道路与铁道工程硕士点培养方案

计算机应用技术学科硕士学位培养方案

（077503）

一、培养目标及要求

培养为社会主义现代化建设服务，德、智、体全面发展的相关领域高层次专门人才。培养具有严谨的科学作风和创新精神，具有坚实的控制理论专业基础知识，能从事运动控制、过程控制和自动化系统及工程的研究和开发能力的高层次专门人才。具体要求：

1、较好地掌握马克思列宁主义、毛泽东思想的基本原理和邓小平理论、“三个代表”的重要思想；树立辩证唯物主义和历史唯物主义世界观。

2、拥护党的基本路线，热爱祖国，遵纪守法，品行端正。具有强烈的事业心和勇于奉献、刻苦钻研、团结协作的敬业精神。

3、掌握计算机应用学科领域坚实的理论基础和系统的专门知识，具有从事科学研究、独立承担技术性工作的能力，具有较宽的知识面和较强的适应性，能够适应本学科及其交叉学科的理论与应用的能力。

4、较熟练掌握一门外国语。

5、具有健康的体魄和良好的心理素质。

二、研究方向

1、数据挖掘

本方向主要研究海量数据中知识发现和在此基础上的算法研究，以及在图像模式识别、生物信息数据分析、经济数据统计和预测等领域的应用。

2、模式识别与图像处理

本方向主要研究检测过程中的信号的传输、转换、数字处理等技术（如信号的滤波、提取和增强，信号的压缩、估计、识别等），以及测试信号处理软件的研制与开发等。

3、计算机网络与通信工程

本方向研究计算机网络操作系统、体系结构、协议、性能检测、安全性等方面的技术以及编码密码算法的设计与分析、身份认证和数字签名、密钥管理等多种安全范围。

设计实用有效的数据加密算法、数据编码算法、数字签名算法与密钥管理算法。本研究方向培养具有坚实的数学与通信理论基础与实际技术，了解数字通信发展的前沿和动态，能较好地运用数学知识与方法，成功构造具有良好性能的纠错码和密码，以适应我国数字通信高速发展的需要。

4、物联网工程与嵌入式技术

本方向研究物联网相关应用技术和嵌入式技术，主要包括信息感知，异构网络互联、融合与数据传输，计算机智能控制，物联网软件设计的关键技术，该方向多学科交叉、关联领域广。学生要掌握物联网产业链中标识、感知、处理和信息传输四个环节，具备相关的计算机网络专业知识，熟悉电子、射频、无线通信等相关技术，掌握无线传感器网络技术，既具有较强的实践工作能力又具有创新能力，能够从事与物联网技术相关的在智能物流或智能工业等领域的设计、开发、管理、维护等高层次应用型工程技术人才。

5、科学工程计算与软件工程

本方向培养既具有扎实的数学基础，又具备软件设计和开发能力的高级应用型人才。

以数学理论、相似原理、信息技术、系统技术及其应用领域有关的专业技术为基础，以计算机和各种效应设备为工具，利用系统描写对实际的或设想的系统进行实验研究的一门综合性技术。现被日益广泛地应用到科学研究、工程设计、社会和经济形势的分析和预测等领域中。

三、学习年限和时间安排

全日制硕士研究生的学习年限一般为3年。按课程学习与论文工作并重原则，课程学习累计1—1.5学年，论文工作量不少于1学年。根据实际情况，符合学校有关规定，经本人申请、导师同意、学校批准，可适当提前或延长一年，在职硕士可延长二年。

四、课程设置，学分要求和课程说明

硕士生总学分不少于32学分(其中2学分实践性环节)。课程分为学位课和非学位课程，其中学位课程不少于18学分，非学位课程12学分(对于同等学力和跨学科考取的硕士生需补本科生课程，可减半登记学分，不占应学32学分的总学分) ，见下表。

课程说明

（1）矩阵论

矩阵论是非数学类研究生数学公共基础课程之一，是一种基本的数学工具，在数学学科与其他科学技术领域诸如数值分析、优化理论、微分方程、概率统计、多元统计分析、系统工程等学科都有广泛应用。计算机及计算技术的发展也为矩阵论的应用开辟了更广阔的前景。因此，学习和掌握矩阵的基本理论和方法，对于将来从事工程技术工作的工科研究生来说是必不可少的。

通过该门课程的学习，期望学生能较好地理解和掌握矩阵理论的基本知识和思想方法，提高学生的数学素质。提高科研能力，并能运用学到的知识和方法解决实际问题。

矩阵论的内容包括：线性空间与线性变换；内积空间与等距变换；矩阵的相似标准形；Hermite二次型；范数及矩阵函数；矩阵的广义逆等。

本课程要求学生结合本专业的特点和所研究的课题，选择部分算法自己上机实现。要求学生熟悉至少一门数学软件平台（Mathematica /Matlab/Maple）和至少一种编程语言。

(2) 数据挖掘

研究从海量数据中发现知识的算法和应用技术，主要有数据准备、规律寻找和规律表示三个步骤。数据准备是从各种数据源中选取和集成用于数据挖掘的数据；规律寻找是用某种方法将数据中的规律找出来；规律表示是用尽可能符合用户习惯的方式（如可视化）将找出的规律表示出来。数据挖掘在自身发展的过程中，吸收了数理统计、数据库和人工智能中的大量技术。重点介绍以下算法：关联，聚类，分类，特征提取。

(3) 数字图像处理

数字图像处理技术始于于20世纪50年代，主要研究图像预处理、图像增强、图像变换、图像恢复、图像分割与分析等。对图像处理来说,输入是图像,处理后输出的也是图像图像。数字图像处理科学已成为工程学、计算机科学、信息科学、统计学、物理、化学、生物学、医学、视觉心理、人工智能、智能信息处理等领域中各学科学习和研究的对象。随着信息高速公路、数字地球概念的提出以及Internet的广泛应用，图像处理技术的需求与日俱增。因此，数字图像处理技术逐步向其他学科领域渗透并为其他学科所利用是必然的。

本课程主要讲解的内容有图像和视觉基础（计算机数字图像的采集、格式、显示和存储）、图像增强（空间域变换增强和空间域滤波增强）、图像分割（边缘检测、基于直方图的图像分割和基于区域的图像分割）、数学形态学和图像分析等主要章节内容。