下载文档原格式
模式识别与智能系统硕士点研究生入学复试大纲复试笔试满分为150分，包括基本能力测试（45分）和专业基础知识测试（105分）两部分。
采取闭卷考试，考试时间一般为2至3小时。
有关专业基础知识测试的说明专业基础知识测试（105分）由21道题目组成，参加笔试同学可从中任意选择7道完成，每题15分。
专业知识点包括以下七个方面：一．图象处理(共3题)考试知识点：数字图象直方图、基于直方图均衡化的图象增强、边缘检测算子、梯度大小/方向计算、频域滤波基础、频域滤波操作的基本步骤。
辅导材料：冈萨雷斯等，《数字图象处理》,第二版，电子工业出版社, 2003.3, ISBN 7-5053-8236-5。
认真阅读该书的3.3, 4.2, 10.1。
二．信息安全(共2题)考试知识点：信息熵的计算、信源编码。
辅导材料：《信息与编码理论基础》，万旺根，上海大学出版社。
三．人工智能(共2题)考试知识点：人工智能的基本概念。
辅导材料：廉师友，人工智能技术导论（第二版）廉师友西安电子科技大学出版社, 2002.7, ISBN 7-5606-0811-6。
认真阅读该书的第一章。
四．微型计算机原理(共5题)考试知识点：80x86指令寻址模式及汇编指令的书写格式；不同进制数之间的转换；汇编程序的阅读；计数器模块8253及其编程；可编程中断控制器8259模块及其编程。
注：相关硬件模块控制字格式不需记忆。
（提供）辅导材料：微型计算机技术及应用（第3版），戴梅萼等，清华大学出版社，2003五．多媒体信息处理(共4题)考试知识点：1.多媒体基本概念多媒体技术，多媒体系统的层次结构，多媒体系统的组成2.多媒体数据压缩：数据压缩算法概念及分类，统计编码，预测编码，变换编码，分形编码静态图像压缩标准JPEG，运动图像压缩标准MPEG，音频压缩标准3.音频信息处理声音数字化，音频文件格式，声卡的组成与设计(含声卡的工作原理、硬件设计、软件结构、编程接口等)4.视频信息处理视频信号数字化，视频的文件格式，视频压缩卡的设计辅导材料：多媒体技术基础及应用，钟玉琢等，北京：清华大学出版社，2006.2六．生物特征识别(共2题)考试知识点：生物信息学序列联配（双序列比对，多序列比对）。
模式识别与智能系统专业硕士研究生培养方案Power System and Automation(专业代码：081104 授工学学位)一、培养目标：培养德智体全面发展，具有坚实和系统的模式识别与智能系统理论知识和实践技能，了解模式识别与智能系统学科发展的前沿和动态，能够适应我国经济、科技、教育发展需要，面向二十一世纪的科学研究、工程技术和高等教育的高层次人才。
具备从事模式识别、图像处理、信号分析处理、网络化智能技术与系统、人工智能、智能控制、智能传感系统、智能信息系统等方面的独立工作能力。
注意理论联系实际，能够分析和解决现代经济建设和交叉学科中涌现出的新课题。
熟练掌握一门外语，能够在模式识别与智能系统学科及相关学科领域独立开展研究工作。
二、主要研究方向：1．信号分析处理与智能控制本研究方向涉及对各种确定、不确定性信息与数据进行分析处理，以及具有智能特征的控制算法与控制方案的研究。
主要从事智能控制基本原理、基本方法以及复杂信号提取与分析处理的研究，包括网络环境下智能控制理论与技术，神经网络、模糊逻辑理论，智能信息处理技术与应用等。
2．图像处理技术及应用本研究方向主要应用图像工程的有关原理与技术，对图像获取、处理、分析、理解与辨识等功能的实现进行深入研究，其中主要包括图像信息的检测与分析、图像信息的挖掘与识别、图像处理、模式识别或图像识别、景物分析、图像理解等。
此外，通过运用图像获取、抽取特征、比较和匹配等自动测量方法和融合技术，实现对人体特征的识别，进而达到认证个人身份的目的。
三、学习年限与学分全日制攻读硕士学位的学习年限为2.5年，鼓励优秀学生提前答辩。
总学分要求≥43学分，其中修课学分数要求≥28学分，研究环节要求≥15学分，具体学分分配如下图：四、课程设置模式识别与智能系统专业研究生课程设置。
模式识别与智能系统Pattern Recognition & Intelligent System（专业代码：081104）一、学科概况本校模式识别与智能系统学科为国务院1993年批准的博士学位授予权学科，2001年经国务院学位委员会批准为国家级重点学科（二级学科）；本学科所在的控制科学与工程学科具有一级学科博士学位授予权,同时拥有一级学科博士后流动站。
本学科主要从事模式识别与智能系统的理论与应用研究，为本校“211工程”重点建设学科。
经过多年的建设，现有博士生导师七名，百余名的博士生研究队伍，和先进的教学与科研硬设备环境。
多年来，一批科研成果达到国际与国内先进水平。
二、培养目标本学科培养的模式识别与智能系统的硕士研究生应具有较宽广的基础理论及较深入的专业知识，能解决国家经济建设与国防中在本领域内的工程技术的应用课题，具有较好的理论联系实际的能力。
三、学制和学分全日制硕士研究生实行以两年制为主的弹性学制，原则上不超过5年。
总学分28学分，其中必修课程不少于14学分。
四、硕士课程设置五、科研能力与水平1. 掌握本学科的基础理论和专业知识，对所研究的课题有新的见解，取得新的成果。
对于学术型学位的硕士研究生，还应熟悉国内外相关的学术研究动态。
2. 工作认真踏实，能独立进行科研工作并圆满完成科研任务。
3. 对于应用型、复合型学位的硕士研究生，能发现实践中与本学科相关的需求，能提出工程解决方案；对于学术型学位的硕士研究生，能提出和界定科学问题。
4. 硕士研究生在校期间应积极发表学术论文，参与学术交流。
六、开题报告为确保学位论文的质量，指导教师应针对每个硕士研究生的类型和层次，确定选题范围。
硕士研究生在导师的指导下，通过阅读文献、收集资料和调查研究后确定研究课题，提交开题报告。
开题报告的主要内容包括：（1）课题来源及研究的目的和意义；（2）国内外在该方向的研究现状及分析；（3）主要研究内容；（4）研究方案及进度安排，预期达到的目标；（5）预计研究过程中可能遇到的困难和问题以及解决的措施；（6）主要参考文献。
模式识别课程编码:课程英文译名:Pattern Recognition课程类别:学位课开课对象:模式识别与智能系统开课学期:第2学期学分: 3 学分;总学时: 48 学时;理论课学时:48 学时;实验学时:0 学时;上机学时:先修课程:学习本课程之前,应先学习《概率论》、《线性代数》课程。
教材:《模式识别》清华大学出版社,2000年1月,第二版参考书:【1】《数字图像处理》 Kenneth.R.Castleman著,朱志刚等译,电子工业出版社 1998年9月一、课程的性质、目的和任务《模式识别》是模式识别与智能系统硕士生一门学位课。
模式识别就是利用计算机对某些物理现象进行分类,在错误概率最小的条件下,使识别的结果尽量与事物相符。
本课程的任务是使学生掌握模式识别的基本原理和方法,了解模式识别在实际系统中的应用。
二、课程的基本要求通过本课程的学习,要求重点掌握统计模式识别的基本理论和应用。
掌握统计模式识别方法中的特征提取和分类决策。
掌握特征提取和选择的准则和算法,掌握监督学习的原理以及分类器的设计方法。
基本掌握非监督模式识别方法。
了解应用人工神经网络和模糊理论的模式识别方法。
掌握模式识别的应用和系统设计。
三、教学方式课程采用教师课堂讲授和学生课外自学相结合的教学方式。
教师课堂讲模式识别方面的核心内容,学生通过阅读参考书和文献资料,进一步深入了解课程的最新研究成果。
四、课程的主要教学内容和学时分配授课时数:48学时主要内容:第一章绪论1.1 模式和模式识别的概念1.2 模式识别系统1.3 关于模式识别的一些基本问题第二章贝叶斯决策理论2.1 几种常用的决策规则2.2 正态分布时的统计决策2.3 分类器的错误率分析第三章概率密度函数的估计3.1 参数估计的基本原理3.2 监督参数估计3.3非监督参数估计第四章线性判别函数4.1线性判别函数和线性分类器的基本概念4.2 常用准则函数的线性分类器设计4.3 多类问题第五章非线性判别函数5.1 分段线性判别函数的基本概念5.2 分段线性分类器设计5.3 二次判别函数5.4 近邻法第六章特征的选择与提取6.1 基本概念6.2 类别可分离性6.3 特征提取6.4 特征选择第七章非监督学习方法7.1 引言7.2 单峰子集(类)的分离方法7.3 类别分离的间接方法7.4 分级聚类方法第八章模式识别的发展与应用8.1 神经网络模式识别8.2 模糊模式识别方法8.3 识别方法在语音信号数字处理中的应用8.4 印刷体汉字识别中的特征提取五、习题及课外教学要求通过习题巩固和加深对所学知识的理解,培养分析能力计算能力,为此要布置适量的习题。
北航考研详解与指导模式识别与智能系统出分数前查查相关实验室，根据自己感兴趣的方向，选择自己比较感兴趣的老师，出分数后，给导师发邮件，一般比较牛的导师保研的就招了几个，外校的基本很难得到回复，如果你发邮件过去，老师两三天没回你（当然周末不算，周一周二发，周末老师很多不上班不看邮件），基本邮件可能就沉入大海了。
一般从导师回复的邮件可以看出老师是否有意向要你，如果有意向，会问你对什么方向感兴趣不，或者要你再发比较详细的简介，或者问你是否在北京，在北京的话可以来找找他；如果没意向，会婉拒你，比如名额没定，或者得看复试表现。
如果老师有意向收你，可以提前来北京，跟导师见面聊聊，带上自己的自我简介，自我简介尽量详细点，突出自己的优势，兴趣什么的都可以提，多花点心思在简历上。
一个师姐的邮件经验：当时就是出分数后就给导师发邮件，有两个没回我，来了之后也知道是非常厉害的导师，现在的导师就回我邮件了，直接问我是否对什么方向感兴趣不，如果在北京可以来找他，然后我就提前来北京跟导师见面了，那个时候导师也比较有意向招我了。
跟老师见面的时候也没问我专业问题，就是闲聊差不多，不用表现得太紧张，这个可能每个老师不同。
对于去年的专业考试，专业考试：前面30分C语言，比较基础的知识，最后的大题是编一个结构体；然后60分是图像方面的知识，题和问题全是英语，包括阈值，二值化等等。
因为我是跨专业，本科的时候没接触过图像的知识，所以考完我都不知道是考的图像方面的知识，我当时以为考的是逻辑理解能力，题给的信息量大，只要理解题目，没有图像知识，也能做出来。
最后十分英语写作，关于为什么选择图像处理中心或者你学习图像处理的优势。
复试通知上关于笔试信息是专业英语、C/C++语言和专业知识，复试前心里都会比较担忧，有点无从下手的感觉，考完会发现大部分都是平时的一个积累，笔试前好好复习C/C++，看看英语，可以侧重航空航天方面的，了解一些专业名词。
关于面试的问题，面试地点是在一个会议室，老师围着会议桌坐着，离门最近的位置就是面试学生的。
2024年硕士研究生入学考试复试科目大纲
一、考试目的与要求
目的：全面考察学生的专业基础、综合素质及分析解决问题的能力。
要求：掌握复试科目的基本知识点，具备良好的知识应用和问题解决能力。
二、考试内容与形式
1. 专业知识笔试：考察学生对复试科目基础知识的掌握情况。
2. 综合素质面试：测试学生的综合素质、沟通表达能力等。
3. 英语能力测试：考察学生的英语听说能力。
三、考试科目与时间安排
复试科目：复试科目包括专业课、综合素质及英语能力三部分。
时间安排：总时长约为2小时，具体分配如下：
+ 专业课笔试（40分钟）
+ 综合素质面试（30分钟）
+ 英语能力测试（30分钟）
四、评分标准与成绩计算
评分标准：专业知识笔试、综合素质面试及英语能力测试分别设定相应的评分标准。
成绩计算：总成绩=初试成绩权重+复试成绩权重。
复试成绩由专业课笔试、综合素质面试及英语能力测试按比例综合评定。
五、考试纪律与注意事项
考生应严格遵守考试纪律，不得作弊。
考生应按时到达考试地点，迟到者不得入场。
考生应保持考场整洁，不得在考场内随意走动或交谈。
《模式识别与机器学习》教学大纲Pattern Recognition and Machine Learning第一部分大纲说明1. 课程代码：2. 课程性质：学位必修课3. 学时/学分：40/34. 课程目标：模式识别与机器学习研究计算机识别物体的机理，该课程的学习将为数据分析与处理以及人工智能等领域的学习打下基础。
本课程主要分为两大部分，第一部分主要介绍模式识别，包括模式识别的基本概念、基本原理、典型方法、实用技术以及有关研究的新成果，其目的是使学生掌握模式识别的基本概念和基本原理，了解模式识别在图像分析、语音识别和音频分类等领域的具体应用、存在的问题和发展前景。
第二部分主要介绍机器学习，包括多项式回归、正则方程、逻辑回归、神经网络、深度置信网络、卷积神经网络等，通过教学使学生掌握机器学习的基础理论，以及无监督学习和强化学习等；熟悉常见机器学习的常用算法，以及算法的主要思想和运用方法，并通过编程实践和典型应用实例加深了解。
5. 教学方式：课堂讲授、自学与讨论、课堂上机与实例项目相结合6. 考核方式：考试7. 先修课程：概率论、数字信号处理9. 教材及教学参考资料：（一）教材：《模式识别》第4版，Sergios T等编，电子工业出版社边肇祺，张学工等编著，《机器学习》，Peter Flach. 人民邮电出版社, 2016.（二）教学参考资料：[1]《模式分类》(英文版·第2版)， Richard O等编，机械工业出版社[2]《模式识别导论》，范九伦等编，西安电子科技大学出版社[3]《模式识别》第2版，边肇祺等编，清华大学出版社[4]《神经网络与机器学习（英文版·第3版）》. Haykin S. 机械工业出版社[5]《Deep Learning》. Ian Goodfellow, Yoshua Bengio and Aaron Courville. MIT Press第二部分教学内容和教学要求上篇模式识别第一章绪论教学内容：1.1模式与模式识别1.2模式识别的主要方法1.3监督模式识别与非监督模式识别1.4模式识别系统举例1.5模式识别系统的典型构成教学要求：了解模式识别的相关常识与概念，以及一些常用的研究方法。
模式识别与智能系统（081104）
学科门类：工学（08）一级学科：控制科学与工程（0811）
模式识别与智能系统属控制科学与工程一级学科，以信息处理与模式识别的理论技术为核心，以数学方法与计算机技术为主要工具，探索对各种媒体信息进行处理、分类和理解的方法，并在此基础上研究构造具有某些智能特性系统的方法和途径。
本学科依托计算机科学与技术系、模式识别与智能系统研究所，主要从事智能信息处理、模式识别、人工神经网络、图形图像处理等领域的教学和科研工作。
一、培养目标
热爱祖国，有高尚的道德修养和求真务实的科学态度与作风；具有模式识别与智能系统学科坚实的基础理论、系统的专业知识和熟练的实验技能；对国内外本学科领域的研究进展和学术动态有较深的了解；能够熟练地使用人工智能方法与计算机工具解决本学科的有关问题；熟练地掌握一门外国语；能胜任科研院所、大专院校及相关领域的研究、应用开发、教学、管理等工作。
二、主要研究方向
1、计算智能
2、模式识别
3、图像处理
4、可视化计算
三、学制和学分
攻读硕士学位的标准学制为2.5年，学习年限实行弹性学制，最短不低于2年，最长不超过3.5年（非全日制学生可延长1年）。
硕士研究生课程由学位课程、非学位课程和研究环节组成。
硕士研究生课程总学分不少于32学分，其中学位课程不少于18学分，非学位课程不少于9学分，研究环节5学分。
四、课程设置
模式识别与智能系统学科硕士研究生课程设置。
模式识别与智能系统专业硕士生培养方案一．学科专业名称：1．一级学科名称控制科学与控制工程（Control Science and Control Engineering）2．二级学科名称模式识别与智能系统（Pattern Recognition an Intelligent System）3．主要研究内容模式识别，图象处理与分析，计算机视觉，智能机器人，人工智能，计算智能，信号处理。
主要相关学科：控制理论与控制工程，计算机科学与技术，信息与通信系统，电子科学与技术，生物学，心理学。
4．主要研究方向（1）智能系统与网络信息智能处理（Intelligent Systems and Intelligent Processing for Network Information）导师：丁永生、郭放、李德敏、陈镜超、胡良剑、李征、唐明浩（2）生物信息处理与系统建模（Biology Information Processing and System Modeling）导师：丁永生、陶有山、闫理坦、石红瑞、任正云、舒慧生（3）图形图像处理与模式识别（Graph & Image Processing and Pattern Recognition）导师：方建安、卢文科、郝矿荣、孙韶媛、任立红、郑建立、李曼珍（4）机器视觉与信息融合(Machine Vision and Information Fusion)导师：王直杰、秦玉明、郭放、韩秀玲、郝矿荣、郑建立、陈忧先二、培养目标根据研究生教育“面向现代化，面向世界，面向未来”的要求，必须坚持贯彻德智体全面发展的方针，要求硕士研究生做到：1．努力学习马列主义、毛泽东思想和邓小平同志建设有中国特色社会主义理论，拥护社会主义，热爱祖国，遵纪守法，综合素质高，积极为社会主义现代化建设事业服务2．掌握模式识别与智能系统学科坚实的基础理论和系统的专门知识；掌握本学科的现代试验技能和计算能力；熟悉控制科学与工程学科的理论与应用的研究前沿和发展现状，具有独立从事科学研究的能力和良好的工作作风；熟练的掌握一门外国语。
（3078）《模式识别与智能系统》专业综合
考试内容：
包括以下三门课程（三门课程内容选做2门）：
一、图像处理与图像识别：
1. 数字图像的基本概念；
2. 数字图像处理的基本方法；
3. 图像模式识别的基本原理和方法；
4. 图像和视频信息压缩的基本概念和原理。
二、密码学
1.密码学的基本概念；
2.分组密码中，DES、IDEA、NSSD算法；
3.公钥密码体制中，背包公钥密码、RSA、拉宾算法和基本的数论知识；
4.利用线性反馈移位寄存器的密码反馈原理；
5.数字签名、Hash函数、安全协议。
三、TCP/IP协议
1.熟悉TCP/IP所涉及的各种物理网络技术；
2.掌握TCP/IP族各层主要协议；
3.掌握TCP/IP中的路由协议及其常用算法；
4.掌握基于流行操作系统平台上的TCP/IP联网及应用方法；
5.熟悉基于socket机制和客户服务器模型的编程；
6.熟悉TCP/IP高层协议及其应用；
7.理解TCP/IP的层次结构思想。
参考书目：
1.《数字图像处理》，朱志刚等译；
2.科学出版社出版的图像图形丛书；
3.《密码学》，卢开澄，清华大学出版社，1999年8月；
4.《计算机密码应用基础》，朱文余、孙琦，科学出版社，2000年8月；
5.《TCP/IP网络原理与技术》，周明天，清华大学出版社；
6.《TCP/IP权威教程》，杨铁男，清华大学出版社。
华南农业大学模式识别与智能系统（081104）学术型硕士研究生培养方案一、培养目标1. 硕士研究生应具有严谨的科学态度，良好的道德思想素质和科学风貌，勇于创新，成为德智体全面发展的模式识别与智能系统专业人才。
2. 硕士研究生应具有扎实的模式识别与智能系统基础理论和系统的专业知识，具备在自动控制学科和农业工程领域研究的背景，掌握本学科所需要的实践技能，具有较强的分析问题和解决问题的能力。
毕业后能胜任与专业相关的高等院校、科研院所、生产企业等单位的教学、科研及技术管理工作。
二、研究方向1. 农业智能机器人理论研究与应用2. 智能检测与控制系统理论与应用3. 机器视觉与图像分析理论与应用三、学习年限学制3年，最长学习年限不超过5年。
四、课程设置课程学习实行学分制，所有课程成绩60分以上（含60分）为及格。
至少应修满26学分。
一般每18学时对应1学分，每门理论课一般不超过3学分，实验课不限。
（一）必修课1. 公共必修课① 中国特色社会主义理论与实践研究（2学分，36学时）② 马克思主义与社会科学方法论(1学分，18学时)或自然辩证法(1学分，18学时)（二选一）③ 硕士生英语（4学分，72学时）2. 专业必修课① 学科前沿讲座（1学分，18学时）② 模式识别（2学分，36学时）③工程数学（3学分，54学时）（二）选修课在导师指导下可在全校范围内选修，具体课程请参照“华南农业大学研究生教育管理系统课程库”。
选修课不少于10学分，建议不超过15学分。
（三）补修课以同等学力和跨一级学科考取的硕士研究生，至少应补修该专业本科主干课程2门。
如果补修的课程已经在我校修过，可以按规定申请免修。
补修课不计学分。
①算法与数据结构②最优化方法五、培养环节1. 必修环节（3学分）必修环节包括读书报告，学术交流，实践活动三部分，各计1学分。
导师根据学生提交的相关依据材料，如所作的学术报告PPT（讲义）、参加学术报告笔记、文献综述报告、实践活动工作报告等，按优、良、合格、不合格四个等级给分。
模式识别与智能系统硕士点
研究生入学复试大纲
复试笔试满分为150分，包括基本能力测试（45分）和专业基础知识测试（105分）两部分。
采取闭卷考试，考试时间一般为2至3小时。
有关专业基础知识测试的说明
专业基础知识测试（105分）由21道题目组成，参加笔试同学可从中任意选择7道完成，每题15分。
专业知识点包括以下七个方面：
一．图象处理(共3题)
考试知识点：数字图象直方图、基于直方图均衡化的图象增强、边缘检测算子、梯度大小/方向计算、频域滤波基础、频域滤波操作的基本步骤。
辅导材料：冈萨雷斯等，《数字图象处理》,第二版，电子工业出版社, 2003.3, ISBN 7-5053-8236-5。
认真阅读该书的3.3, 4.2, 10.1。
二．信息安全(共2题)
考试知识点：信息熵的计算、信源编码。
辅导材料：《信息与编码理论基础》，万旺根，上海大学出版社。
三．人工智能(共2题)
考试知识点：人工智能的基本概念。
辅导材料：廉师友，人工智能技术导论（第二版）廉师友西安电子科技大学出版社, 2002.7, ISBN 7-5606-0811-6。
认真阅读该书的第一章。
四．微型计算机原理(共5题)
考试知识点：80x86指令寻址模式及汇编指令的书写格式；不同进制数之间的转换；汇编程序的阅读；计数器模块8253及其编程；可编程中断控制器8259模块及其编程。
注：相关硬件模块控制字格式不需记忆。
（提供）
辅导材料：微型计算机技术及应用（第3版），戴梅萼等，清华大学出版社，2003
五．多媒体信息处理(共4题)
考试知识点：1.多媒体基本概念
多媒体技术，多媒体系统的层次结构，多媒体系统的组成
2.多媒体数据压缩：
数据压缩算法概念及分类，统计编码，预测编码，变换编码，分形编码
静态图像压缩标准JPEG，运动图像压缩标准MPEG，音频压缩标准
3.音频信息处理
声音数字化，音频文件格式，声卡的组成与设计(含声卡的工作原理、硬件设计、软件结构、编程接口等)
4.视频信息处理
视频信号数字化，视频的文件格式，视频压缩卡的设计
辅导材料：多媒体技术基础及应用，钟玉琢等，北京：清华大学出版社，2006.2
六．生物特征识别(共2题)
考试知识点：生物信息学序列联配（双序列比对，多序列比对）。
辅导材料：David W. Mount，《生物信息学：序列与基因组分析（影印）》,Bioinformatics: Sequence and Genome Analysis, Cold Spring Harbor Lab(CSHL) Press。
认真阅读sequence alignment 的相关内容。
七．射频识别(共3题)
考试知识点：电子标签的基本概念。
辅导材料：纪震，李慧慧等，《电子标签原理与应用》,西安电子科技大学出版社, 2005.12, ISBN 705606-1599-6。
认真阅读该书的第一章。
