模式识别国家重点实验室(中科院自动化研究所).txt吃吧吃吧不是罪，再胖的人也有权利去增肥！苗条背后其实是憔悴，爱你的人不会在乎你的腰围！尝尝阔别已久美食的滋味，就算撑死也是一种美！减肥最可怕的不是饥饿，而是你明明不饿但总觉得非得吃点什么才踏实。本文由renlian111贡献
doc文档可能在WAP端浏览体验不佳。建议您优先选择TXT，或下载源文件到本机查看。
模式识别国家重点实验室
简介
模式识别国家重点实验室,于 1984 年由国家计委批准筹建, 1987 年通过国家验收并正式对外开放.依托于中国科学院自动化研究所.实验室第一任主任是现任国家科技部副部长的马颂德研究员,现任主任为谭铁牛研究员.实验室现有固定人员 22 人,平均年龄 37.8 岁,科研骨干均具有博士学位.实验室流动人员包括博士后,在读博士生与硕士生,高级访问学者及客座研究人员.实验室计划发展规模为固定人员 25-30 人,流动人员 100 人左右. 实验室以"面向世界,面向未来,开展前瞻性的基础研究;立足国内, 面对现实,推进定向性的应用研究与技术开发"为发展战略,追求个人事业与集体事业共同协调发展,力争成为具有国际水准的科学研究,技术创新和高科技人才培养基地. 实验室目前的主要研究方向为模式识别,计算机视觉,图像处理与图形学,口语信息处理,自然语言处理以及模式识别应用与系统等. 实验室目前承担了三十余项科研项目,其中包括国家重点基础研究规划"973"项目(图象,语音,自然语言理解与知识发掘),国家基金委重大,重点项目,国家杰出青年科学基金项目,国家攻关项目,国家高技术计划"863"项目,国家基金委面上项目及国际合作项目等. 实验室成员每年在国内外重要的学术期刊和国际学术会议上发表论文百余篇,其中不少发表在国际权威刊物与国际重要会议上,如 IEEE 汇刊(PAMI 等),International Journal of Computer Vision, Pattern Recognition, Image and Vision Computing, Automatica, EuroSpeech, ICSLP, ICASSP, ICCV, ICPR, ACCV 等. 近年来,实验室已获准和申请发明专利 26 项,获国家科技进步二等奖 1 项,中科院自然科学二等奖 2 项,其它部委级三等奖 3 项,国际发明金奖与世界知识产权专项奖各 1 项. 实验室在开展国际国内学术交流与合作方面,有着优良的传统. 实验室借各种机会,积极组织学术交流,每年一批在美国,法国,德
国,日本,英国,新加坡等地工作的优秀中国留学生,定期到实验室从事短期客座研究,来自美国,加拿大,英国,法国,日本等二十多个国家或地区的知名学者到实验室做学术报告达几十人次.实验室通过中科院自动化所和法国国立信息与自动化研究院(INRIA)成立了 "中法信息,自动化与应用数学联合实验室",与香港科技大学成立了信息技术联合实验室.实验室成员积极参与国内外学术组织的工作,担任许多国内外学术期刊的主编,副主编或编委,以及国际重要学术会议的大会主席或程序委员会委员等. 实验室十分重视与高新技术企业的交流与合作,希望通过与社会资源的有效组合,促进成果转化,为我国的经济建设和社会发展服务! 研究方向与目标
人类具有很强的模式识别能力.通过视觉信息识别文字,图片和周围的环境,通过听觉信息识别与理解语言.模式识别能力是人类智能的重要组成部分.从信息处理的角度搞清它的机理,研究它的计算理论与算法,以使计算机来实现人的视觉,听觉等模式识别能力,是人类在基础理论与应用研究中面临最重大的挑战之一.用计算机实现模式的自动识别,是开发智能机器的一个最关键的突破口(如果机器不能自动感知与识别周围环境,机器智能也就无从谈起!).它的成功应用将大大推动人工智能系统的发展,拓广计算机与各种自动机器的应用范围. 随着数字化和网络通讯技术的飞速发展,"信息过载"(Information Overload) 已成为日益严重的问题.如何用智能化的手段处理和识别网上的海量信息(包括文字,图像,语音等)已成为当前信息技术领域所面临的一个巨大挑战.解决这个问题,使普通百姓能方便地获取所需信息,将互联网上丰富的信息资源转换为发展知识经济的宝贵财富,是我国在推进国
民经济和社会信息化进程中的一个重大需求. 特别是从国家信息安全的战略高度出发,研究有害网络信息过滤和有用信息检索中的智能信息处理与识别技术已成为当务之急. 与此同时,要进一步普及计算机的应用,加速信息技术向全社会的渗透,消除所谓的"数字鸿沟",就必须研究友好适人化的人机交互技术,以克服传统的人机交互手段的弊端,提高计算机和信息系统的友善性和好用性.人机交互技术的发展将支持用户通过各种手持式设备,传统 PC 终端和固定电话等形式来安全可靠地检索各种媒体信息.美国微软公司比尔.盖茨认为人类计算的未来就是要让比尔. 比尔计算机会看,会听,会说,会思考("The future of computing is to make 计算机会看,会听,会说,会思考 computers see,hear,speak and think."?Bill Gates).1999 年,美国总统信息技术顾问委员会PITAC(President 抯Information Technology Advisory Committee)在其提交给联邦政府关于"面向未来的信息技术研究" (Information Technology Research: Investing in Our Future)的咨询报告中,建议联邦政府将人机界面和交互技术的基础研究作为优先资助的重点,并强调模式识别和感知等方面的基础研究将极大地改善人类与机器之间的交互模式识别和感知等方面的基础研究将极大地改善人类与机器之间的交互("Fundamental research in human sensory-motor systems, perception, attention, pattern recognition and decision-making has the potential recognition, to make dramatic improvements in the interaction of people and machines."- PITAC).因此,模式识别不仅是一个有重大科学意义的研究领模式识别不仅是一个有重大科学意义的研究领也是网络数字化时代诸多实际应用中需要突破的一项重大关键技术. 域,也是网络数字化时代诸多实际应用中需要突破的一项重大关键技术. 针对上述的重大科学和技术前沿问题,围绕我国国民经济,社会发展和国防安全的战略需求,结合已有的基础和学科优势,本着"有所为,有所不为"的指导思想,实验室自成立以来始终将研究方向聚焦在模式识别领域的几个有限目标上. 实验室的研究方向为模式识别基础理论,图像处理与计算机视觉, 实验室的研究方向为模式识别基础理论,图像处理与计算机视觉,语音与语言信息处理. 信息处理. 模式识别基础理论的研究是开展模式识别其它方向研究的基础,此方向主要研模式识别基础理论究内容包括脑功能成像数据分析,计算视觉理论与模型,选择性注意与主动视觉,图像与语音识别的认知机理,机器学习与分类器设计等. 图像处理与计算机视觉是两个紧密相联的问题,有着广泛的应用领域和前景. 图像处理与计算机视觉实验室在此方向的主要研究内容有医学图像处理,遥感图像处理,图像水印, 基于内容的图像与视频检索,三维视觉和物体识别,运动分析与理解以及生特征识别. 语音与语言信息处理是改善人机界面和交互方式的重要手段,是推进国民经济语音与语言信息处理和社会信息化,实现不同语种之间的全球自由通讯的重大关键技术.实验室在此方向的主要研究内容包括大词汇量非特定人连续语音识别,高鲁棒性语音识别,分布式与嵌入式语音识别,口语翻译以及中文语言处理. 实验室的研究目标是在上述三个方向提出创新的理论与算法,攻克关键技术, 实验室的研究目标是在上述三个方向提出创新的理论与算法,攻克关键技术, 积累基础性数据资源,集成实用的或接近实用的原型示范系统, 积累基础性数据资源,集成实用的或接近实用的原型示范系统,并努力实现技术转移,促进我国信息技术产业的发展. 术转移,促进我国信息技术产业的发展. 实验室的总体发展目标是"面向国家战略需求,瞄准国际学科前沿,开展模式识别领域的基础和应用基础研究,建设国家一流的国家重点实验室,使其成为国内外著名的科学研究,技术创新和人才培养基地,为我国信息高科技的发展提供知识,技术与人才储备" . 在研项目序项目名称号 1 图像理解与图像库检索 2 口语翻译导向的高性能语音识别和理解的研究负责人项目来源谭铁牛 973 计划徐波973 计划
3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41
基于空间数据融合的区域规划决策支持系统普林特不变性知觉信息表达的计算理论与计算机实验谭铁牛模糊 PID 控制器的系统化研究胡包钢视觉信息的群体动态时空编码和选择性注意机制马颂德视觉监控谭铁牛基于计算机视觉的三维动画田英利汉语话语翻译关键技术的研究黄泰翼几何基元提取与参数空间分解法胡占义单株植物生长的计算机建模与三维可视化仿真胡包钢虚拟现实中基于基因图象的建模和绘制胡占义中法联合实验室项目胡包钢基于卫星图象处理方法的环境监测及水灾估计的应用马颂德植物生长过程及其构造形态的随机功能与交互式胡包钢数字博物馆景物的几何,光度模型建立王向东对话系统的可移植性问题徐波 CSTAR-III 框架下中法口语翻译研究徐波水灾分析和决策支持的数据融合蒲林特水灾分析和决策支持的数据融合-应用马颂德汉语会话系统徐波中文非特定人数字语音识别徐波口语语料处理宗成庆基于计算机三维景象重构和可视化胡占义 Pepole modeling 谭铁牛生态系统优化决策支持系统蒲林特基于 C-STAR III 多语种框架的中法口语翻译系统设计宗成庆与实践人脑选择性注意和计算机主动视觉的跨学科研究胡占义语音网络服务器王阳生生物特征信息处理与识别谭铁牛运动图象理解与基于内容的信息检索卢汉清移动互联环境下的语音识别徐波医用虚拟内窥镜系统卢汉清 LAMOST 天体光谱自动识别系统的预研胡占义能听会说的机器人李成荣弹上惯测组合自主导北时间序列分析与误差模式识别台宪青 IC 卡用指纹识别算法蒋田仔交通场景的视觉监控胡卫明几何特征提取与参数空间分析法李泉林语音导航 GIS/GPS 集成系统研究及其在 PDA 上的实现刘文举强杂波背景中红外弱小目标探测与识别关键技术唐明
863 计划国家自然科学基金国家自然科学基金国家自然科学基金国家杰出青年基金国家自然科学基金国家自然科学基金国家自然科学基金国家自然科学基金国家自然科学基金国际合作国际重大项目国际合作国际合作国际合作国际合作国际合作国际合作国际合作国际合作国际合作国际合作国际合作国际合作国际合作院创新重大项目省部委项目院创新方向项目院创新方向项目院创新方向项目横向合作横向合作横向合作横向合作横向合作院其它项目院其它项目院其它项目其它项目
42 43 44 45 46
基于图象序列的机器人工作环境重建天体光谱数据自动分类和识别动态场景的视觉监控技术面向多国语言的电视语音自动翻译技术研究医学成像与计算
胡占义胡占义胡卫明宗成庆蒋田仔
院其它项目院其它项目院其它项目院其它项目院"百人计划"
姓名马颂德(主任) 黄熙涛(协主任) 谭铁牛蒋田仔张钹李德毅袁保宗贾云得李子青陈霖冯志伟罗述谦查红彬陈武凡徐波王珏任福继 Anil Jain Alex Waibel 权龙庄炳湟
学术委员会职称 E-mail 地址 masongde@https://www.doczj.com/doc/aa16746927.html, 研究员 huang@https://www.doczj.com/doc/aa16746927.html, 教授tnt@https://www.doczj.com/doc/aa16746927.html, 研究员Tianzi.jiang@https://www.doczj.com/doc/aa16746927.html, 研究员dcszb@https://www.doczj.com/doc/aa16746927.html, 教授leedeyi@https://www.doczj.com/doc/aa16746927.html, 教授bzyuan@https://www.doczj.com/doc/aa16746927.html, 教授 jiayunde@https://www.doczj.com/doc/aa16746927.html, 教授 szli@https://www.doczj.com/doc/aa16746927.html, 教授lchen@https://www.doczj.com/doc/aa16746927.html, 研究员zwfengde@https://www.doczj.com/doc/aa16746927.html, 教授cumsz@https://www.doczj.com/doc/aa16746927.html, 教授zha@https://www.doczj.com/doc/aa16746927.html, 教授chenwf@https://www.doczj.com/doc/aa16746927.html, 教授Bo.xu@https://www.doczj.com/doc/aa16746927.html, 研究员Jue.wang@https://www.doczj.com/doc/aa16746927.html, 研究员ren@is.tokushima-u.ac.jp 教授jain@https://www.doczj.com/doc/aa16746927.html, 教授waibel@https://www.doczj.com/doc/aa16746927.html, 教授quan@https://www.doczj.com/doc/aa16746927.html,t.hk 教授 juang@https://www.doczj.com/doc/aa16746927.html, 教授工作人员 E-Mail tnt@https://www.doczj.com/doc/aa16746927.html, xubo@https://www.doczj.com/doc/aa16746927.html, huzy@https://www.doczj.com/doc/aa16746927.html, luhq@https://www.doczj.com/doc/aa16746927.html, jiangtz@https://www.doczj.com/doc/aa16746927.html, hubg@https://www.doczj.com/doc/aa16746927.html, fcwu@https://www.doczj.com/doc/aa16746927.html, szli@https://www.doczj.com/doc/aa16746927.html,
姓名谭铁牛徐波胡占义卢汉清蒋田仔胡包钢吴福朝李子青
职称研究员研究员研究员研究员研究员研究员研究员研究员
电话 62545671 62616623 62616540 82614465 82614469 62647318 62542944 82626787 杨青刘成林刘文举宗成庆胡卫明王蕴红普琳特陶建华吴毅红唐明臧玉峰张晓鹏潘春洪侯新文陈志义朱朝喆范勇刘青山赵微连国臻马丽霞
研究员研究员副研究员副研究员副研究员副研究员副研究员副研究员副研究员副研究员副研究员副研究员副研究员副研究员工程师助理研究员助理研究员助理研究员工程师工程师秘书
qyang@https://www.doczj.com/doc/aa16746927.html, liucl@https://www.doczj.com/doc/aa16746927.html, lwj@https://www.doczj.com/doc/aa16746927.html, cqzong@https://www.doczj.com/doc/aa16746927.html, wmhu@https://www.doczj.com/doc/aa16746927.html, wangyh@https://www.doczj.com/doc/aa16746927.html, prinet@https://www.doczj.com/doc/aa16746927.html, jhtao@https://www.doczj.com/doc/aa16746927.html, yhwu@https://www.doczj.com/doc/aa16746927.html, tangm@https://www.doczj.com/doc/aa16746927.html, yfzang@https://www.doczj.com/doc/aa16746927.html, xpzhang@https://www.doczj.com/doc/aa16746927.html, chpan@https://www.doczj.com/doc/aa16746927.html, xwhou@https://www.doczj.com/doc/aa16746927.html, zychen@https://www.doczj.com/doc/aa16746927.html, czzhu@https://www.doczj.com/doc/aa16746927.html, yfan@https://www.doczj.com/doc/aa16746927.html, qsliu@https://www.doczj.com/doc/aa16746927.html, zhao@https://www.doczj.com/doc/aa16746927.html, gzlian@https://www.doczj.com/doc/aa16746927.html, lxma@https://www.doczj.com/doc/aa16746927.html,
82614505 82614505 62542944 62542944 62542944 82614523 62542946 62527720 62555513 82629803 62542943 62555513 62659278 62542971 62545671 62545671 62545671
Tieniu Tan Professor National Lab of Pattern Recognition Email: tnt@https://www.doczj.com/doc/aa16746927.html, Phone: 86-10-82614515 Fax: 86-10-62551993
Tieniu Tan graduated with a BSc from Xi'an Jiaotong University in 1984, and obtained his MSc (in 1986) and PhD (in 1989) degrees from Imperial College of Science,Technology and Medicine, London, UK. Prior to his return to China in 1998, He worked at the University of Reading, UK as Research Fellow, Senior Research Fellow and Lecturer. He currently serve as the President of the Institute of Automation as well as the Director of the NLPR. He lead the Intelligent Recognition & Digital Security Group of the NLPR. His current research focuses on the visual surveillance and monitoring of dynamic scenes (for example, the detection and recognition of abnormal behaviors or other specific events), personal identification based on multiple biometric features such as face, iris, fingerprint, handwriting and gait, and watermarking of digital multimedia data such as digital static images and digital video. He also have research projects on image and video databases, invariant visual perception and mobilerobot navigation (especially for intelligent wheelchairs). Selected Publications 1. Y. Zhu, T. N. Tan and Y. Wang, Font Recognition Based on Global Texture Analysis,IEEE
Tans. Pattern Analysis and Machine Intelligence, Oct. 2001. 2. J. G. Wang and T. N. Tan, A New Face Detection Method Based on Shape Information,Pattern Recognition Letters, vol.21, pp463-471. 2000. 3. T.N.Tan and K.D.Baker,Efficient Image Gradient-Based Vehicle Localisation, IEEE Trans. Image Processing, vol.9, no.8, pp.1343-1356, August 2000. 4. H. E. S. Said, T. N. Tan and K. D. Baker, Writer Identification Based on Handwriting, Pattern Recognition , vol.33, no.1, 2000, pp.133-148. 5. S. J. Maybank and T. N. Tan, Introduction to Special Section on Visual Surveillance, Inter. J. Computer Vision, vol.37, no.2, June 2000. Professional Activities 1. SPIE International Symposium on Multi-spectral Image Processing and Pattern Recognition,22-24 October 2001,Wuhan,China(Program Committee Member) 2. The 2nd IEEE Inter. Workshop on Performance Evaluation of Tracking and
Surveillance,December2001,USA (Program Committee Member) 3. The Perceptive User Interfaces Workshop(PUI'2001),November15-16,2001,Orlando, USA (Program Committee Member) 4. The 3rd Inernational Conference on Cognitive Sciences(ICCS2001),27-31 August 2001,Beijing,China (Program Committee Co-chair) 5. The 6th International Conference for Young Computer Scientists(ICYCS'2001), 23-25 October 2001,Hangzhou,China(Member of Steering Committee) 6. Associate Editor, Pattern Recognition(1997-),Pergamon/Elsevier 7. Asia Editor,Image and Vision Computing(1998-),Elsevier 8. Member of Editorial Board,International Journal of Image and Graphics(2000-), World Scientific 9. Member of Editorial Board, International Journal of Information Technology and Decision Making(2001-),World Scientific. 10. Associate Editor, IEEE Transactions on Pattern Analysis and Machine Intelligence (2002-)
Research Mission
Conduct quality research in the broad field of Pattern Recognition Establish a center of excellence in scientific research, technological innovation and postgraduate training Promote technology transfer and international collaboration Research Directions
NLPR's research directions include:
Computer and Robot Vision Image Processing and Graphics Natural Language Processing Pattern Recognition Pattern Recognition Applications and Systems Spoken Language Processing
Selected Publications Shape Recvery From a Color Image for Non-Lambertian Surfaces, Yingli 1 Tian, H.T.Tsui, J.Opt.Soc .Am.A . 14(2):397-404,1997
Model-Independent Object Orientation Determination, Tieniu Tan, K. D. 2 Baker, G. D. Sullivan, IEEE Trans. Robotics and Automation, 13(4):602606,1997 Noise Robustness of Texture Features, Tieniu Tan, Image and Vision 3 Computing 15(11):115-118,1997 A Tabu Search Method for Geometric Primitive Extraction, Qifa Ke, 4 Tianzi Jiang, Songde Ma, Pattern Recognition Letters 19(14):14431452,1997 Dyadic Scale Space, Ge Cong, Songde Ma, Pattern Recognition 5 30(2):339-352,1997 The United Adaptive Learning Algorithm for The Link Weights and Shape Parameter in Rbfn for Pattern Recognition, Deshuan Huang, Inter. 6 Journal of Pattern Recognition and Artificial Intelligence 11(6):873888,1997 A New Eigenstructure Method for Sinusoidal Signal Retrieval in A Broad 7 Band Noise - Estimation and Pattern Recognition, Baogang Hu, Gosine, R.G., IEEE Transactions on Signal Processing 45(12):3073-3083,1997 Performance Prediction of the Hough Transform, Zhanyi Hu, Songde Ma, 8 Journal of Computer Science and Technology 12(1):49-57,1997 Contour Matching Using Wavelet Transform and Multigrid Methods, 9 Tianzi Jiang, Songde Ma, Journal of Computer Science and Technology 12(6):564-570,1997 A Parallel Information-Based Complexity Approa-ch to Visual Surface 10 Recog-nition, Tianzi Jiang, International J. Computer and Mathematics 68(3-4):165-177,1998 Derivative Computation by Multiscale Filters, Songde Ma, Bingcheng Li, 11 Image and Vision Computing 16:43-53,1998 Robust Epipolar Geometry Estimation From Two Uncalibrated Images, 12 Jinxiang Chai , Songde Ma, Pattern Recognition Letter 19(9),1998 Multi-Agent Visual Surveillance of Dynamic Scenes, P.Remagnino, 13 Tieniu Tan, A.D.Worrall K.D.Baker, Image and Vision Computing
16(8):529-532,1998 Model-Based Localization and Recognition of Road Vehicles, Tieniu 14 Tan, G. D. Sullivan, K. D. Baker, Int. J. Computer Vision 27(1):525,1998 From Image Quadrilaterals to Bilateral Symmetric Trapezia, Tieniu Tan, 15 Pattern Recognition 31(8):1117,1998 Locating and Recognising Road Vehicles, Tieniu Tan, Optical 16 Engineering 37(1):202-207,1998 Application of Fuzzy Classification Technique in Computer Grading of 17 Fish Product, Baogang Hu, Gosine, R.G., Cao L.X 等, IEEE Transactions on Fuzzy Systems 6(1): 144-152,1998 Efficient Rotation Invariant Texture Features for Content-Based Image 18 Retrieval, Tieniu Tan, S.R.Fountain, Pattern Recognition 31(11):17251732, 1998
Rotation Invariant Texture Features and Their Use in Automatic Script 19 Identification, Tieniu Tan, IEEE Transactions on Pattern Analysis and Machine Intelligence 20(7):751-756,1998 Corner Enhancement in Curvature Scale Space, Ge Cong, Songde Ma, 20 Pattern Recognition 31(10):1491-1501,1998 A List-Processing Approach to Compute Voronoi Diagrams and the Euclidean Distance Transform, weiguang Guan, Songde Ma, IEEE 21 Transactions on Pattern Analysis and Machine Intelligence 20(7):757761,1998 Local Interaction Fields and Adaptive Regularizers for Surface 22 Reconstruction and Images Relaxation, ZhiyongYang , Songde Ma, Network: Comput. Neural Syst 9:19-37,1998 The Average Case Complexity of the Shift-Invariant Problem, T.Z.Jiang, 23 ArthurG.Werschulz, Approx. Theory & its Appl. 14(1):1-7,1998 The Worst Case Complexity of the Fredholm Equation with Non-Periodic 24 Free Term and Noise Information, T.Z.Jiang, Numer. Funct. Anal. and Optimiz 19(3&4):329-343,1998 Probabilistic Analysis of Galerkin-like Methods for the Fredholm 25 Equation, T.Z.Jiang, Journal of Computational Mathematics 16(5):445456,1998 On Multivariate Approximation by Mejer-Konig-Zeller Type 26 Polynomials, T.Z.Jiang, Southwest Journal of Pure and Applied Mathematics (7):1-8,1998 Deformable Registration of Digital Images, Weiguang Guan, Xie Lin , 27 Songde Ma, Journal of Computer Science and Technology 13(3):246260,1998 A New Definition of the Hough Transform, Zhanyi Hu, Wei Wang, Yi 28 Yang , Songde Ma, Journal of Computer Science and Technology 13(5): 385-392, 1998 Analysis on Attribute Reduction Strategies of Rough Set, J.Wang, 29 D.Q.Miao, Journal of Computer Science and Technology 13(2):189193,1998 New Methodology for Analytical and Optimal Design of Fuzzy PID 30 Controllers, B.-G. Hu, G.K.I. Mann, R.G. Gosine, IEEE Transactions on Fuzzy Systems 7: 521-539, 1999 Analysis of Direct Action Fuzzy PID Controller Structures, G.K.I. Mann, 31 B.-G. Hu, R.G Gosine, IEEE Transactions on Systems, Man, and Cybernetics, Part B: Cybernetics 29(3): 371-388,1999 A Tabu Search Approach to Optimal Structuring Element Extraction for 32 MST-Based Shapes Description, Tianzi Jiang, International J. Computer Mathematics 71:437-4451999 The Worst Case Complexity of The Fredholm Equation with Periodic 33 Free Term and Noisy Information, Tianzi Jiang, International J. Computer Mathematics 73(1-2):1-14,1999 The Worst Case Complexity of The Fredholm Equation with Periodic 33 Free Term and Noisy Information, Tianzi Jiang, International J. Computer
35 36
37
38
39
40 41 42 43 44 45 46 47
48
49
50 51
Mathematics Matching Using Schwarz Integrals, QingYang , Songde Ma, Pattern Recognition 6: 1039-1047,1999 Intrinsic Multiscale Representation Using Optical Flow in the ScaleSpace, Qing Yang, Songde Ma, IEEE Trans. on Image Processing 3: 444447, 1999 Conditional Stochastic Decompositions in the M/M/c Queue with Server Vacations, Naishuo Tian, quanlin Li, Jinhua Cao, Stochastic Models 15(2):367~378,1999 Geometric Primitive Extraction by the Combination of Tabu Search and Subpixel Accuracy, T. Jiang, J. Computer Science and Technology, 14(1):74-80,1999 An Inherent Probabilistic Aspect of the Hough Transform, ZhanyiHu, Changjiang Yang, Yi Yang , Songde Ma, Journal of Computer Science and Technology 14(1):44-48,1999 Bayesian Learning, Global Competition and Unsupervised Image Segmentation, Guodong Guo, SongDe MA, Pattern Recognition Letter 21:107-116,2000 A Generalization of 2-Periodic Trigonometric Interpolation, Tianzi Jiang, Southwest Journal of Pure and Applied Mathematics 5(1):74-81,2000 Medical Image Reconstruction Using a Multi-objective Gentic Local Search Algorithm, Xiaodong Li, Tianzi Jiang, David J., International Journal of Computer Mathematics 74:301-314,2000 Introduction to Special Section on Visual Surveillance, S.J.Maybank, T.N.Tan, Inter. J. Computer Vision 37(2):173,2000 Efficient Image Gradient-Based Vehicle Localisation, T. N. Tan, K. D. Baker, IEEE Trans. Image Processing, 9(8):1343-1356,2000 Personal Indentification Based on Handwriting, H.E.S.Said, T.N.Tan , K.D.Baker, Pattern Recognition 33(1):149-159,2000 A New Face Detection Method Based on Shape Information, J.G.Wang T.N.Tan, Pattern Recognition Letters 21(6-7):463-471,2000 Embedding Image Watermarks in DC Components, Jiwu Huang, Yun Q. Shi, Yi Shi, IEEE Trans. on Circuits and Systems for Video Technology 10(6): 974-979,2000 Automated Identification of Symmetry in CBED Patterns: A Genetic Approach, G.B. HU, L.-M. Peng, Q.F. Yu, H.Q. LU, Ultramicroscopy 84:47-56,2000 Model-based Adaptive Enhancement of Far Infrared Image Sequences, Ming Tang, Songde Ma, Jing Xiao, Pattern Recognition Letters 21:827835,2001 General Scheme of Region Competition Based on Scale Space, Ming Tang, Songde Ma, IEEE Transactions on Pattern Recognition and Machine Intelligence 23(12):1366-1378,2001 Font Recognition Based on Global Texture Analysis, Y. Zhu, T. Tan, Y. Wang, IEEE Tans. Pattern Analysis and Machine Intelligence
52 53 54 55 56
57
58
59
60
61
62 63 64 65 66
67 68
23(10):1192-1200,2001 Spatio-temporal Segmentation for video surveillance, H. Z. Sun, T. N. Tan, Electronics Letters 37(1):20-21,2001 A Discrete Trigonometric
Interpolation Method, Tianzi Jiang D.J. Evans, International Journal of Computer Mathematics 78(3-4):13-22,2001 Cell Image Segmentation with Kernel-Based Dynamic Clustering and an Ellipsoidal Cell Shape Model, Faguo Yang , Tianzi Jiang, Journal of Biomedical Informatics 34(2):67-73,2001 Pixon-Based Image Denoising with Markov Random Fields, Qing Lu, Tianzi Jiang, Pattern Recognition 34(10):2029-2039,2001 Image Restoration by Combining Local Genetic Algorithm with Adaptive Pre-conditioning, Tianzi Jiang , D. J. Evans, International Journal of Computer Mathematics 76(3):279-295,2001 An Evolutionary Tabu Saerch Approach to Optimal Structuring Element Extraction for MST-Based Shapes Description, Tianzi Jiang, International Journal of Computer Mathematics, 76(3):307-315,2001 Time-domain Based Design and Analysis of New PID Tuning Rules, Mann, G.K.I., Hu, B.-G., Gosine, R.G., IEE Proceedings - Control Theory and Applications 148(3):251- 262,2001 Two-level tuning of fuzzy PID controllers, Mann, G.K.I., Hu, B.-G. , Gosine, R.G, IEEE Transactions on Systems Man, and Cybernetics Part B: Cybernetics 3(2):263-269,2001
A systematic study of fuzzy PID controllers? Function-based evaluation approach, Hu,
B.-G., Mann, G.K.I., Gosine, R.G., IEEE Transactions on Fuzzy Systems 7(5): 699-712,2001 Robot Self-Location by Line Correspondences, Zhanyi Hu, Chen Lei, H.T. Tsui, Journal of Computer Science and Technology 16(2):97113,2001 A SVD-Based Watermarking Scheme for Protecting Rightful Ownership, R. Z. Liu and T. N. Tan,, IEEE Trans.on Multimedia Volume: 4 Issue: 1, pp.121-128,March 2002. Brief Review of Invariant Texture Analysis Methods, Jianguo Zhang and Tieniu Tan, Pattern Recognition Vol.35, No.3, pp.735-744, 2002. A Note on the Number of Solutions of the Non-Coplanar P4P Problem, Z. Y. HU and F.
C. WU, IEEE-Trans. PAMI, Vol.24, No.4, pp.550-555, 2002 Visual Vehicle Tracking Algorithm, Jianguang Lou, Tieniu Tan and Weiming Hu, Electronic letters Vol.38 No.18, 2002. Mosaic Representations of Video Sequences based on Slice Image Analysis, Saolei Feng, Hanqing Lu and Songde Ma,, Pattern Recognition Letter Vol.23.pp.513-521, 2002. Head tracking Using Shape and adaptive color histogram, Qingshan Liu, Songed Ma and Hanqing Lu, Journal of Computer Science and Technology Vol.6, 2002 A Neural Network Approach to Shape from Shading, Tianzi Jiang, Bing
69
70
71
72
73
Liu, Yingli Lu and David J. Evans, International Journal of Computer Mathematics Vol. 80, No. 5/6, pp.1-6, 2002. A?Comparative Study of Global Optimization Approaches to MEG Source Localization, Tianzi Jiang, An Luo, Xiaodong Li and Frithjof Kruggel, International Journal of Computer Mathematics Vol. 80, No. 3/4, pp.1-20, 2002. An Evolutionary Tabu Search for Cell Image Segmentation, Tianzi Jiang and Faguo Yang, IEEE Transactions on Systems, Man and Cybernetics Part B, Cybernetics Vol. 32, No.5, pp. 675-678, 2002. On the Accelerated Richardson Method (ARM) for Solving Positive Definite Linear Systems, David J. Evans, Yong Fan and Tianzi Jiang, Neural, Parallel & Scientific Computations Vol. 10, No. 2, 2002. The Parallel Genetic Algorithm for
Electromagnetic Inverse Scattering of a Conductor, Yong Fan, Tianzi Jiang and David J. Evans, International Journal of Computer Mathematics Vol. 79, No. 5, pp. 573-586, 2002. Volumetric Segmentation of the Ventricles From Brain MRI Using Parallel Genetic Algorithm, Yong Fan, Tianzi Jiang and David J. Evans, IEEE Transactions on Medical Imaging Vol. 21, No.8, pp.904-909, 2002.
面向口语翻译的汉语语句改写方法, 宗成庆, 张玉洁, 山本和英, 坂本 74 仁, 白井谕, Journal of Chinese Language and computing Vol.12, No.1, pp63-67, 2002.
Chairman
Songde MA Professor Professor
Co-Chairman
Thomas S Huang
Members
Tieniu TAN Tianzi JIANG Bo ZHANG Deyi LI Baozong YUAN Yunde JIA Ziqing LI Lin CHEN Zhiwei FENG Shuqian LUO Hongbin Zha Wufan CHEN Bo XU Jue WANG Professor Professor Professor Professor Professor Professor Professor Professor Professor Professor Professor Professor Professor Professor Fuji REN Anil Jain Alex Waibel Long QUAN Binghuang ZHUANG Professor Professor Professor Professor Professor
Director
Tieniu Tan
Deputy Directors
Tianzi Jiang
Hanqing Lu
Bo Xu
Researchers
Zhanyi Hu Chengqing Zong Weimin Hu Jianhua Tao Xiaopeng Zhang Baogang Hu Ziqing Li Yunhong Wang Yihong Wu Chunhong Pan Fuchao Wu Qing Yang Veronique Prinet Yufeng Zang Qingshan Liu Wenju Liu Chenglin Liu Ming Tang Xinwen Hou Caozhe Zhu
Technician
Zhiyi Chen
Secretaries
Guozhen Lian Wei Zhao Lixia Ma
Post-Doctors
Xing Zhao Chunhong Pan Zhigang Zhan Ruizhen Zhao Gexian Hou Yihong Wu Xiangdong Wang
1
清华考博辅导：清华大学自动化学院考博难度解析及经验分享清华大学自动化学院2019 年博士研究生招生实行“申请―审核”制，符合《清华大学2019 年招收攻读博士学位研究生简章》中报考条件的申请人提交相关材料，依据考生申请材料的综合评价结果确定差额综合考核名单，经综合考核后择优推荐拟录取。强军计划、少数民族骨干计划、论文博士等采取相同的办法同时进行。 一、院系简介 自动化系成立于1970年。为适应国家工业建设和国防建设的需要，清华大学于五十年代即设置了与自动化学科有关的一批专业，包括工业企业电气化与自动化专业（1955年设在电机系）、自动学与远动学专业（1955年设在电机系，1958年6月并入自动控制系改名为自动控制专业）、热能动力装置专业中的热力设备自动化专门化以及后来的热工量测及自动控制专业（1956年设在动力机械系）等。 1970年5月，清华大学将一批有关的专业联合建立起国内第一个自动化系（初期名为工业自动化系），其人员主要来源于电机系和动力机械系两大部分。 参与组建的电机系单位包括工业企业电气化与自动化教研组、电子学教研组（原名工业电子学教研组）、可控硅元件及装置车间、电机系系机关以及少数由其他教研组抽调出来的教师；动力机械系的单位包括热工量测及自动控制教研组的绝大部分教师。初建系时全系教职工共约200人，其中教授2人，副教授5人，讲师34人，助教43人，还有1970届毕业生87人，此外还包括一部分基础课和政治科教师。建系当年开始招收工农兵学员，自1970年至1976年，先后招生6届，共1264人。 1979年7月，学校统筹进行专业布局调整，将原来在计算机系（即前自动控制系）从事自动控制理论研究与教学的部分教师并入自动化系，加强自动化学科的理论基础，成立了控制理论教研组。 为适应国家经济建设的发展以及迎接新技术革命的挑战，这一时期自动化系在学科建设和布局上进行了重大的调整和发展。首先是完成了专业内容的更新，一方面继续巩固和提高在控制工程方面的优势，加强现代控制理论基础和其它新技术的研究；另一方面不失时机的开展信息技术和系统工程学科的教学和科研工作。在著名信息科学家、中国科学院学部委员常迥教授支持下，建立了信息处理与模式识别教研组以及相应的博士点；郑维敏教授领导建立了系统工程研究室。同时，积极开展学科建设，全系于1981年成立了自动化科学与技术研究所，常迥教授担任第一任所长。此外，大力发展研究生教育，全系四个研究生专业（学
1.简述模式的概念及其直观特性，模式识别的分类，有哪几种方法。（6’） 答（1）：什么是模式？广义地说，存在于时间和空间中可观察的物体，如果我们可以区别它们是否相同或是否相似，都可以称之为模式。 模式所指的不是事物本身，而是从事物获得的信息，因此，模式往往表现为具有时间和空间分布的信息。 模式的直观特性：可观察性；可区分性；相似性。 答（2）：模式识别的分类： 假说的两种获得方法（模式识别进行学习的两种方法）： 监督学习、概念驱动或归纳假说； 非监督学习、数据驱动或演绎假说。 模式分类的主要方法： 数据聚类：用某种相似性度量的方法将原始数据组织成有意义的和有用的各种数据 集。是一种非监督学习的方法，解决方案是数据驱动的。 统计分类：基于概率统计模型得到各类别的特征向量的分布，以取得分类的方法。 特征向量分布的获得是基于一个类别已知的训练样本集。是一种监督分类的方法， 分类器是概念驱动的。 结构模式识别：该方法通过考虑识别对象的各部分之间的联系来达到识别分类的目 的。（句法模式识别） 神经网络：由一系列互相联系的、相同的单元（神经元）组成。相互间的联系可以 在不同的神经元之间传递增强或抑制信号。增强或抑制是通过调整神经元相互间联 系的权重系数来（weight）实现。神经网络可以实现监督和非监督学习条件下的分 类。 2.什么是神经网络？有什么主要特点？选择神经网络模式应该考虑什么因 素？（8’） 答（1）：所谓人工神经网络就是基于模仿生物大脑的结构和功能而构成的一种信息处理系统（计算机）。由于我们建立的信息处理系统实际上是模仿生理神经网络，因此称它为人工神经网络。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。 人工神经网络的两种操作过程：训练学习、正常操作（回忆操作）。 答（2）：人工神经网络的特点： 固有的并行结构和并行处理； 知识的分布存储； 有较强的容错性； 有一定的自适应性； 人工神经网络的局限性： 人工神经网络不适于高精度的计算； 人工神经网络不适于做类似顺序计数的工作； 人工神经网络的学习和训练往往是一个艰难的过程； 人工神经网络必须克服时间域顺序处理方面的困难； 硬件限制； 正确的训练数据的收集。 答（3）：选取人工神经网络模型，要基于应用的要求和人工神经网络模型的能力间的匹配，主要考虑因素包括：
中国科学院自动化研究所 2017年招收攻读博士学位研究生入学考试试题 考试科目： 算法设计与分析 （共2页，7道大题，满分100分，时间为3个小时） 说明：算法设计可以使用类程序语言（伪代码）描述。 1. 完成下列各题 [本题满分36分，每小题6分]： (1) 请给出算法，对双链表X ，将指针变量F 指向的结点插入到指针变量P 指向的结点之前。 (2) 请写出算法，实现如下功能：对于输入的任意一个非负10进制整数N ，打印出与其等值的2进制数。 (3) 请设计一个算法，删除字符串S 中从第i 个位置开始连续的n 个字符，估计算法的执行时间。 (4) 对于给定序列：6 12 18 26 45 56 88 97 如果用二分法（折半查找法）检索88，请问：分几步可以找到88？请给出每一步中范围指针low （低位）和high （高位）及其中间位置指针mid 的取值。 (5) 请用图示说明用直接插入排序对以下序列： 26 32 35 28 18 57 5 68 进行排序的过程，包括每次的比较和交换次数。 (6) 请证明：对于一个无向图G =(V , E )，若G 中各顶点的度均大于或等于2，则G 中必有回路。 2. 请设计一个镜面映射算法，将一棵二叉树的左、右孩子结点对称地交互位置。 [本题满分10分] 3. 若M 是11m n ?矩阵，N 是22m n ?矩阵，12n m =，矩阵Q M N =?。如果M 和N 为稀疏矩阵并用三元组表存储非零值，请写出矩阵相乘的算法。 [本题满分10分] 4. 请设计算法，用于寻找迷宫中从入口到出口的所有路径。 [本题满分10分]
5. 假设集合S 有n 个元素，m 个形如(,)x y （,x y S ∈）的等价偶对确定了等价 关系R ，请设计算法求S 的所有等价类。 [本题满分10分] 6. 给定由n 个整数（可能为负整数）组成的序列n a a a ,,,21 ，给出动态规划算 法求该序列形如∑=j i k k a 的子段和的最大值，并说明算法的时间代价和空间代 价。当所有整数均为负整数时定义其最大子段和为0。依此定义，所求的最优值为}max ,0max{1∑=≤≤≤j i k k n j i a 。例如，当)2,5,13,4,11,2().,.,,(654321----=a a a a a a 时，最大子段和为204 2 =∑=k k a 。 [本题满分10分] 7. 假设一个带权的有向图G =(V , E )，w 是G 的一个顶点，w 的偏心距定义为： Max{从u 到w 的最短路径的长度} 其中，V u ∈，最短路径的长度指路径上边所带权的总和。 G 中偏心距最小的顶点称为G 的中心。请设计一个算法求带权有向图的中心，并确定算法的时间复杂度。 [本题满分14分]
中国科学院自动化研究所 2006年招收攻读博士学位研究生入学统一考试试题 科目名称：算法设计与分析 考生须知： 1．本试卷满分为100分，全部考试时间总计180分钟。 2．所有答案必须写在答题纸上，写在试题纸上或草稿纸上一律无效。 （共两页，六个大题，满分100分） 1.完成下列各题[25分]： （1） 下列算法求一个十进制正整数在二进制表示中的二进制数字的个数： Binary(n) /* n为十进制正整数 */ count← 1 while n > 1 do count←count +1 n← ??2/n return count 请问该算法的循环次数大约是多少？n>1时，比较运算次数为多少？ （2） 请写一个递归函数计算二叉树的高度（只有一个根结点的二叉树的高度为1）。 （3） 从空的二叉树开始，根据字典顺序（注意，“he”< “toss”, “tea”< “teach”），严格按照A VL树（或“称平衡的二叉检索树”，“平衡的二 叉排序树”）插入算法，依次插入he、tea、teach、twin、hot、toss这 6个关键码。请画出插入所有结点后的A VL树。 （4） 对于环状的链式队列，写出计算队列元素个数的程序。 （5） Fibonacci序列为0，1，1，2，3，5，8，13，21，…其中，每个元素是前两个元素之和。请设计一个计算该序列任意元素的递归过程。2.一个n个节点的有向图的传递闭包可以定义为一个n阶布尔矩阵T，使得当
第i 个顶点到第j 个顶点的路径长度为正时，T [i , j ]=1；否则，T [i , j ]=0（n j i ≤≥,1）。请设计一个算法来求该传递闭包，并分析你设计的算法的时间复杂度。[10分] 3. 给定由n 个整数（可能为负整数）组成的序列n a a a ,,,21L ，给出动态规划算 法求该序列形如∑=j i k k a 的子段和的最大值，并说明算法的时间代价和空间代 价。当所有整数均为负整数时定义其最大子段和为0。依此定义，所求的最优值为}max ,0max{1∑=≤≤≤j i k k n j i a 。例如，当) 2,5,13,4,11,2().,.,,(654321 ????=a a a a a a 时，最大子段和为204 2=∑=k k a 。[15分] 4. 给定n 种物品和一个袋子，物品i 的重量是w i ，其价值为v i ，袋子的容量为 c 。物品i 装入袋子时可以选择物品i 的一部分，而不一定全部装入袋子。请问：如何选择装入袋子的物品，使得装入袋子中物品的总价值最大？要求：（1）给出该问题的形式化描述；（2）给出算法描述；（3）给出算法的时间复杂度。[15分] 5. 一个长度为n 的有序序列加入k 个新元素（k << n ） ，假设这k 个新元素随机地分布于整个序列中。请编写算法对插入新元素后的序列排序，并分析该算法的时间代价和空间代价。[15分] 6. 设A 和B 是两个字符串。对于字符串可以执行如下操作： （1） 删除一个字符；（2）插入一个字符；（3）将一个字符替换成另外一个 字符。 利用上面的三种操作可以将字符串A 转换成字符串B 。这种转换所需要的最少的字符串操作次数称为字符串A 到B 的编辑距离，记为d(A, B)。请设计一个算法，对任意给定的两个字符串A 和B ，计算出他们的编辑距离d(A, B)。 [20分]
北京市 数学与系统科学研究院 力学研究所 物理研究所 高能物理研究所 声学研究所 理论物理研究所 国家天文台 渗流流体力学研究所 自然科学史研究所 理化技术研究所 化学研究所 过程工程研究所 生态环境研究中心 古脊椎动物与古人类研究所大气物理研究所 地理科学与资源研究所 遥感应用研究所 空间科学与应用研究中心 对地观测与数字地球科学中心地质与地球物理研究所 数学科学学院 物理学院 化学与化工学院 地球科学学院 资源与环境学院 生命科学学院 计算机与控制学院 管理学院 人文学院
外语系 工程管理与信息技术学院 材料科学与光电技术学院 电子电气与通信工程学院 华大教育中心 动物研究所 植物研究所 生物物理研究所 微生物研究所 遗传与发育生物学研究所 心理研究所 计算技术研究所 工程热物理研究所 半导体研究所 电子学研究所 自动化研究所 电工研究所 软件研究所 国家科学图书馆 微电子研究所 计算机网络信息中心 科技政策与管理科学研究所 北京基因组研究所 青藏高原研究所 光电研究院 国家纳米科学中心 信息工程研究所 空间应用工程与技术中心（筹）天津市 天津工业生物技术研究所
河北省 渗流流体力学研究所 遗传与发育生物学研究所农业资源研究中心山西省 山西煤炭化学研究所 辽宁省 大连化学物理研究所 沈阳应用生态研究所 沈阳计算技术研究所 金属研究所 沈阳自动化研究所 吉林省 长春人造卫星观测站 长春应用化学研究所 东北地理与农业生态研究所 长春光学精密机械与物理研究所 上海市 上海应用物理研究所 上海天文台 声学研究所东海研究站 上海有机化学研究所 上海硅酸盐研究所 上海生命科学研究院 上海药物研究所 上海微系统与信息技术研究所 上海光学精密机械研究所 上海技术物理研究所 上海巴斯德研究所
中国科学院大学保研—中科院自动化研究所保研接收推免生办法 第一部分中科院自动化研究所保研接收原则和组织领导 1．中国科学院研究生院招收硕士学位研究生的各培养单位（具体指中国科学院所属各研究院、研究所、中心、园、台、站以及中科院研究生院所属各学院、系，以下简称“培养单位”）均可在招生专业目录中公布的各专业范围内接收推荐免试生。 2．接收推荐免试生遵循公平公正、全面衡量、保证质量、择优录取、宁缺毋滥的原则。 3．接收推荐免试生工作由各培养单位组织实施。各培养单位招生领导小组具体负责本单位推荐免试生的接收工作。 第二部分中科院自动化研究所保研申请条件 1．有为科学事业献身的精神，有较好的科研潜力，道德品质良好，遵纪守法。 2．申请人必须是2013年应届本科毕业生，且所在学校必须是教育部规定的具有当年免试生推荐资格的高校。 3．申请人应获得其所在高校推荐免试资格，占用母校推荐免试生名额。 4．申请人在大学本科阶段学习成绩优异，在学期间的必修课无重修科目或补考记录，在校期间没有受过纪律处分。 5．具有较强的外语听、说、读、写应用能力。 6．具有较强的调查研究、综合分析问题、解决问题能力。 7．身体健康状况符合规定的体检标准，心理健康状况良好。 培养单位可在此基础上制定具体的接收条件和要求，请申请人关注相关培养单位的网站，或直接向培养单位研究生部咨询。 第三部分中科院自动化研究所保研申请材料 推荐免试申请者应直接向所申请的培养单位研究生招生部门提交如下材料（可先向培养单位联系、申请，后补交）：（一）必须提供材料 1．省（自治区、直辖市）高等学校招生委员会办公室盖章的《全国推荐免试攻读硕士学位研究生（直博生）登记表》（向所在学校领取）。 2．《中国科学院研究生院推荐免试攻读硕士学位研究生申请表》（在“中国科学院研究生院推荐免试生申请系统”https://www.doczj.com/doc/aa16746927.html,/中填写、打印）。 3．所在学校教务部门（或院系）出具并加盖公章的大学本科前三年所修课程成绩单（五年制的提供前四年课程成绩单）。 4．个人简历及专业学习情况介绍。 5．英语等级证书复印件。 6．身份证复印件。 7．培养单位要求提交的其它材料。 （二）自愿提供材料 1．专家推荐书。 2．在公开发行的学术刊物或全国性学术会议上发表的学术论文、所获专利或其它原创性工作成果的复印件或证明。 3．大学期间的获奖证书（复印件）。 4．对申请有参考价值的其它材料。 第四部分中科院自动化研究所保研接收程序 推荐免试申请者的申请程序如下： （一）提出申请、提交材料
中国科学院自动化研究所 2014年招收攻读博士学位研究生入学统一考试试卷 科目名称：模式识别 考生须知： 1. 本试卷满分为100分，全部考试时间总计180分钟。 2. 所有答案必须写在答题纸上，写在试题纸上或草稿纸上一律无效。 1． (16分) 关于统计学习与支持向量机，请回答如下问题：(1) 给出机器学习问题的形式化表示 (4分)；(2) 解释学习机器的推广能力 (4分)；(3) 从几何的角度阐述线性支持向量机的原理 (4分)；(4) 基于两类支持向量机，设计一个c 类(c > 2)分类训练策略 (4分)。 2． (10分) (1) 请描述径向基函数网络的结构和功能 (4分)；(2) 指出径向基函数网络的参数，分析在训练一个径向基函数网络时如何调节这些参数 (6分)。 3． (10分) (1) 简述Fisher 线性判别分析的原理 (4分)；(2) 针对两类分类问题，试证明在正态等方差条件下，Fisher 线性判别等价于贝叶斯判别 (6分)。 4． (10分) 假设在某个局部地区细胞识别中正常 (1ω)和异常(2ω)两类的先验分别为 1()0.85P ω=和2()0.15P ω=。现有一待识别细胞，其观察值为x ，从类条件概率密度分布曲线上查得1(|)0.2=P x ω，2(|)0.4=P x ω，请对该细胞x 进行分类，并给出计算过程。 5． (10分) 现有七个位于二维空间的样本：1(1,0)=T x ，2(0,1)=T x ，3(0,1)=-T x ，4(0,0)=T x ，5(0,2)=T x ，6(0,2)=-T x ，7(2,0)=-T x ，其中上标T 表示向量的转置。假定前三个样本属于第一类，后四个样本属于第二类，请画出最近邻法决策面。 6． (16分) 在一个模式识别问题中，有下列8个样本: 1(1,1)T =-x ，2(1,1)T =--x ，3(0,1)T =x ，4(0,1)T =-x ，5(2,1)T =x ，6(2,1)T =-x ，7(3,1)T =x ，8(3,1)T =-x ，其中上标T 表示向量的转置。请回答如下问题：(1) 如果不知道这8个样本的类别标签，请采用K-L 变换，计算其特征值和特征向量（10分）；(2) 对上述8个样本，假设前4个样本属于第一类，后4个样本属于第二类，请给出一种特征选择方法，并写出相应的计算过程 (6分)。 7． (16分) (1) 给定m 维空间中的n 个样本，请给出C -均值聚类算法的计算步骤(包含算法输入和输出) (8分)；(2) 针对C -均值聚类算法，指出影响聚类结果的因素，并给出相应的改进措施 (8分)。 8． (12分) 某单位有n 位职员，现从每位职员采集到m (m >10)张正面人脸图像(可能因姿态、表情、光照条件的略微不同而不同)。每张人脸图像为200(高度) ?160(宽度)像素大小的灰度图像。现在拟设计一个人脸识别系统，请回答如下问题：(1) 描述拟采用的特征提取方法及计算步骤 (4分)；(2) 描述拟采用的分类器构造方法及计算步骤 (4分)；(3) 请从特征提取和分类器构造两方面对你所采用的方法进行评价(即解释采用它们的原因) (4分)。 科目名称：模式识别 第1页 共1页
中国科学院数学与系统科学研究院 *中国科学院数学研究所 *中国科学院应用数学研究所 *中国科学院系统科学研究所 *中国科学院计算数学与科学工程计算研究所 中国科学院物理研究所 中国科学院理论物理研究所 中国科学院高能物理研究所 中国科学院力学研究所 中国科学院声学研究所 中国科学院理化技术研究所 中国科学院化学研究所 中国科学院生态环境研究中心 中国科学院过程工程研究所 中国科学院地理科学与资源研究所 中国科学院国家天文台 *中国科学院云南天文台 *中国科学院乌鲁木齐天文工作站 *中国科学院长春人造卫星观测站 *中国科学院南京天文光学技术研究所 中国科学院遥感应用研究所 中国科学院地质与地球物理研究所 中国科学院古脊椎动物与古人类研究所 中国科学院大气物理研究所 中国科学院植物研究所 中国科学院动物研究所 中国科学院心理研究所 中国科学院微生物研究所 中国科学院生物物理研究所 中国科学院遗传与发育生物学研究所 *中国科学院遗传与发育生物学研究所农业资源研究中心（原中国科学院石家庄农业资源研究所） 中国科学院计算技术研究所 中国科学院软件研究所 中国科学院半导体研究所 中国科学院微电子研究所 中国科学院电子学研究所 中国科学院自动化研究所 中国科学院电工研究所 中国科学院工程热物理研究所 中国科学院空间科学与应用研究中心 中国科学院自然科学史研究所 中国科学院科技政策与管理科学研究所
中国科学院光电研究院 北京基因组研究所 中国科学院青藏高原研究所 国家纳米科学中心 院直属事业单位（京外） 中国科学院山西煤炭化学研究所 中国科学院沈阳分院 中国科学院大连化学物理研究所 中国科学院金属研究所 中国科学院沈阳应用生态研究所 中国科学院沈阳自动化研究所 中国科学院海洋研究所 青岛生物能源与过程研究所(筹) 烟台海岸带可持续发展研究所（筹） 中国科学院长春分院 中国科学院长春光学精密机械与物理研究所 中国科学院长春应用化学研究所 中国科学院东北地理与农业生态研究所 *中国科学院东北地理与农业生态研究所农业技术中心（原中国科学院黑龙江农业现代化研究所） 中国科学院上海分院 中国科学院上海微系统与信息技术研究所 中国科学院上海技术物理研究所 中国科学院上海光学精密机械研究所 中国科学院上海硅酸盐研究所 中国科学院上海有机化学研究所 中国科学院上海应用物理研究所（原子核研究所） 中国科学院上海天文台 中国科学院上海生命科学院 *生物化学与细胞生物学研究所 *神经科学研究所 *药物研究所 *植物生理生态研究所 *国家基因研究中心 *健康科学研究中心 *中国科学院上海生命科学信息中心 *营养科学研究所 *中国科学院上海生物工程研究中心 中国科学院上海巴斯德研究所（筹） 中国科学院福建物质结构研究所 中国科学院城市环境研究所 中国科学院宁波材料技术与工程研究所(筹) 中国科学院南京分院
2012年11月12日，晚10点，中国科学院自动化所。 无伞的孩子，下雨天只有拼命地奔跑，才可能减少风雨侵袭的伤痛。 窗外凛冽的寒风呼呼地刮着，实验室的一师兄正喝着热乎乎的奶茶，很淡然的样子。光棍节的影响仍在继续，快递员骑着载满满满地包裹，直奔学校门口；我，刚上完课回到实验室，手不由自主地打开了电脑，上网，敲击键盘的声音时急时缓。 去年的光棍节，我已经不知道是怎么度过的了，印象中，应该是和几个很好的哥们出去吃了顿饭，然后就去教学楼复习考研了。那时，我们每天都在坚持学习，坚持学习自己并不愿意接触而不得不接触的政治，坚持做着自己都看不到希望的事情——考研。那时，我们起早贪黑，日复一日地拿着考研数学复习全书，一页两页……仿佛每一页都记录着自己苦读的场景，仿佛每一页都凝聚着汗水与脑细胞，每一个文字都见证着我与研友们间的共同进步。可惜，这些都只能属于过去了。 时光已逝，楼兰仍存，这是属于考研的季节，距离考研应该就剩下50天了吧，今天翻开人人网11年12月1号写的一篇日志《谁来关心这些人》，那时的感觉重新侵袭了我的血液，于是就写下这篇文章，鼓励那些考研路上打算退缩的那个你。 “有些事，不是看到了希望才去坚持，而是因为坚持了才会看到希望。”2011年9月23号，我执意决定要考自动化所的，当时心理压力其实特别大，面对父母那双饱含血丝的眼睛，我就已经告诉我自己“赵松，你输不起”；周围同学默默祝福地同时，难免会有些张望与等待的眼神；老师的劝阻也无形中给了我很大的压力。压力是必然的，因为我看不到希望，看不到12年的春天我会是什么样子，或许很狼狈，或许很荣耀，但是我还是坚持过来了，因为我知道只有坚持了才会更有希望。如果说，我们的每一次决定都是在赌博，区别只是你摆设的赌局大与小的话，那么，就可以说我们的生活需要这种赌博，需要不断地超越自我，超越极限。 考研路上，我一直都是一只乌龟，在冲向终点的途中，遇到过许多熟睡中的兔子，但从来没有遇到永不休息的兔子，因为他们始终在我前面。身边的同学中有很多勤学的兔子，有时候我真是望尘莫及，曾经迷茫过，悲伤过，但我从来没有退缩过。因为我知道考研之路是单向的，不是双向的，如果你非要让它变成双向的话，不好意思，那它就变质了。因此，我们不能退缩。 看看周围的同学，你或许感觉自己的复习进度太慢了，你的进度根本不可能考上；或许你看着周边的同学今天没有去复习，自己懒惰的心也开始动摇了；或许你因为不懂的知识被别人嘲讽了，感觉自己怎么这么窝囊；或许你因为感情的事情无法回到那熟悉的书桌上了，或许……如果这样想，你就错了，这些都是小事，都是一些在别人看来无关紧要的事情，由于你用自己内心的想法当作别人对你的评价，而恰恰没有底气的你，对自我的评价本来就很差，所以，你就一直生活在这种错觉之中。自信心一直被打压，斗志时时被消磨，最终的你就只有考不上。 我还是想以我的经历为例，因为我曾经也就这样迷茫过。我考研专业课是自动控制原理（包括经典控制与现代控制两部分），其中最要命的是现代控制理论，中科大仝茂达的现代控制理论那本书，相信没有多少人能够真正看懂的。周边没有和我一起复习现控的，遇到问题我就只能自己查资料，自己想办法解决，着急与惶恐，又能怎么办呢？向父母诉说，那简直是开玩笑，只能自己慢慢调整。和周边同学比复习进度，那就简直是蚂蚁和大象比力气，根本不是一个档次的，因为他们起码比我早复习了一个月，再说，专业课我要复习的内容还比他们多。失落永远是无情的恶魔，它只会浪费你宝贵的时间，而不能给你带来半点的利益。因此，我短暂迷茫过后，还是坚强地站起来了，因为我知道，遇到问题我就只能迎面解决，畏惧对考研结果没有丝毫的帮助。就这样，我一步一步地往上爬，虽然最后时间还是不够，但是我把我学过的东西都展示出来就可以了。 晚上积极心理学上刚提到过，人有两种，一种是追求卓越的，一种是追求完美的。我相信很多考研的同学都是追求卓越的，我们不断地失败，不断地站起来，又不断地失败……循环往复，或许有一天你会不经意间发现，你已经比以前的自己又晋升了一个档次，那是因为能力的改变与知识的储备是潜移默化的。不知道迷茫着的你有没有点改变，总之，你需要继续振作，继续勇往直前。这与谈恋爱是一样的，你第一次表白失败了，还可以第二次，第三次……第n次，当然每一次之间你都需要改变，因为只有改变才可以增加你脱“光”的几率。 考研不仅仅是考察一个学生的知识与能力，很大程度上还是考察一个学生的心理。考研路上的每一个人都不敢说自己一定能够考上，但是考上的概率是与你努力程度呈正相关的，也就是说，你需要不断努力，不断增加自己成功的
第5章：线性判别函数 第一部分：计算与证明 1． 有四个来自于两个类别的二维空间中的样本，其中第一类的两个样本为(1,4)T 和(2,3)T ，第二类的两个样本为(4,1)T 和(3,2)T 。这里，上标T 表示向量转置。假设初始的权向量a=(0,1)T ，且梯度更新步长ηk 固定为1。试利用批处理感知器算法求解线性判别函数g(y)=a T y 的权向量。 解： 首先对样本进行规范化处理。将第二类样本更改为(4,1)T 和(3,2)T .然后计算错分样本集： g(y 1)=(0,1)(1,4)T = 4 > 0 (正确) g(y 2)=(0,1)(2,3)T = 3 > 0 (正确) g(y 3)=(0,1)(-4,-1)T = -1 < 0 (错分) g(y 4)=(0,1)(-3,-2)T = -2 < 0 (错分) 所以错分样本集为Y={(-4,-1)T ,(-3,-2)T }. 接着，对错分样本集求和：(-4,-1)T +(-3,-2)T = (-7,-3)T 第一次修正权向量a ，以完成一次梯度下降更新：a=(0,1)T + (-7,-3)T =(-7,-2)T 再次计算错分样本集： g(y 1)=(-7,-2)(1,4)T = -15 <0 (错分) g(y 2)=(-7,-2)(2,3)T = -20 < 0 (错分) g(y 3)=(-7,-2)(-4,-1)T = 30 > 0 (正确) g(y 4)=(-7,-2)(-3,-2)T = 25 > 0 (正确) 所以错分样本集为Y={(1,4)T ,(2,3)T }. 接着，对错分样本集求和：(1,4)T +(2,3)T = (3,7)T 第二次修正权向量a ，以完成二次梯度下降更新：a=(-7,-2)T + (3,7)T =(-4,5)T 再次计算错分样本集： g(y 1) = (-4,5)(1,4)T = 16 > 0 (正确) g(y 2) =(-4,5)(2,3)T = 7 > 0 (正确) g(y 3) =(-4,5)(-4,-1)T = 11 > 0 (正确) g(y 4) =(-4,5)(-3,-2)T = 2 > 0 (正确) 此时，全部样本均被正确分类，算法结束，所得权向量a=(-4,5)T 。 2． 在线性感知算法中，试证明引入正余量b 以后的解区(a T y i ≥b)位于原来的解区之中(a T y i >0)，且与原解区边界之间的距离为b/||y i ||。 证明：设a*满足a T y i ≥b,则它一定也满足a T y i >0，所以引入余量后的解区位于原来的解区a T y i >0之中。 注意，a T y i ≥b 的解区的边界为a T y i =b,而a T y i >0的解区边界为a T y i =0。a T y i =b 与a T y i =0两个边界之间的距离为b/||y i ||。（因为a T y i =0过坐标原点，相关于坐标原点到a T y i =b 的距离。） 3． 试证明感知器准则函数正比于被错分样本到决策面的距离之和。 证明：感知器准则函数为： ()() T Y J ∈=-∑y a a y 决策面方程为a T y=0。当y 为错分样本时，有a T y ≤0。此时，错分样本到决策面的
学院简介 1949年，伴随着新中国诞生，中国科学院成立。 作为国家在科学技术方面最高学术机构和全国自然科学与高新技术综合研究与发展中心，建院以来，中国科学院时刻牢记使命，与科学共进，与祖国同行，以国家富强、人民幸福为已任，人才辈出，硕果累累，为我国科技进步、经济社会发展和国家安全做出了不可替代重要贡献。 成立之初，在中央支持下，中科院迅速凝聚了一批海内外优秀科学家，组建了高水平研究机构，在“向科学进军”中发挥了先导和主力军作用。改革开放以来，率先打开与西方国家科技合作大门，率先实行所长负责制、开放实验室，率先设立面向全国科学基金。创办了联想集团等一大批高新技术企业，推动科研成果转化为现实生产力，发挥了改革先行者作用。在新历史时期，面对知识经济时代机遇和挑战，提出建设国家创新体系构想，实施知识创新工程，凝练科技创新目标，调整重大科技布局，创新科研组织模式，建立现代院所制度，自主创新能力大幅增强，提升了中国在国际科技界影响力。 建院以来，中科院服务国家战略需求和经济社会发展，始终围绕现代化建设需要开展科学研究，产生了许多开创性科技成果，奠定了新中国主要学科基础，自主发展了一系列战略高技术领域，形成了具有中国特色科研体系，带动和支持了我国工业技术体系、国防科技体系和区域创新体系建设。 ——从“两弹一星”到载人航天和探月工程关键核心科技问题攻克，为国家安全和航天事业发展做出了重大贡献。 ——从成功研制第一台计算机、曙光超级计算机、龙芯系列通用芯片，到单精度千万亿次超级计算系统，在我国计算机技术自主创新中发挥了骨干作用。 ——从发出中国第一个电子邮件，到建立中国互联网信息中心、中国网通与无线传感试验网，成为网络科技和网络产业开拓者。 ——从顺丁橡胶工业生产新技术，到煤制乙二醇技术、甲醇制烯烃技术、煤合成油技术及工业化应用，不断开辟我国化学工业新方向和生长点。 ——从陆相成油理论，到海相成油探索，为我国摘掉贫油帽子、大规模开发油气田提供了科学理论支持。 ——从自主研制氯霉素、青霉素，到原创青蒿素合成、丹参多酚酸盐、盐酸安妥沙星，在我国药物自主创新方面走在了前列。 ——从开创中国海洋养殖业，到黄淮海中低产田改造，到生物育种，引领了我国高新农业科技发展。 ——从在世界上首次完成人工合成牛胰岛素，到首次证明诱导多能干细胞、人类基因
中科院自动化所研究生奖助学金管理办法 （暂行） 为进一步鼓励先进、激发创新，强化研究生的责任意识，规范管理，提高研究生培养质量，根据中科院研究生院关于研究生奖助学金管理指导意见，特制定本办法。 一、原则 1、研究生奖助学金由研究所和导师共同承担； 2、以鼓励先进、激发创新为目的，强化研究生的责任意识； 3、强化导师责任意识，给予导师考核研究生及制定研究生助研津贴标准的权力。 二、奖助学金的构成：普通奖助金、等级津贴、科研绩效津贴。 普通奖助金由研究所负责，等级津贴和科研绩效津贴由导师负责。三、奖助学金标准(单位：元/月)
硕博连读生转博后按博士生标准计发。 四、科研绩效津贴确定原则 导师应在研究生入学时将助研工作岗位职责及要求向研究生明确公布，并与研究生签署相应的任务合同书，受聘助研岗位的研究生，须按岗位职责要求完成工作任务。科研绩效津贴由导师根据研究生科研工作表现和任务完成情况确定，对于工作表现突出，科研成果显著的研究生，科研绩效津贴标准可以突破上限，对于工作表现不好或不能完成任务的研究生，要突破下限或停发科研绩效津贴，研究所也将核减或停发普通奖学金。对于突破上、下限或停发科研绩效津贴标准的情况，需要导师写出书面说明，报研究生部备案。 五、其他 1、研究生培养费由研究生导师与研究所共同负担。 研究所负责研究生的普通奖助金、博士生基础课、研究生各项管理、研究生活动、研究生困难补助等费用支出，导师除负责硕士第一年的课程培养费、研究生的等级奖学金和科研绩效津贴之外，还需承担研究生的
科研经费、学位论文答辩和评审费、发表论文和印刷论文所需费用和四年级以上研究生的全部奖助学金等。 2、原来由导师承担的研究生每月300元住宿费，改由学生本人承担。由研究所安排住宿的，直接从奖助学金中扣除。 3、研究生出国时间超过3个月，停发奖助学金。 4、研究生休学期间停发奖助学金。 5、定向培养研究生不发放普通奖助金。 六、本办法自2010年9月份起施行，由研究生部负责解释。
人工智能相关研究六问 宗成庆 中国科学院自动化研究所 cqzong@https://www.doczj.com/doc/aa16746927.html, 随着计算机硬件性能的提高和计算机网络技术的快速发展与普及，大数据、互联网+和人工智能等一批新老术语如八面来风横扫神州，尤其在中国大陆，这些术语所掀起的技术浪潮正以不可阻挡之势席卷华夏每一寸土地，可谓“忽如一夜春风来，千树万树梨花开”。作为这些术语所涉及领域的学习者和研究者，理所当然地为之振奋、欢呼，并摩拳擦掌。然而，当沸腾的热血稍稍降温和澎湃的心潮渐趋平静之后，无数的问题如挥之不去的天外来音萦绕在脑海，让我辗转反侧，难以入眠。我在兴奋与迷惘中追寻这些问题的答案，但我始终无功而返或者原地打转。我知道我的无知和愚钝，我也知道自己的浅薄与狭隘，于是，我把这些问题记下来，公示于众，万望赐教。 1.关于人工智能 上个世纪80年代中期，在我读大学和研究生的时候人工智能曾一度如日中天，直到90年代中期，它仍是一颗耀眼之星而备受宠爱，之后便日渐黯淡，最终“臭不可闻”。30多年后的今天，究竟缘何被人们再度热捧？是人工智能有了新的内涵，还是“新瓶装老酒”？如果说在过去的30多年里，计算机科学技术有了突破性进展，那么，除了硬件性能的飞跃性提高，人工智能的贡献到底有多大？究竟什么是人工智能研究的核心内容呢？当他“受宠”的时候，人工智能好像是一个框，什么内容都可以往里装，似乎做什么都属于人工智能。当他“失宠”的时候，人人唯恐避之不及。如果抛开自然语言理解、图像和视频识别、搜索算法、知识工程等（而这些方向也都有自己独立的学科），还有什么是人工智能独家的研究内容呢？ 2.关于机器学习 近年来机器学习方法研究发展迅速，在不到10年的时间里迁移学习(transfer learning)、增强学习(reinforcement learning)、概率图模型(graph-based model)和深度学习(deep learning, DL)等一系列模型和方法被相继热捧，而深度学习方法出现之前的每一种方法都不过仅持续两三年的时间便黯然失色。是科学家“喜新厌旧”，还是那些被冷落的方法和模型真地无能为力？我们知道，无论哪一种统计学习方法都是建立在大规模训练样本之上的“赌博”模型，难以做到举一反三。所以很多模型在实际应用的复杂场景中往往不如一个三岁的小孩。而儿童在学习和理解
中科院自动化所步态数据库A(CASIA Gait Database A) 数据介绍： Gait recognition has been an active research topic in recent years. The Institute of Automation, Chinese Academy of Sciences (CASIA) provide the CASIA Gait Database to gait recognition and related researchers in order to promote the research. 关键词： 步态,步态识别,自动化研究所,中国科学院,图片, Gait,Gait recognition,Institute of Automation,CASIA,Chinese Academy of Sciences,image, 数据格式： IMAGE 数据详细介绍： CASIA Gait Database A Gait recognition has been an active research topic in recent years. The Institute of Automation, Chinese Academy of Sciences (CASIA) provide the CASIA Gait Database to gait recognition and related researchers in order to promote the research. Dataset A (former NLPR Gait Database) was created on Dec. 10, 2001, including 20 persons. Each person has 12 image sequences, 4 sequences for
学院简介 1949年，伴随着新中国的诞生，中国科学院成立。 作为国家在科学技术方面的最高学术机构和全国自然科学与高新技术的综合研究与发展中心，建院以来，中国科学院时刻牢记使命，与科学共进，与祖国同行，以国家富强、人民幸福为已任，人才辈出，硕果累累，为我国科技进步、经济社会发展和国家安全做出了不可替代的重要贡献。 成立之初，在中央的支持下，中科院迅速凝聚了一批海内外优秀科学家，组建了高水平的研究机构，在“向科学进军”中发挥了先导和主力军作用。改革开放以来，率先打开与西方国家科技合作的大门，率先实行所长负责制、开放实验室，率先设立面向全国的科学基金。创办了联想集团等一大批高新技术企业，推动科研成果转化为现实生产力，发挥了改革先行者的作用。在新的历史时期，面对知识经济时代的机遇和挑战，提出建设国家创新体系的构想，实施知识创新工程，凝练科技创新目标，调整重大科技布局，创新科研组织模式，建立现代院所制度，自主创新能力大幅增强，提升了中国在国际科技界的影响力。 建院以来，中科院服务国家战略需求和经济社会发展，始终围绕现代化建设需要开展科学研究，产生了许多开创性科技成果，奠定了新中国的主要学科基础，自主发展了一系列战略高技术领域，形成了具有中国特色的科研体系，带动和支持了我国工业技术体系、国防科技体系和区域创新体系建设。 ——从“两弹一星”到载人航天和探月工程关键核心科技问题的攻克，为国家安全和航天事业发展做出了重大贡献。 ——从成功研制第一台计算机、曙光超级计算机、龙芯系列通用芯片，到单精度千万亿次超级计算系统，在我国计算机技术自主创新中发挥了骨干作用。 ——从发出中国第一个电子邮件，到建立中国互联网信息中心、中国网通与无线传感试验网，成为网络科技和网络产业的开拓者。 ——从顺丁橡胶工业生产新技术，到煤制乙二醇技术、甲醇制烯烃技术、煤合成油技术及工业化应用，不断开辟我国化学工业的新方向和生长点。 ——从陆相成油理论，到海相成油的探索，为我国摘掉贫油帽子、大规模开发油气田提供了科学理论支持。 ——从自主研制的氯霉素、青霉素，到原创的青蒿素合成、丹参多酚酸盐、盐酸安妥沙星，在我国药物自主创新方面走在了前列。 ——从开创中国海洋养殖业，到黄淮海中低产田改造，到生物育种，引领了我国高新农业科技的发展。
1995年中科院博士入学试题 一, 简述题(40分) 1. 地理信息系统的主要功能. 2. 图形数据输入的主要方法及特点. 3. 地理信息系统的主要数据源及其特征. 4. 空间数据库主要特征. 二, 问答题(任选二题,60分) 1. 地理信息系统的基本组成与应用. 2. 土地管理信息系统与城市管理信息系统的比较. 3. 地理信息系统与相关学科的相互关系. (GIS与RS的相互关系；GIS与地球系统科学研究的相互关系)
一、简述题(40分) 1. 地理信息系统的基本功能 2. 地理信息输入方法及其特点 3. 地理信息数据结构的类型 4. 空间拓扑叠加 二、问答题(任选二题,60分) 1. 综述地理信息系统空间分析功能 2. 试论地理信息系统与遥感,全球定位系统,信息网络的关系及其综合应用. 3. 结合你的经验,谈GIS应用前景
一、名词解释 拓扑关系 缓冲分析 关系数据模型 空间叠加 二、简答题 1,GIS的主要功能(略) 2,企业GIS系统的特色 三、问答题(选2) 1,GIS基本组成与主要应用领域 2,地理科学数据集成与管理 3,结合你的专业,谈GIS应用发展前景
一、简答: 1. 地理信息的基本特征.(99) 2. 数字地形模型的构建与应用.(99) 3. 地理信息系统数据库管理系统的特点.(99) 4.地理信息系统的主要分析方法.(99) 5. 地理信息系统与计算机制图关系剖析.(99) 6. 矢量与栅格数据的优缺点.(98) 二、问答(任选二) 1. 论地理信息系统与地理信息科学.(99) 2.专业模型与地理信息系统连接方式比较.(99) 3. 结合你的专业,举例说明地理信息系统的应用特点.( 99 ) 4. GIS产生,发展过程及前景.(98) 5. RS 与GIS 结合.(98)
中科院自动化研究所 1949年，伴随着新中国的诞生，中国科学院成立。 作为国家在科学技术方面的最高学术机构和全国自然科学与高新技术的综合研究与发展中心，建院以来，中国科学院时刻牢记使命，与科学共进，与祖国同行，以国家富强、人民幸福为已任，人才辈出，硕果累累，为我国科技进步、经济社会发展和国家安全做出了不可替代的重要贡献。 成立之初，在中央的支持下，中科院迅速凝聚了一批海内外优秀科学家，组建了高水平的研究机构，在“向科学进军”中发挥了先导和主力军作用。改革开放以来，率先打开与西方国家科技合作的大门，率先实行所长负责制、开放实验室，率先设立面向全国的科学基金。创办了联想集团等一大批高新技术企业，推动科研成果转化为现实生产力，发挥了改革先行者的作用。在新的历史时期，面对知识经济时代的机遇和挑战，提出建设国家创新体系的构想，实施知识创新工程，凝练科技创新目标，调整重大科技布局，创新科研组织模式，建立现代院所制度，自主创新能力大幅增强，提升了中国在国际科技界的影响力。 建院以来，中科院服务国家战略需求和经济社会发展，始终围绕现代化建设需要开展科学研究，产生了许多开创性科技成果，奠定了新中国的主要学科基础，自主发展了一系列战略高技术领域，形成了具有中国特色的科研体系，带动和支持了我国工业技术体系、国防科技体系和区域创新体系建设。 ——从“两弹一星”到载人航天和探月工程关键核心科技问题的攻克，为国家安全和航天事业发展做出了重大贡献。 ——从成功研制第一台计算机、曙光超级计算机、龙芯系列通用芯片，到单精度千万亿次超级计算系统，在我国计算机技术自主创新中发挥了骨干作用。 ——从发出中国第一个电子邮件，到建立中国互联网信息中心、中国网通与无线传感试验网，成为网络科技和网络产业的开拓者。 ——从顺丁橡胶工业生产新技术，到煤制乙二醇技术、甲醇制烯烃技术、煤合成油技术及工业化应用，不断开辟我国化学工业的新方向和生长点。 ——从陆相成油理论，到海相成油的探索，为我国摘掉贫油帽子、大规模开发油气田提供了科学理论支持。 ——从自主研制的氯霉素、青霉素，到原创的青蒿素合成、丹参多酚酸盐、盐酸安妥沙星，在我国药物自主创新方面走在了前列。 ——从开创中国海洋养殖业，到黄淮海中低产田改造，到生物育种，引领了我国高新农业科技的发展。