计算机与信息工程学院2019年全日制学术型硕士研究生招生目录

考试科目：840数据结构与操作系统

一、数据结构（55%）

（一）绪论

1.掌握基本概念：数据结构、逻辑结构、存储结构、数据类型、抽象数据类型等；

2.掌握算法设计原则，掌握计算语句频度和估算算法时间复杂度和空间复杂度的方法；

3.熟悉类C语言描述算法的方法。

（二）线性表

1.掌握线性表的逻辑结构和存储结构；

2.掌握线性表在顺序结构和链式结构上实现基本操作的方法；

3.理解线性表两种存储结构的不同特点及其适用场合，能针对需求选用合适的存储结构解决实际问题；

（三）栈和队列

1.理解栈和队列的特点；

2.掌握两种存储结构上栈的基本操作的实现；

3.掌握栈的各种应用，理解递归算法执行过程中栈状态的变化过程；

4.掌握循环队列和链队列的基本运算；

5.会应用栈和队列结构解决实际问题。

（四）串

1.掌握串的基本运算定义，了解利用基本运算来实现串的其它运算的方法；

2.了解在顺序存储结构和在堆存储结构以及块链存储结构上实现串的各种操作的方法；

3.理解KMP算法，掌握NEXT函数和改进NEXT函数的定义和计算。

（五）数组和广义表

1.掌握数组在以行为主和以列为主的存储结构中的地址计算方法；

2.掌握矩阵压缩存储时的下标变换方法，了解以三元组表示稀疏矩阵的方法；

3.理解广义表的定义及其存储结构，广义表的头尾和子表两种分析方法。

（六）树和二叉树

1.熟练掌握二叉树的结构特点和性质，掌握二叉树各种存储结构及构建方法；

2.掌握按先序、中序、后序和层次次序遍历二叉树的算法，理解二叉树的线索化实质和方法；

3.利用二叉树的遍历求解实际问题；

4.掌握树的各种存储结构及其特点，掌握树的各种运算的实现算法；

5.掌握建立最优二叉树和哈夫曼编码的方法。

（七）图

1.熟练掌握图的基本概念，会构建各种图的存储结构；

2.掌握深度优先搜索遍历和广度优先搜索遍历图的算法；

3.灵活运用图的遍历算法求解各种路径问题，包括最小生成树﹑最短路径﹑拓扑排序﹑关键路径等。

（八）查找

1.熟练掌握各种静态查找和动态查找算法，能计算查找成功时和失败时的平均查找长度；

2.掌握二叉排序树的建立、插入和删除过程，掌握二叉平衡树的建立和旋转平衡方法；

3.掌握B-树的建立、插入和删除结点的过程；

4.熟练掌握哈希表的构造方法和处理冲突的方法。

（九）排序

1.掌握各种排序算法，包括插入类、交换类、选择类、归并类排序及基数排序；

2.能够对各种排序方法进行比较分析，如稳定性、时间和空间性能等，了解各种排序方法的特点和不同并灵活应用。

二、计算机操作系统（45%）

（一）操作系统的概念

掌握计算机系统的组成，操作系统的概念，操作系统的基本类型，操作系统的功能；

理解操作系统的发展历史，计算机硬件，研究操作系统的几种观点。

（二）操作系统的界面

掌握作业的概念；作业的控制方式；命令控制界面和系统调用；

理解系统调用的过程。

（三）进程管理

掌握进程，进程状态，进程互斥，进程同步，临界资源，临界区，直接制约，间接制约，死锁，线程的概念；

掌握多道程序设计，进程的描述，进程并发，PCB（进程控制块），进程控制，进程互斥与进程同步机制，P、V原语操作，进程通信及死锁的形成与解决方法；

了解线程的概念，线程的特点，线程的并发，线程的分类。

（四）处理机调度

掌握作业与进程的关系，作业调度策略与算法，进程调度策略与算法；

了解：各种调度算法评价。

（五）存储管理

掌握虚拟存储器，地址变换，内外存数据传输的控制，内存的分配与回收，内存信息的共享与保护；

掌握分区管理的基本原理和实现技术，分区的分配与回收；

掌握覆盖技术，交换技术；

掌握页式存储管理的基本原理，静态页式管理，动态页式管理，请求页式管理中的置换算法；

掌握段式存储管理的基本思想，段式管理的实现原理，段页式管理的基本思想及实现原理；

理解分区管理、页式管理、段式管理的优缺点及存储保护问题，局部性原理和抖动问题。

（六）文件系统

掌握文件和文件系统的概念，文件的逻辑结构与存取方法，文件的物理结构与存储设备，文件的存储空间管理，文件目录管理，文件的存取控制；

理解文件的使用，文件系统的层次模型。

（七）设备管理

掌握设备的类别，设备管理的功能和任务，数据传送控制方式，中断技术，缓冲技术；

理解设备分配用的数据结构及原则，I/O进程控制。

考试科目：602数学

一、高等数学（60%）

(一)函数、极限、连续

1.函数的概念及表示法；

2.函数的有界性、单调性、周期性和奇偶性；

3.复合函数、反函数、分段函数和隐函数；

4.基本初等函数的性质及其图形；

5.初等函数；

6.函数关系的建立；

7.数列极限与函数极限的定义及其性质；

8.函数的左极限与右极限；

9.无穷小量和无穷大量的概念及其关系；

10.无穷小量的性质及无穷小量的比较；

11.极限的四则运算；

12.极限存在的两个准则：单调有界准则和夹逼准则；

13.两个重要极限： ， ；

14.函数连续的概念；

15.函数间断点的类型；

16.初等函数的连续性；

17.闭区间上连续函数的性质。

(二)一元函数微分学

1.导数和微分的概念；

2.导数的几何意义和物理意义；

3.函数的可导性与连续性之间的关系；

4.平面曲线的切线和法线；

5.导数和微分的四则运算；

6.基本初等函数的导数；

7.复合函数、隐函数以及参数方程所确定的函数的微分法；

8.一阶微分形式的不变性；

9.微分中值定理洛必达(L'Hospital)法则；

10.函数单调性的判别；

11.函数的极值；

12.函数图形的凹凸性、拐点及渐近线；

13.函数图形的描绘；

14.函数的最大值与最小值；

15.弧微分。

 (三)一元函数积分学

1.原函数和不定积分的概念、不定积分的基本性质；

2.基本积分公式；

3.定积分的概念和基本性质；

4.定积分中值定理；

5.积分上限的函数及其导数；

6.牛顿-莱布尼茨(Newton-Leibniz)公式；

7.不定积分和定积分的换元积分法与分部积分法；

8.简单无理函数的积分；

9.无穷限的反常积分；

10.定积分的应用。

(四)多元函数微积分学

1.多元函数的概念；

2.二元函数的几何意义；

3.二元函数的极限与连续的概念；

4.有界闭区域上多元连续函数的性质；

5.多元函数的偏导数和全微分；

6.多元复合函数、隐函数的求导法；

7.二阶偏导数；

8.多元函数的极值和条件极值、最大值和最小值；

9.二重积分的概念、基本性质和计算。

(五)无穷级数

1.常数项级数的收敛与发散的概念；

2.收敛级数的和的概念；

3.级数的基本性质与收敛的必要条件；

4.正项级数收敛性的判别法；

5.交错级数与莱布尼茨定理；

6.任意项级数的绝对收敛与条件收敛；

7.函数项级数的收敛域与和函数的概念；

8.幂级数及其收敛半径、收敛区间(指开区间)和收敛域；

9.幂级数的和函数；

10.幂级数在其收敛区间内的基本性质简单幂级数的和函数的求法。

二、线性代数（20%）

(一)行列式

1.行列式的概念和基本性质；

2.行列式按行(列)展开定理，行列式的计算。

(二)矩阵

1.矩阵的概念；

2.矩阵的运算；

3.逆矩阵；

4. 矩阵的初等变换；

5. 矩阵的秩。

(三)向量

1.向量的概念；

2.向量的线性组合与线性表示；

3.向量组的线性相关与线性无关；

4.向量组的极大线性无关组；

5.等价向量组、向量组的秩；

6.向量组的秩与矩阵的秩之间的关系；

7.向量空间及其相关概念；

8.线性无关向量组的正交规范化方法；

9.规范正交基；

10.正交矩阵及其性质。

(四)线性方程组

1.线性方程组的克拉默(Cramer)法则；

2.线性方程组解的判别法则；

3.齐次和非齐次线性方程组的求解。

(五) 矩阵的特征值和特征向量

1.矩阵的特征值和特征向量的概念、性质；

2.相似矩阵，特征值和特征向量的计算；

3. n阶矩阵可化为对角矩阵的条件和方法。

(六)二次型

1.二次型及其矩阵表示；

2.合同变换与合同矩阵；

3.二次型的秩；

4.惯性定理；

5.二次型的标准形和规范形；

6.用正交变换和配方法化二次型为标准形；

7.二次型及其矩阵的正定性。

三、概率论与数理统计（20%）

(一)随机事件和概率

1.随机事件与样本空间；

2.事件的关系与运算；

3.完备事件组；

4.概率的概念；

5.概率的基本性质；

6.古典型概率；

7.几何型概率；

8.条件概率；

9.概率的基本公式；

10.事件的独立性；

11.独立重复试验。

(二)随机变量及其分布

1.随机变量；

2.随机变量分布函数的概念及其性质；

3.离散型随机变量的概率分布；

4.连续型随机变量的概率密度；

5.常见随机变量的分布；

6.随机变量函数的分布。

(三)多维随机变量及其分布

1.多维随机变量及其分布函数；

2.二维离散型随机变量的概率分布、边缘分布和条件分布；

3.二维连续型随机变量的概率密度、边缘概率密度和条件密度；

4.随机变量的独立性和不相关性；

5.常用二维随机变量的分布；

6.两个及两个以上随机变量简单函数的分布。

(四)随机变量的数字特征

1.随机变量的数学期望(均值)、方差、标准差及其性质；

2.随机变量函数的数学期望、矩、协方差、相关系数及其性质。

(五)大数定律和中心极限定理

1.切比雪夫(Chebyshev)不等式；

2.切比雪夫大数定律；

3.伯努利(Bernoulli)大数定律；

4.辛钦(Khinchine)大数定律；

5.棣莫弗-拉普拉斯(DeMoivre-Laplace)定理；

6.列维-林德伯格(Levy-Lindberg)定理。

(六)数理统计的基本概念

1.总体、个体与简单随机样本；

2.统计量、样本均值、样本方差和样本矩；

3. 分布、 分布、 分布、分位数、正态总体的常用抽样分布。

(七)参数估计

1.点估计的概念；

2.估计量与估计值；

3.矩估计法；

4.最大似然估计法。

(八)假设检验

1.显著性检验；

2.假设检验的两类错误；

3.单个及两个正态总体的均值和方差的假设检验。