内蒙古大学计算机科学与技术0812硕士研究生培养方案模板.docx

1、内蒙古大学计算机科学与技术0812硕士研究生培养方案模板内蒙古大学计算机科学与技术（0812）硕士研究生培养方案一、学科、专业及研究方向简介计算机科学与技术学科是一门研究计算机软件和硬件、计算机应用和开发技术的学科。本学科研究生培养的主要方向如下：研究方向之一：人工智能与多媒体技术本方向主要围绕语言、文字、图像、语音等信息的理解、识别、检索与挖掘开展研究工作。主要研究内容有：（1）自然语言信息处理和信息检索。主要包括文字识别、语音识别、语音合成、信息检索、机器翻译、自然语言理解等技术；（2）图像、声音和文字的识别与理解。主要包括基于深度神经网络的遥感、医学等图像的分类和识别、语音信息的识别、印

2、刷体和手写文字识别等；（3）视频信息处理。以应用为导向，研究视频目标信息的检测、机器人视觉、虚拟现实等问题。（4）少数民族语言文字信息处理。研究以蒙古文为主的机器翻译、语音识别和合成、跨语言信息检索等。研究方向之二：网络与信息安全本方向以移动互联网为核心，开展无线技术、容迟协议、物联系统等方面的研究。主要研究内容有：（1）无线网络和场景感知。设计面向室内环境的无线定位方案，探索场景感知和处理的理论和方法，研究制约服务发展和普及的关键因素；（2）移动容迟网络。研究容迟网络和机会网络的体系结构与通信协议，使用现有资源实现与未覆盖区域的互联互通。（3）车辆和农情物联系统。研究车辆命名网络的协议与机制

3、，构建作物长势监测和环境参数获取的物联网系统。研究方向之三：云计算与可信软件本方向主要围绕云计算环境下的服务机制与服务软件，以及高质量软件验证与确认方法开展研究工作。主要研究内容有：（1）云资源及云服务智能管理，主要包括云资源优化调度、基于虚拟化的大规模云数据中心能耗评估与优化、基于社团理论的云服务资源选择与推荐、基于网络感知的云服务组合与发现；（2）高可信软件确认技术，主要包括复杂网络协议及云服务软件的形式化建模、面向SDN的网络协议测试推导与测试执行、基于模型的软件一致性测试理论、云服务软件的主动容错方法。研究方向之四：大数据技术与数据挖掘本方向主要围绕大数据环境下，研究海量异构数据的分析

4、、挖掘。主要研究内容有：（1）数据库与大数据处理。主要包括数据库的设计与分析、大数据的存储、检索等技术和方法；（2）大数据挖掘。主要包括从生物信息、行业信息等海量异构数据中挖掘信息的方法；（3）智能决策。主要包括利用大数据、数据挖掘、人工智能技术研究决策支持系统。研究方向之五：智能交互与虚拟现实本方向主要研究人类大脑智能信息处理的机理和认知过程，探索人机和脑机接口、虚拟现实和增强现实等技术。主要研究内容有：（1）基于脑电感知的人机接口技术，主要包含脑电感知、视觉感知等技术；（2）虚拟现实和增强现实技术，主要包含虚拟现实场景的构建技术、基于三维感知技术的增强现实；（3）智能交互技术，主要包含面向

5、智能人机交互的文字、图像和视频信息处理技术。二、培养目标本学科培养德、智、体全面发展的计算机科学与技术领域的专门人才，要求本学科硕士学位获得者拥护党的基本路线和方针政策，热爱祖国，品行端正，身心健康，具有自由创新精神，追求真理，献身科学教育事业的敬业精神和科学道德。本学科培养的硕士研究生应掌握坚实的基础理论和系统的专门知识；掌握本学科的现代实验方法和技能；在所研究方向的范围内了解本学科发展的现状和趋势；掌握一门外国语；具有较强的创新能力和实践能力，达到中华人民共和国学位条例规定的硕士学位学术水平。具体包括如下方面：1.计算思维能力，包括模型化、形式化的逻辑思维与抽象能力；2.算法设计与分析能力

6、，包括掌握重要的算法设计策略，以及对算法的计算复杂度进行分析；3.技术工程能力，包括对信息技术类项目进行规划、设计和实施，进行组织、协调和管理的能力；4.创新能力，包括创新意识、创新精神和创新能力，把创新能力的积累贯穿于研究生培养的全过程；5.掌握一种外国语，具有较为熟练的听、说、读、写能力。三、基本学制和申请学位最长年限学术学位硕士研究生的基本学制为3年，申请学位最长年限为5年，即自研究生入学之日起到校学位评定委员会讨论通过其学位论文的时间为5年。四、培养方式本学科实行科教结合的培养模式，建立研究生教育与国家工程（项目）紧密结合的新机制。导师是研究生培养的第一责任人，导师负有对研究生进行学科

7、前沿引导、科研方法指导和学术规范教导的责任。导师应对研究生参加研究实践项目进行指导。本学科研究生培养实施中期淘汰机制。中期考核等培养环节中对于不具备继续培养潜力的研究生进行中期淘汰。本学科硕士毕业生要求毕业前在本学科相关CSCD收录期刊或EI、SCI期刊及会议（或教授委员会认定的学术会议）发表（或已录用）学术论文1篇。五、课程设置及学分要求总学分和各类别课程学分要求：研究生总学分32学分，其中公共学位课7学分，专业学位课12学分，专业选修课12学分，公共选修课1学分。跨学科或同等学力考入的研究生应至少补修程序设计、数据结构两门本科课程。补修课程列入培养计划并进行考核，但不计入总学分。类别课程名

8、称周学时总学时学分开课学期任课教师（职称）备注公共学位课外语（学硕）4/6442研究生院安排中国特色社会主义理论与实践研究（学硕）2/3221研究生院安排自然辩证法概论（学硕理工科）1/1611研究生院安排公共选修课研究生学术道德与学术规范1/161研究生院安排讲座研究生职业规划与创新创业1/161研究生院安排讲座专业学位课(必修12分)应用数学基础3/4831郭仁拥（教授）、刘帅（副教授）算法分析与设计3/4831王俊义（教授）、周建涛（教授）分布式计算3/4832刘靖（副教授）、高永强（讲师）人工智能3/4832侯宏旭(教授)、飞龙（副教授）专业选修课（含跨学科课程）(12分)数据挖掘3/

9、4832魏宏喜（副教授）计算机网络新技术3/4831李茹（教授）、张俊星（教授）高级软件工程3/4831周建涛（教授）、王显荣（副教授）数据库理论与技术3/4832班志杰（副教授）、高维（讲师）无线网络2/3223黄宝琦（教授）、马学彬（副教授）信息安全2/3222张俊星（教授）、敖腾河（副教授）嵌入式技术2/3223张志斌（副教授）、黄宝琦（教授）决策支持系统2/3223郭仁拥（教授）、陈立荣（讲师）高级软件测试2/3222李华（教授）、孙涛（副教授）形式化方法2/3221刘靖（副教授）、邢熠（讲师）Web原理与技术2/3223赵俊峰（副教授）、马明（讲师）云计算技术2/3223高永强（讲师

10、）、于磊（讲师）计算机图形学2/3222高光来（教授）、吴伟（讲师）图像与视频处理2/3221马颍东（讲师）、吴伟（讲师）计算语言学2/3223侯宏旭（教授）、飞龙（副教授）机器学习2/3223张学良（副教授）形式语言与自动机2/3222刘靖（副教授）并行计算2/3221张学良（副教授）、刘彩霞（副教授）智能人机交互2/3223吴伟（讲师）新型虚拟现实技术2/3223巴图斯仁（讲师）六、论文环节1开题研究生至少须阅读与毕业论文题目相关的文献30篇，其中外文文献不少于30%。开题报告应论述学位论文选题依据、研究方案、预期目标与成果、工作计划等关键问题。硕士研究生在第3学期末完成开题报告。硕士生开

11、题由学科各方向组织，由5名以上本学科或相关学科教授、副教授或有硕导资格的讲师参加。导师无特殊情况应参加所指导学生的开题。硕士研究生在第6学期仍未能完成开题，或者两次开题不通过的，按照学校相关规定中止学业。2中期考核中期考核是检查研究生个人综合能力及学位论文进展状况、指导研究生把握学位论文方向、提高学位论文质量的必要环节。学术学位硕士研究生中期考核一般在第4学期末进行。本学科中期考核采用研究生书面进展报告与评议组评议的方式进行。研究生对开题以后课题研究进展进行总结，重点阐述课题进展情况和阶段性成果。评议重点依据研究生课程学习情况和学位论文进展情况对研究生继续培养潜力进行评价。学院教授委员会（学位

12、分委会）评议认为结果不具备继续培养潜力的，按照学校相关规定中止学业。3学术活动研究生学习期间须参加各种学术活动，并填写学术活动记录表，记录学术活动内容和收获。硕士生至少参加5次本学科及相关学科的国际或国内学术活动，并至少完成1次学科方向组内学术报告。4实践环节学术学位硕士研究生在学期间需在校内外有条件的实践单位或部门进行实习、实践环节训练，实习实践时间由导师安排。实践内容应为学科相关的技术性工作，工作量应该饱满。七、学位论文本学科硕士研究生课题研究时间不少于1年，硕士学位论文对所研究的课题应当有新见解；硕士学位论文应文字通顺、内容饱满，逻辑性强，最低字数不少于2.5万字。研究生完成了培养计划所

13、要求学分，并通过论文答辩，则准予毕业；经学院学位评定分委员会审核，报校学位评定委员会讨论通过后授予学位。学位授予按照内蒙古大学学位授予工作实施细则及学位管理相关文件执行。八、个人培养计划个人培养计划是对研究生进行培养和毕业资格审查的主要依据。个人培养计划一旦确定，就应严格遵守。在实施培养计划过程中，如果确有特殊原因而提出修改者，应由本人提出申请、导师同意、学院主管负责人签字后报研究生院同意，方可进行修改。学术学位研究生在入学后一个月内，在导师的指导下，根据培养方案制定个人培养计划；包括课程设置、学期安排、学习与研究进度、论文开题时间、写作时间安排等。九、主要课程教学大纲应用数学基础课程教学大纲

14、课程中文名称： 应用数学基础课程英文名称：Applied Mathematics Basis课程编号： *课程类别： 专业学位课学分：3学时：48课程简介应用数学基础是学术型硕士研究生（三年制）第一学年一学期的必修课程。本课程是一门研究和分析计算机学科领域中常用的数学知识和方法的课程。本课程从计算机学科工程与科研的角度出发，以计算机科学各子领域所涉及到的基本数学问题为主要研究对象，主要的研究内容包括经典的数学建模方法、矩阵论、数值计算等常用数学方法。本课程的重点在于使学生掌握处理计算机领域问题的常用数学方法，并使用这些数学方法处理计算机科学问题。通过本课程的学习，学生应掌握如下内容：（1）掌握

15、合理的近似方法在计算机上进行复杂数学计算；（2）使用合理的数学方法对常见的经典类型问题进行建模；（3）对常用的特征提取、抽象问题给出合理的数学解释。本课程前导课为本科课程（高等数学、线性代数、计算方法、离散数学）。教学内容及学时安排（一）数学建模方法 （22学时）1、常用模型（2学时）2、微分方程模型（4学时）3、稳定性模型（4学时）4、博弈模型（4学时）5、Markov过程（4学时）6、动力学模型（4学时）（二）矩阵论 （20学时）1、矩阵与线性变换的关系（4学时）2、范数及应用（4学时）3、矩阵分解（与数值计算合并讲解，共10学时）4、特征值估计（4学时）5、逆矩阵（2学时）（三）数值计算

16、 （6学时）1、误差分析（2学时）2、矩阵分解（与矩阵论合并讲解，共10学时）3、方程的递归求解（2学时）考核方式平时成绩（20%）+期末成绩（80%）平时成绩：出勤（10%）+2次作业（10%）期末考核：笔试、闭卷120分钟（80%）参考书目1. M.M. Meerschaert, Mathematical Modeling, 4th Edition M, Academic Press,2013.2.张凯院. 矩阵论M. 科学出版社, 2013.3. Richard L. Burden, J. Douglas Faires, Numerical Analysis, 9th Edition M

17、, Brooks/Cole, Cengage Learning, 2011.4. 马知恩. 传染病动力学的数学建模与研究M. 科学出版社, 2004.5. 韩中庚. 数学建模方法及其应用M. 高等教育出版社, 2005.算法分析与设计课程教学大纲课程中文名称： 算法分析与设计课程英文名称：Algorithms Design and Analysis课程编号： *课程类别： 专业学位课学分：3学时：48课程简介本课程目的是在学习了数据结构和基本算法的基础上，进一步学习算法的设计方法、技巧和原理，以及算法的分析方法和原理。使学生掌握优化策略、分治策略、动态规划、概率算法、并行算法、搜索法、智能算法

18、等算法设计与分析方法，学习和掌握算法复杂度理论基础。教学内容及学时安排第一章 引言（4学时）1.1 简介 课程主要内容见简介1.2 预备知识 数学、概率、集合、数理逻辑、数据结构等1.3 算法及其特征1.4 证明方法 反证法，数学归纳法1.5算法分析 时间、空间复杂度，最优性第二章 贪心算法（4学时）2.1 找零钱2.2 贪心算法的一般特征2.3 最小生成树2.4 最短路径2.5 背包问题2.6 日常安排第三章 分而治之法（6学时）3.1 简介：大数乘法3.2 通用模板3.3 二分法查找3.4 排序3.5 递归算法的分析3.6 查找中值3.7 矩阵乘法3.8 竞赛安排第四章 动态规划（8学时）

19、4.1 例子4.2 找零钱4.3 最优性原则4.4 背包问题4.5 最短路径4.6 矩阵连乘问题4.7 最长公共子序列问题4.8 凸多边形三角剖分问题第五章 搜索法（6学时）5.1 引论5.2 DFS搜索5.3 BFS算法5.4 回溯法5.5 分支界限法5.6 极小化原则5.7 A*算法第六章 概率算法（4学时）6.1 引言6.2 随机数产生器6.3 数值概率算法6.4 Mont Carlo算法6.5 Las Vegas算法第七章 并行算法（4学时）7.1 并行计算模型7.2 一些基本技术7.3 工作量与效率7.4 图的例子7.5 表达式求值7.6 并行排序网络第八章 算法复杂性理论（4学时）

20、8.1 图灵机8.2 停机问题8.3 P类问题和NP类问题8.4 问题的转换8.5 Cook定理8.6 NP-Complate问题8.7 复杂度类8.8 近似算法第九章 智能型算法（6学时）9.1 遗传算法 9.2 什么是遗传算法9.3 TSP问题9.4 模拟退火算法小组讨论 2学时考核方式笔试：2学时，占总分的60%； 作业：占总分的40%；评分等级：100分制。参考书目1 Fundamentals of Algorithmics，清华大学出版社，G. Brassard /邱仲潘等译，2005年.2 计算机算法导引设计与分析，清华大学出版社，卢开澄 编著，2006年。3 Computer A

21、lgorithms-Introduction to Design and Analysis (Third Edition) 影印本，北京，高等教育出版社， Sara Baase, Allen Van Gelder。4算法设计与分析导论，机械工业出版社，R.C.T.Lee, S.S.Tseng, R.C.Chang, Y.T.Tsai/王卫东译，2008年。5.算法设计与分析，清华大学出版社，王晓东，2003年。6Christos，H.Papadimitriou，Combinational Optimization: Algorithms and Complexity，Pretice-Hall,

22、INC，1982 。 分布式计算课程教学大纲课程中文名称： 分布式计算课程英文名称：Distributed Computing课程编号：*课程类别：专业学位课学分：3学时：48课程简介分布式计算是一门计算机科学，它研究如何把一个需要非常巨大的计算能力才能解决的问题分成许多小的部分，然后把这些部分分配给许多计算机进行处理，最后把这些计算结果综合起来得到最终的结果。近年来，随着移动互联网和社交网络应用的快速发展，云计算作为分布式计算发展和延伸的一项新技术，能够有效支撑更为规模庞大和准确的计算任务，以满足和实现新时代计算机的应用需求。本课程旨在较为完整地介绍分布式计算的基本理论及其应用。主要内容包括

23、：传统分布式计算的基本原理、核心技术（分布对象、P2P）；面向服务的分布式技术技术（SOA、Web Services）；云计算原理、架构与实现技术（Google云计算技术、MapReduce编程模型、云计算安全）等。本课程的教学目的是使学生了解并掌握分布式计算相关研究的基础概念、基本原理、核心技术、发展趋势和前沿问题，培养学生利用分布式计算思想和技术分析并解决具体相关研究问题的能力。教学内容及学时安排第1章 分布式计算概述（6学时）1.1 分布式计算的概念1.2 分布式系统概述与经典的分布式系统1.3 分布式计算的基础技术第2章 分布式计算范型（6学时）2.1 消息传递范型2.2 客户/服务器

24、范型2.3 P2P范型2.4 消息系统范型2.5 远程过程调用范型2.6 分布式对象范型2.7 网络服务范型2.8 移动代理范型2.9 云服务范型第3章 对等计算（6学时）3.1 P2P计算系统3.2 P2P覆盖网络及其性质3.3 P2P分类及典型应用系统3.4 P2P信任管理第4章 面向对象的分布计算（4学时） 4.1分布式组件对象模型 4.2公共对象请求代理结构 4.3 CORBA公共对象服务 4.4分布式对象系统比较第5章 面向服务的分布计算（8学时）5.1 Web服务特点、架构及工作原理5.2 SOA框架5.3 XML5.4基于SOAP的Web服务核心技术5.5 基于REST的Web服

25、务技术第6章 网格计算（4学时）6.1网格体系结构和服务建模6.2网格项目和网格系统创建6.3网格资源管理和资源中介6.4网格计算的软件与中间件第7章 虚拟化技术（4学时）7.1虚拟化的实现层次 7.2 CPU、内存和I/O设备的虚拟化 7.3虚拟集群和资源管理 7.4数据中心的自动化与虚拟化第8章 云计算（10学时）8.1 云计算概述8.2 云计算关键技术8.3 Google云计算原理8.4 云计算研究与发展方向考核方式成绩构成方式及比例：总成绩期末考试（60） 课程论文及汇报（40）课程论文由学生自由选定一个小题目完成现有相关研究的综述性论文，字数6000-8000字，包括研究背景、研究意

26、义、国内研究现状分析、国外研究现状分析、可行的研究内容、参考文献等部分。期末考试形式：闭卷120分钟。参考书目1云计算与分布式系统，Kai Hwang等著，吴永卫等译，机械工业出版社，2013。2分布式系统原理与范型(第2版)，Andrew Tanenbaum等著，辛春生等译，清华大学出版社，2008。3分布式计算、云计算与大数据，林伟伟等著，机械工业出版社，2015。4分布式计算系统导论原理与组成，胡建平等著，清华大学出版社，2014。经典论文（随课程发布）人工智能课程教学大纲课程中文名称： 人工智能课程英文名称： Artificial Intelligence课程编号： *课程类别： 专业

27、学位课学分：3学时：48课程简介本课程是计算机科学技术专业研究生的学位专业课。通过本课程的学习，要求学生掌握人工智能的基本概念、基本原理、实用的开发方法和技术；了解人工智能研究与应用的最新成果和发展方向。教学内容及学时安排第一章 绪论（3学时）教学内容：了解人工智能的产生与发展，深刻理解人工智能的定义与基础，初步了解人工智能的研究方法、研究与应用领域，理解人工智能的研究方法、应用领域和发展趋势。第二章 人工智能逻辑基础（6学时）教学内容：深刻理解和掌握一阶谓词逻辑、归结（消解）原理，理解和掌握Horn子句的概念和用法。第三章 问题求解的基本原理（9学时）教学内容：理解状态空间与问题求解的方法、

28、盲目搜索方法，深刻理解和掌握启发式搜索、局部搜索方法和博弈树搜索方法，掌握问题规约法。第四章 知识表示与推理（6学时）教学内容：深刻理解和掌握三种主要的知识表示方法：产生式规则、语义网络、框架。理解面向对象表示方法。第五章 不确定推理和非单调推理方法（6学时）教学内容：了解不确定推理方法的基本概念、理解不确定证据、结论和知识的表示，深刻理解和掌握三种不确定推理方法：可信度因子模型、主观Bayes方法、证据理论，了解模糊推理和非单调推理。第六章 神经网络和机器学习（15学时）教学内容：了解人工神经网络、机器学习的基本概念、机器学习的原理与方法，深刻理解神经网络、机械学习、归纳学习、解释学习、类比

29、学习、神经网络学习的概念和原理。第七章 人工智能应用与进展（3学时）教学内容：了解专家系统、自然语言处理、分布式人工智能的基本概念，了解人工智能的应用领域、工具和新方法。考核方式最终成绩有平时成绩+期末成绩组成。平时成绩占50分，包括课堂交流、作业、考勤；期末成绩占50分，闭卷考试。参考书目1. 史忠植，人工智能，机械工业出版社，2016年2. N. J. Nilsson. Artificial Intelligence: A New Synthesis. Morgan Kanfmann, 1998; 机械工业出社，1999。3. 石纯一，黄昌宁等，人工智能原理，清华大学出版社，1993年4. 蔡自兴，徐光佑，人工智能及其应用（第二版），清华大学出版社，1997年数据挖掘课程教学大纲课程中文名称： 数据挖掘课程英文名称：Data Mining课程编号： *课程类别：专业选修课学分：3学时：48课程简介数据挖掘是一个从存储在数据库、数据仓库或其他介质的数据集中发现人们感兴趣的知识的过程。本课程的目的是使学生掌握数据挖掘的基本概念、相关技术及其在不同数据处理和不同规则提取中的