人工智能的发展。

通过本课程的学习，要求学生掌握人工智能发展现状、基础理论、方法和应用，了解当前提出的人工智能新理论、方法，跟踪各研究领域发展的新趋势，并且能够运用人工智能的理论与方法解决一些实际应用问题。

课程共分为8个部分，包括人工智能的概况、知识表示方法、一般搜索原理、高级求解技术、机器学习与数据挖掘、自然语言理解、分布式人工智能与Agent技术以及人工智能展望。

闭卷

《人工智能机器应用》（第三版研究生用书）蔡自兴、徐光佑编著清华大学出版社，2004年8月

《人工智能》史忠植王文杰编著国防工业出版社，2007年2月

《人工智能原理》石纯一黄昌宁王家廞等著清华大学出版社，1993年10月

《人工智能与知识工程》田盛丰黄厚宽中国铁道出版社1999年8月

《机器学习》曾华军、张银奎等译，机械工业出版社2003年1月

6、课程编号：

软件工程32学时/2学分

SoftwareEngineering

杨静

通过本课程的学习，使学生比较系统地掌握软件开发的过程，基本方法、开发技术与工具，并能运用这些知识来指导软件开发工作，解决软件开发过程中遇到的问题。

了解软件工程的发展现状、新理论、新方法及发展的新趋势。

数据结构、高级语言程序设计、操作系统、数据库。

通过本课程学习，学生应在知识和技能两方面达到要求：

知识方面----掌握软件工程，主要包括需求分析、软件设计、软件测试、软件维护等方面的原理、技术和方法。

从理论上、实践上提高学生开发软件系统的能力。

技能方面----根据领域问题的特点，能够选择恰当的软件工程开发方法，能对问题领域中的需求进行描述，并且针对所确定的需求描述进行设计、编程、测试。

软件工程概述部分，主要介绍软件工程研究的特点，发展简史，当前研究现状。

课程主要结合软件生命周期介绍软件系统的分析、设计、编码、测试、维护、软件项目管理的理论与方法，以及如何运用这些知识去指导软件的开发。

其中包括：

软件工程的基本概念（着重介绍软件危机与软件工程、软件生存周期和软件开发模型）、计算机系统工程、软件项目管理（着重介绍项目规划，进度管理、质量管理、成本估算模型，人员管理、CMM）、软件需求分析与系统设计（着重介绍面向数据流的分析与设计、面向数据结构的分析与设计和面向对象的分析与设计）、软件测试方法和纠错技术、软件维护等方面的内容。

《软件工程》齐治昌、谭庆平、宁洪编著高等教育出版社，2004年

《软件工程》杨文龙、姚淑珍、吴芸编著电子工业出版社，1999年

《实用软件工程》郑人杰等著清华大学出版社，1997年

7、课程编号：

微计算机系统设计32学时/2学分

MicrocomputerSystemDesign

计算机系统结构专业、计算机应用技术专业

张国印

本课程从微型计算机系统的角度出发，介绍微处理器、存储器、I/O和系统总线，分析其结构、原理以及各部件之间的联系，突出时序分析与系统设计。

本课程以典型的32位微处理器Intel80486为例，介绍微计算机系统的基本概念和基本工作原理；

并结合实例阐述基于微型计算机构成应用系统的关键技术及设计方法。

本课程实践性较强，采用课堂讲授、讨论、上机实验结合的方式教学，其中学时分配如下：

课堂讲授20学时+课堂报告2学时+上机实验10学时

本课程主要包括两个方面的内容：

微型计算机系统自身的组成、功能、原理及各部件连接方式等内容；

基于微型计算机的应用系统的组成及设计方法。

对学生的要求：

学生应该学习过程序设计语言、计算机接口技术等课程。

本课程以Intel微处理器为背景，但并不拘泥于某一代处理器，主要内容包含两个方面：

第一部分介绍微型计算机系统的设计及应用。

内容包括微型计算机系统的功能、性能评价和工作原理；

详细介绍微型计算机系统各个子系统的硬件组成，即CPU子系统、接口部件子系统、ROM子系统和RAM子系统以及总线连接方式；

微处理器工作模式、寻址方式和指令系统等。

第二部分介绍基于微计算机的应用系统的基本组成及设计方法。

内容包括输入/输出控制方式、常用外设接口标准、常用输入/输出设备及与微机的连接、总线技术以及单片机应用系统设计方法等。

成绩组成为平时成绩（10%）+口头报告（30%）+项目设计（60%）。

平时成绩根据上课出勤情况和课堂参与度评定；

课程中期需要每名学生作口头报告并提交PPT，根据报告难度和质量评定成绩；

课程结束时，每名学生需要根据课程内容完成一个基于单片机的系统设计项目，根据项目完成质量和提交的项目报告评定成绩。

1.《微型计算机技术及应用》戴梅蕚等编著清华大学出版社1997.1

2.《微机原理与接口技术》艾德才等编著，清华大学出版社2005.9

3.《微型计算机嵌入式系统设计》李伯成编著，西安电子科技大学出版社2004.6

8、课程编号：

EDA技术32学时/2学分

EDATechnoloqy

赵靖

通过本课程的学习，让研究生达到了解EDA技术的基本理论及主要领域的模拟、综合、描述、测试等方法，掌握电子设计的新方法。

课堂授课24时，课堂讨论和试验8学时

①先修知识：

计算机科学数学、图形学、软件工程、人工智能

②学习内容：

① 

EDA技术概述（2学时）

② 

大规模可编程逻辑器件；

典型CPLD、FPGA器件介绍（4学时）

③ 

VHDL语言编程基础（12学时）

④ 

常用EDA开发软件；

EDA实验开发平台（2学时）

⑤ 

电子系统EDA设计的应用实例（2学时）

7电子系统EDA设计的发展趋势讲座（2学时）

了解以大规模可编程逻辑器件为设计载体,以硬件描述语言为系统逻辑描述的主要表达方式,以计算机、大规模可编程逻辑器件的开发软件及实验开发系统为设计工具，通过有关的开发软件，自动完成用软件方式设计的电子系统到硬件系统的逻辑编译、逻辑化简、逻辑分割、逻辑综合及优化、逻辑布局布线、逻辑仿真，直至对于特定目标芯片的适配编译、逻辑映射、编程下载等工作。

开卷；

笔试。

曾繁泰，陈美金，沈卫红，曾鸣.EDA工程方法学.清华大学出版社。

2003年6月第1版

⏹江国强.EDA技术与应用.电子工业出版社。

2005年6月第1版

⏹曾繁泰,陈美金.VHDL程序设计.北京：

清华大学出版社,2001

⏹候伯亭,顾新.VHDL硬件描述语言与数字逻辑电路设计.西安电子科技大学出版社,1998

⏹卢毅,赖杰.VHDL与数字电路设计.北京:

科学出版社,2001

⏹胡振华.VHDL与FPGA设计.中国铁道出版社,2003

9、课程编号：

新一代数据库系统32学时/2学分

NewGenerationDatabaseSystems

张健沛

通过学习，使学生了解数据库领域的最新发展动态及趋势，比较系统地掌握分布式数据库、主动数据库、知识库系统等的基本原理、关键技术，了解数据仓库与数据挖掘技术的基本原理及相关应用知识。

含先修课程：

数据库原理、计算机网络、人工智能原理

数据库新技术概述；

空间数据库技术；

面向对象数据库系统；

主动数据库系统；

分布式数据库技术；

知识库系统；

数据仓库与数据挖掘。

《数据库原理及应用系统开发》张健沛编著中国水利水电出版社，1999年

《高级数据库技术》汤庸、叶小平、汤娜、吉永杰高等教育出版社，2005年

《数据挖掘与知识发现》李雄飞、李军著高等教育出版社，2003年

10、课程编号：

信号与信息理论基础32学时/2学分

TheoreticalFundamentalsofSignalandInformation

郑丽颖

本课程是为我校非数学类研究生开设的一门近代数学基础课。

通过本课程学习,要求学生掌握一维空间与实数：

有理数与实数，实数的拓朴结构，实数的代数结构。

n维空间与向量：

n维空间的拓扑结构和代数结构，距离空间，线性赋范空间，内积空间，空间基和正交基，空间变换。

抽象空间：

可测函数空间、测度和勒贝格积分、勒贝格可积函数空间，LP、L1、L2、和L∞空间，lP、l1、l2和l∞空间，抽象空间映射。

课堂授课28学时、课堂讨论4学时；

本课程讲授的主要内容包括：

信号理论基础：

信号与现代数学，一维空间与实数：

本课程主要讲授以下内容：

现代数学的发展简史；

一维空间与实数：

对实数的一般认识，对有理数的一般认识，实数系完备性的相关定理，实数的拓朴结构，实数的代数结构；

Rn的拓扑结构和代数结构，距离定义，距离空间，距离与收敛的概念，线性赋范空间，内积空间，最小二乘算法，空间基和正交基，空间变换。

开卷考试

《教材名称》：

自编讲义，宋克欧

1．近代数学基础.于寅.Narcowich著，华中理工大学出版社；

2．工程数学基础，曾绍标韩秀芹翟瑞彩，科学出版社

3．实变函数论与泛函分析，夏道行，高等教育出版社

11、课程编号：

模式识别32学时/2学分

PatternRecognition

计算机软件与理论、计算机应用技术

刘海波

让学生了解模式识别的基本概念和原理，重点掌握统计模式识别理论、方法和研究现状，培养学生利用模式识别方法解决本专业及相关领域实际问题的能力，为将来继续深入学习或进行科学研究打下坚实的基础。

课堂授课30学时、课堂研讨2学时

教学内容包括统计模式识别和结构模式识别，以统计模式识别为主，要求选课学生先修以下课程：

信号与信息理论基础、数字信号处理

贝叶斯分类器、线性分类器、非线性分类器、组合分类器、特征选择、特征提取、聚类分析、神经网络模式识别、人工免疫模式识别、模糊模式识别、统计学习理论与支持向量机、结构模式识别

大作业

《模式识别（第二版）》边肇祺张学工.清华大学出版社2000

《模式识别》黄凤岗宋克欧.哈尔滨工程大学出版社1998

《PatternRecognition（3rded）》S.Theodoridis,K.Koutroumbas.AcademicPress2006

《PatternRecognition:

Concepts,Methods,andApplications》J.P.MarquesdeSá

.Springer2001

《PatternClassification（2nded）》RicharO.Duda,PetrerE.Hart,DavidG.Stork.Wiley2001

12、课程编号：

计算机通信32学时/2学分

ComputerCommun