计算机科学与技术学院.doc

计算机科学与技术学院摘要：2009年11月5日 . 预备知识或先修课程要求：算法设计与分析，离散数学，程序设计，数据结构等。 . 教学方式及学时分配：课堂授课24学时、课堂讨论8学时 . 理解机器学习的概念与原理，注重从机器学习的基本框架上理解不同机器学习方法之间的异同点。 .关键词：算法,24,点类别：专题技术来源：牛档搜索（Niudown.COM）本文系牛档搜索（Niudown.COM）根据用户的指令自动搜索的结果，文中内涉及到的资料均来自互联网，用于学习交流经验，作品其著作权归原作者所有。不代表牛档搜索（Niudown.COM）赞成本文的内容或立场，牛档搜索（Niudown.COM）不对其付相应的法律责任！计算机科学与技术学院062301 计算机科学数学 32学时/2 学分英文译名：Mathematics for Computer Science适用领域：计算机科学与技术，计算机应用技术任课教师：黄少滨教学目的：通过本课程的学习，使研究生熟悉掌握现代计算机科学与技术的相关理论基础，为后续的科学研究工作打下坚实的基础。预备知识或先修课程要求：算法设计与分析，离散数学，程序设计，数据结构等。教学方式及学时分配：课堂讲授28学时，课堂讨论4学时。学时教学内容教学方式4数理逻辑、多值逻辑、模糊逻辑、模态逻辑授课2时态逻辑、线性逻辑、组合逻辑、非单调逻辑、直觉主义逻辑授课4抽象代数、范畴论、量子计算中的计算机科学简介授课2对计算科学的思考、组合学、密码学授课2算法、算法学授课2计算复杂性理论授课2可计算性理论授课2自动机理论、形式语言理论课堂讨论4形式语义、类型论授课2并发模型、程序逻辑授课4混合计算模型、程序验证授课2计算机科学的发展量子信息学简介课堂讨论教学主要内容及对学生的要求： 本课程比较全面地介绍计算机科学的理论基础，包括逻辑学、代数学、计算理论、程序理论及量子计算简介，为博士生打下坚实的理论基础，并要求博士生要扩展学习与研究，为后续的学术研究及科研工作做好准备。内容摘要：本课程将主要介绍数理逻辑包括命题逻辑、一阶逻辑、高阶逻辑、哥德尔完全性定理、多值逻辑、非单调逻辑、直觉主义逻辑等全面的逻辑学基础为后续的若干研究方向打下逻辑基础；在代数学方面，重点介绍抽象代数学包括群、环、域、格，布尔代数、关系代数、计算机代数、计算机数学，范畴论，计算数论，组合学密码学等基本概念； 计算理论方面，算法、算法学，计算复杂性理论包括复杂性度量、复杂性归约等，可计算性函数、递归函数、可判定问题、不可判定问题等，自动机理论方面主要介绍有限自动机、图灵机、概率自动机等，形式语言理论简介；程序理论方面重点介绍形式语义，类型论，进程代数、通信系统演算、程序逻辑、混合计算模型、程序验证等。考核方式：采用课程论文的方式进行考核，百分制。主要参考书目：1 计算机科学技术百科全书.（第二版）张效祥主编.清华大学出版社. 2005年2 量子计算和量子信息（一）.Michael A.Nielsen,Isaac L.Chuang著，赵千川译.清华大学出版社. 2004年3 计算理论基础.Harry R.Lewis,Christos H.Papadimitriou著，张立昂 刘田译.4 Principles of Model Checking.Christel Baier,Joost-Pieter Katoen.The MIT Press 2007.062302 机器学习理论 32学时/2学分英文译名：Machine Learning Theory 适用领域：计算机应用技术任课教师：张汝波教学目的：通过该课程的学习使学生了解机器学习领域的最新发展动向及现状；掌握机器学习的新概念、新理论、新方法与技术及其应用情况；能够运用机器学习方法来解决实际问题；为进一步深入研究建立有关概念和方法的基础。预备知识或先修课程要求：计算智能、人工智能、模式识别教学方式及学时分配：课堂授课24学时、课堂讨论8学时学时教学内容教学方式2机器学习概论授课2概念学习授课2决策树学习授课2连接学习授课2评估假设授课2计算学习理论授课2基于实例的学习授课2进化学习授课2分析学习授课2归纳学习与分析学习的结合授课4强化学习授课8机器学习的新理论课堂讨论教学主要内容及对学生的要求：本课程强调机器学习的理论原理的教学，注重从实例入手使学生理解机器学习的概念与原理，注重从机器学习的基本框架上理解不同机器学习方法之间的异同点。内容摘要：近年来机器学习理论在诸多应用领域得到成功的应用与发展，已成为计算机科学的基础及热点之一。采用机器学习方法的计算机程序被成功用于各个应用领域。本课程突出强调机器学习的理论原理的教学，注重从实例入手使学生理解机器学习的概念与原理，注重从机器学习的基本框架上理解不同机器学习方法之间的异同点。主要教学内容包括概念学习、决策树学习、连接学习、评估假设、计算学习理论、基于实例的学习、进化学习、分析学习、强化学习等。最终考核以大作业方式来进行。考核题目可以从推荐的选题中选择，或与自己将来的研究内容相结合，或根据其它兴趣选择。所完成的作业目应是关于机器学习算法的实现及其在某个特定领域中的应用。考核方式：采用课程论文的方式进行考核，百分制。主要参考书目：1Tom M. Mitchell著，曾华军等译，机器学习，机械工业出版社，2003年2张汝波 强化学习理论及应用哈尔滨工程大学出版社，2001年062303 计算机网络新技术 32 学时/ 2 学分英文译名：New Technology on Computer Network适用领域：计算机应用技术任课教师：王慧强教学目的：通过该课程的学习使学生对近年来计算机网络新技术有一个系统深入的认识，并对一些关键技术有较为深刻的理解和掌握。预备知识或先修课程要求：要求学生具有扎实的计算机网络基础。教学方式及学时分配：教学采用课堂授课和课堂讨论的方式，其中授课和研讨各占16学时。学时教学内容教学方式2引言;授课4网络可信性授课2网络安全管理课堂讨论2移动计算授课2普适计算授课2无线传感器网络技术课堂讨论2多媒体网络; 授课2下一代因特网课堂讨论2网络并行计算技术课堂讨论2分布式系统课堂讨论2信息安全理论与技术(1)课堂讨论2信息安全理论与技术(2)课堂讨论4P2P网络技术授课2网络应用课堂讨论教学主要内容及对学生的要求：该课程主要介绍计算机网络近年来的发展情况，要求学生具有扎实的计算机网络基础。内容摘要：计算机网络是通信技术与计算机并行发展且密切结合的产物，已有30年的发展历史了。近35年内急速发展，新思想、新技术、新产品、新应用、新标准层出不穷。本课程抓住计算机网络中的关键技术，介绍最新的发展状况。其中关键技术有如下几方面：网络可信性，包括自律可信性、生物启发的可信性和综合可信性。网络管理安全，包括网路管理模型、监控和态势感知技术。移动计算技术，包括3G技术、移动IP技术、移动代理技术等。无线传感器网络技术，包括安全协议问题、节点移动性管理、组网技术等。多媒体网络技术，包括IP电话技术、IP视频会议技术和视频点播技术等。下一代互联网技术，包括IPV6路由交换技术、一体化网络与服务等。网络并行计算技术，包括服务器集群技术、网格计算技术、存储网络技术等。实时因特网技术，包括因特网协议、时延的计算与测评，流控制协议等。网络应用层技术，包括流媒体技术、P2P网络技术、WEB服务器集群缓存技术等。针对上述关键技术，本课程分为若干专题进行讨论，重点是多媒体网络，无线传感器网络，移动计算和普适计算等，由于计算机网络是一门综合性很强的应用技术，知识面广，且内容更新快，因此本课程的安排以计算机新技术为主，理论为辅。考核方式：采用课程论文的方式进行考核，百分制 。主要参考书目：1 网络计算新技术胡凯等科学出版社 2001年2 分布式系统概念与设计DISTRIBUTEDSYSTEMS: CONCEPTS AND DESIGN GEORGE COULOURIS等机械工业出版社062304 软件体系结构 32学时/ 2学分英文译名：Software Architecture适用领域：计算机应用任课教师：孙潮义、曹万华教学目的：通过系统讨论软件体系结构的基本原理、运用方法和工程实践等问题，让学生全面了解软件体系结构研究、应用领域及其最新进展；强调理论联系实际的学习形式，通过该课程的学习力求解决科研实践中的具体问题。预备知识或先修课程要求：计算复杂性理论、面向对象方法学、软件工程环境相关知识。教学方式及学时分配：课堂授课20学时、课堂讨论12学时学时教学内容教学方式2概述，包括软件危机、构件与软件重用、软件体系结构的兴起和发展授课4软件体系结构建模授课4软件体系结构风格授课4软件体系结构描述授课2基于体系结构的软件开发授课2软件体系结构评估授课2软件产品线体系结构授课12文献阅读研讨课堂讨论教学主要内容及对学生的要求：该课程主要介绍软件体系结构的基本原理、运用方法和工程实践等问题。要求学生课前预习计算复杂性理论、面向对象方法学、软件工程环境内容摘要：随着软件系统规模越来越大和越来越复杂，整个系统的结构和规格说明就显得非常重要。在此背景下，人们认识到了软件体系结构的重要性，认为对软件体系结构的系统进行深入的研究是提高软件生产率和解决软件维护问题的有效途径。考核方式：采用课程论文的方式进行考核，百分制。主要参考书目：1 软件体系结构张友生等清华大学出版社 2004年2 软件产品线关键方法与技术研究 王广昌浙江大学博士学位论文062305 C3I系统中的数据融合技术 32学时/ 2学分英文译名：Data Fusion Technology in C3I systems适用领域：计算机应用技术课程教师：周永丰、夏学知教学目的：通过课堂教学、仿真实验、撰写综述报告、课堂研讨等形式，培养学生分析、归纳和综合的基本研究技能，使学生在较短时间内掌握数据融合的基本理论和方法，以利于对以后实际系统的研制。预备知识或先修课程要求：数理统计、矩阵论、线性系统理论（现代控制理论）等相关知识。教学方式及学时分配：课堂授课20学时、课堂讨论12学时教学主要内容及对学生的要求：以C3I系统工程为背景，系统讲授数据融合的理论及其应用。学时教学内容教学方式2数据融合技术的概述授课4数学基础知识授课4目标跟踪和滤波授课4数据关联授课4目标综合识别授课2态势评估和威胁评估授课12文献阅读研讨课堂讨论内容摘要：结合数据融合技术的发展，系统地讲授数据融合基本理论和应用，突出基本概念和复杂环境下的数据融合技术应用。考核方式：采用课程论文的方式进行考核，百分制。主要参考书：1 C3I系统中的数据融合技术王小非周永丰哈尔滨工程大学出版社 2006年2 数据融合理论与应用康耀红西安电子科技大学出版社062306 数据挖掘理论 32学时/2学分英文译名：Data Mining Theory适用领域：博士研究生任课教师：张健沛教学目的：通过学习，使学生比较系统地掌握数据挖掘理论及相关技术。数据挖掘与数据仓库概述、数据挖掘方法论、数据挖掘核心技术、数据挖掘应用技术、数据挖掘技术发展趋势等。预备知识或先修课程要求：新一代数据库、人工智能原理相关知识。教学方式及学时分配：课堂授课32学时学时教学内容教学方式2数据挖掘概述授课6数据挖掘相关技术授课、讨论6决策树算法授课、讨论6关联规则算法授课、讨论6聚类分析方法授课、讨论2基于示例的学习方法授课4数据挖掘应用授课教学主要内容及对学生的要求：数据挖掘是信息领域发展最快的技术，是一个多学科交叉的领域。一方面，数据挖掘以计算机技术的发展为首要条件，没有数据的有效组织，从数据垃圾中发现有用知识是痴人说梦；没有大量计算算法的支持，及时是简单的查询也会耗时巨大；另一方面，及时数据库得到了有效组织，计算算法足够先进，想要发现海量数据中隐藏的有