原标题： ：清华深研院人工智能807信息技术基础综合24年考研攻略
studywithme导读：本文包含23年清华大学深研院人工智能807信息技术基础综合考研的初试经验、参考书、分数线、招生人数、复试流程、真题题型、难度分析等干货。
一、清华大学深研院人工智能考研招生专业目录
085400 （专业学位） 电子信息
03（全日制）人工智能
34人
①101 思想政治理论 ②201 英语（一） ③301 数学（一） ④807 信息技术基础综合
二、清华大学807信息技术基础综合考研初试参考书《模式识别》 张学工编著 清华大学出版社，第三版（2010 年 3 月）
《 -清华大学807信息技术基础综合考研一对一复习规划》
《 -清华大学807信息技术基础综合考研复习资料》
知点考博 | studywithme | 清硕堂清华考研
三、清华大学807信息技术基础综合考研考试大纲807信息技术基础综合
一、考试性质
《信息技术基础综合》是 2022 年清华大学深圳国际研究生院电子信息专业【人工智能】方向全国硕士生统一入学考试专业课考试科目。【人工智能】项目是一个基于自动化、计算机以及电子通信等一级学科基础上设立的一个多学科交叉工程硕士项目，本专业课考试科目力求能够科学、公平、准确、规范地测评考生在信息技术领域，特别是人工智能相关理论及技术上所具备的基础知识、核心技能、自主创新等方面的综合能力，选拔具有较强科研能力、知识技能创新能力 和发展潜质的优秀考生入学。
二、考试要求
测试考生对信息技术领域特别是人工智能方向相关的基本概念、基础理论与 核心技能的掌握和运用能力。
三、考试方式与分值
满分 150 分，题型包括：填空题、是非判断题、选择题，名词解释，计算题等。
四、参考书目：
《模式识别》 张学工编著 清华大学出版社，第三版（2010 年 3 月）
五、考试内容
1 模式识别基础
1.1 模式与模式识别的概念
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
2 统计决策方法
2.1 统计决策方法的基本概念
2.2 最小错误率贝叶斯决策
2.3 最小风险贝叶斯决策
2.4 两类错误率、neyman-pearson 决策与 roc 曲线
2.5 正态分布时的统计决策
2.5.1 正态分布及其性质回顾
2.5.2 正态分布概率模型下的最小错误率贝叶斯决策
2.6 错误率的计算
2.6.1 正态分布且各类协方差矩阵相等情况下错误率的计算
2.6.2 高维独立随机变量时错误率的估计
2.7 离散概率模型下的统计决策
3 概率密度函数估计
3.1 概率密度函数的估计的基本概念
3.2 最大似然估计
3.2.1 最大似然估计的基本原理
3.2.2 最大似然估计的求解
3.2.3 正态分布下的最大似然估计
3.3 贝叶斯估计与贝叶斯学习
3.3.1 贝叶斯估计
3.3.2 贝叶斯学习
3.3.3 正态分布时的贝叶斯估计
3.3.4 其他分布的情况
3.4 概率密度估计的非参数方法
3.4.1 非参数估计的基本原理与直方图方法
3.4.2 k 近邻估计方法
3.4.3 parzen 窗法
4 线性分类器
4.1 线性判别函数
4.2 fisher 线性判别分析
4.3 感知器
4.4 最小平方误差判别
4.5 最优分类超平面与线性支持向量机
4.5.1 最优分类超平面
4.5.2 大间隔与推广能力
4.5.3 线性不可分情况
4.6 多线性分类器
4.6.1 多个两类分类器的组合
4.6.2 多类线性判别函数
5 非线性分类器
5.1 分段线性判别函数
5.1.1 分段线性距离分类器
5.1.2 一般分段线性判别函数
5.2 二次判别函数
5.3 多层感知器神经网络
5.3.1 神经元与感
知器
5.3.2 多个感知器组合
5.3.3 基于反向传播算法的多层感知器
5.4 支持向量机
5.4.1 广义线性判别函数
5.4.2 核函数变换与支持向量机
5.4.3 多类支持向量机
5.4.4 用于函数拟合的支持向量机
5.5 核函数机器
5.5.1 大间隔机器与核函数机器
5.5.2 核 fisher 判别
6 其他分类方法
6.1 近邻法
6.1.1 最近邻法
6.1.2 k-近邻法
6.1.3 近邻法的快速算法
6.1.4 剪辑近邻法
6.1.5 压缩近邻法
6.2 决策树与随机森林
6.2.1 非数值特征
6.2.2 决策树
6.2.3 过学习与决策树的剪枝
6.2.4 随机森林
6.3 logistic 回归
6.4 boosting 方法
7 特征选择
7.1 特征的评价准则
7.1.1 基于类内类间距离的可分性判据
7.1.2 基于概率分布的可分性判据
7.1.3 基于熵的可分性判据
7.1.4 利用统计检验作为可分性判据
7.2 特征选择的最优算法
7.3 特征选择的次优算法
7.4 特征选择的遗传算法
7.5 以分类性能为准则的特征选择方法
8 特征提取
8.1 基于类别可分性判据的特征提取
8.2 主成分分析方法
8.3 karhunen-lo?ve 变换
8.3.1 k-l 变换的基本原理
8.3.2 用于监督模式识别的 k-l 变换
8.4 k-l 变换在人脸识别中的应用举例
8.5 高维数据的低维显示
8.6 多维尺度法
8.6.1 mds 的基本概念
8.6.2 古典尺度法
8.6.3 度量型 mds
8.6.4 非度量型 mds
8.6.5 mds 在模式识别中的引用
8.7 非线性变换方法简介
8.7.1 核主成分分析（kpca）
8.7.2 isomap 方法和 lle 方法
9 非监督模式识别
9.1 基于模型的方法
9.2 混合模型的估计
9.2.1 非监督最大似然估计
9.2.2 正态分布情况下的非监督参数估计
9.3 动态聚类算法
9.3.1 c 均值算法
9.3.2 isodata 方法
9.3.3 基于样本与核的相似性度量的动态聚类算法
9.4 模糊聚类算法
9.4.1 模糊集的基本知识
9.4.2 模糊 c 均值算法
9.4.3 改进的模糊 c 均值算法
9.5 分级聚类方法
9.6 自组织映射神经网络
9.6.1 som 网络结构
9.6.2 som 学习算法和自组织特性
9.6.3 som 用于模式识别
10 模式识别系统的评价
10.1 监督模式识别方法的错误率估计
10.1.1 训练错误率
10.1.2 测试错误率
10.1.3 交叉验证
10.1.4 自举法与.632 估计
10.2 有限样本下错误率的区间估计问题
10.2.1 问题的提出
10.2.2 用扰动重采样估计 svm 错误率的置信区间
10.3 特征提取与选择对分类器性能估计的影响
10.4 从分类的显著性推断特征与类别的关系
10.5 非监督模式识别系统性能的评价
四、清华大学深研院人工智能考研录取名单、录取人数、录取分数区间2023 年清华大学深圳国际研究生院硕士研究生电子信息（人工智能）拟录取名单公示
五、清华大学807信息技术基础综合考研真题回忆版根据清华大学深研院人工智能要求，真题暂不对外展示。
六、清华大学复试内容、复试流程、复试评分标准2023年清华大学深研院电子信息（人工智能）硕士生复试录取实施细则
1. 各专业（项目）考生入围复试分数线
2. 总成绩计算办法和排序规则
面试组由 5 位具有研究生指导资格的专家组成，专家依据考生的现场表现按百分制独立打分给出面试成绩，平均计算每位学生的面试成绩。根据初试成绩、笔试成绩、面试成绩计算考生总成绩。考生分类别进行名次排序，按总成绩排序，择优录取。
总成绩计算方法：总成绩（满分 1000）=初试成绩（满分 500）+复试笔试成绩（满分100）× 50% + 复试面试成绩（满分 100）×450%
3. 组织形式
资格审查与复试均为线下举行本项目对复试现场进行全程的录音录像。
4. 复试时间、形式安排（含资格审查、复试安排等）
（1）资格审查时间：2023 年 3 月 22 日和 3 月23 日09:00—18:00（具体时间另行通知）（2）笔试时间：以材料审核形式替代，3.20 日中午12:00 前上传材料至系统（3）面试时间：2023 年 3 月 22 日和 3 月23 日20 分钟/生（具体时间另行通知）（4）面试地点：清华大学深圳国际研究生院信息楼1903 &2103
5. 缴纳复试费
6. 考生资格审查注意事项
考生在资格审查前登录我校研究生申请服务系统 提交以下材料的电子文档。①有效二代居民身份证②学历学位证书（应届生提供学生证）③大学期间成绩单原件或档案中成绩单复印件（含gpa、所在专业或所在学院排名，加盖档案单位红章）④清华大学研究生招生考生诚信承诺书（考生本人签名）⑤考生自述（包括政治表现、外语水平、业务和科研能力、研究计划、课外科技活动情况总结、感兴趣的研究方向和未来职业规划等）⑥个人简历⑦学科研究方向志愿⑧外语水平、专业水平证明（学术论文，专利申请等）等各类获奖证明（请按奖项等级从高到底排列）①－④文件需在资格审查时展示原件，未进行资格审查或资格审查未通过的考生一律不予录取。*资格审查不合格者，不得参加复试，存疑者可根据实际情况采取其他方式核查。不论是否录取，所交材料（含成绩单）一律不予退还。
7. 复试考核注意事项：
（1）笔试安排：考察形式：材料审核：要求应届考生上传本科期间前 7 学期成绩单、往届生则上传完整4 学年成绩单、个人简历、个人陈述、获奖证明、科研成果证明等，特别是人工智能专业相关课程的成绩以及专业类竞赛材料和科研成果材料。由3 名副高或以上职称教师组成的评审小组对学生材料进行综合审查并单独打分（百分制），计算平均分作为笔试成绩。考查内容：主要审核学生在人工智能学科领域学习和研究的基础能力及知识运用能力。（2）面试安排：形式：线下，每位考生 20 分钟，包括英语面试 5 分钟&综合面试15分钟。考查内容：?英语面试：5 分钟，考生随机抽一篇英文文献，通过诵读，翻译，考官问答三个环节考查考生英语阅读与听说能力；?个人自述：时间 3 分钟，不用 ppt，介绍包括个人学习情况、实践活动与获奖、学术成果、特长爱好、人际关系、对报考专业的科研了解情况等；?专家提问：5 位评委根据考生的教育背景和科研经历、专业知识和相关实践能力、对本学科发展动态的了解以及在本专业领域发展的潜力、思想状况、心理素质、语言表达能力以及思维的敏锐性和逻辑性等方面进行提问。
8. 计划调整情况：
因推免生流失，2023 年将电子信息(人工智能)专业（代码：085400(03)）招生计划调整为 34 个。
知点考博 | studywithme | 清硕堂清华考研返回搜狐，查看更多
责任编辑：