计算机专硕考研专业课一般考什么？
全面解析核心科目与备考策略

离散数学：逻辑推理的“骨架”

含命题逻辑、谓词逻辑、集合论、图论、关系与函数、代数系统初步。命题逻辑是重中之重，常考等价式证明、范式转换、推理演算；图论侧重欧拉图、哈密顿图、树的性质及最小生成树算法。

高频考点示例：
命题公式 (p→q) ∧ ¬q 的主合取范式为______。
（解析：等价于 ¬p ∧ ¬q ⇒ 主合取范式为 M₀₀ = (p ∨ q) 的否定？不！正确步骤：
真值表：p=0,q=0 → 1；p=0,q=1 → 0；p=1,q=0 → 0；p=1,q=1 → 0 ⇒ 仅当p=0,q=0时为真 ⇒ 主合取范式为 (¬p ∨ q) ∧ (p ∨ ¬q) ∧ (p ∨ q)？错误！
正确：主合取范式由使公式为假的赋值对应极大项构成：p=0,q=1 → M₁₀ = (p ∨ ¬q)；p=1,q=0 → M₀₁ = (¬p ∨ q)；p=1,q=1 → M₁₁ = (¬p ∨ ¬q) ⇒ 合取为 (p ∨ ¬q) ∧ (¬p ∨ q) ∧ (¬p ∨ ¬q)）

线性代数：数据表示的“语言”

核心内容包括矩阵运算、行列式、向量空间、线性方程组、特征值与特征向量。尤其重视矩阵秩的性质、齐次/非齐次方程组解的结构、矩阵相似对角化条件。

典型应用：主成分分析（PCA）依赖协方差矩阵的特征分解；图神经网络中邻接矩阵的幂运算表征路径信息。

例题：设 A = [[1,2],[2,4]]，则 A 的秩为______，特征值为______。
（解析：第二行是第一行2倍 ⇒ r(A)=1；特征方程 |A-λI| = (1-λ)(4-λ)-4 = λ²-5λ = 0 ⇒ λ₁=0, λ₂=5）

概率统计：不确定性建模的利器

涵盖随机事件概率、一维/二维随机变量分布、数字特征（期望、方差）、大数定律与中心极限定理。重点考察贝叶斯公式、全概率公式、常见分布（0-1、泊松、正态）的数字特征及简单应用。

真题示例：某机器学习模型准确率为80%，现对100个样本测试，用中心极限定理估计正确分类数在75~85之间的概率（已知Φ(1.25)=0.8944）。

树与二叉树：层次结构的表达

重点掌握：
• 二叉树的5种遍历（先序/中序/后序/层序/ Morris）
• 二叉搜索树（BST）的插入、删除、查找
• 平衡二叉树（AVL）的旋转调整
• 堆的性质与堆排序
• 线索二叉树的构造逻辑

经典例题：已知二叉树先序序列{1,2,4,5,3,6}和中序序列{4,2,5,1,6,3}，求后序序列。
（解析：先序首元1为根，中序中1左侧{4,2,5}为左子树，右侧{6,3}为右子树；递归构建 ⇒ 后序为{4,5,2,6,3,1}）

图：复杂关系的建模

核心内容：
• 图的存储：邻接矩阵 vs 邻接表（空间/时间权衡）
• 遍历：DFS（递归/栈实现）、BFS（队列实现）
• 最小生成树：Prim（稠密图）、Kruskal（稀疏图）
• 最短路径：Dijkstra（非负权）、Bellman-Ford（含负权）、Floyd（所有对）
• 拓扑排序：AOV网关键路径分析

实战应用：社交网络中“六度空间”理论验证 → BFS遍历；课程先修关系建模 → 拓扑排序检测环。

算法设计：从思想到代码

大范式：
① 分治法：归并排序（T(n)=2T(n/2)+O(n)）、快速排序
② 动态规划：背包问题、最长公共子序列（LCS）、矩阵链乘
③ 贪心算法：活动选择、霍夫曼编码、最小生成树
④ 回溯法：N皇后、组合生成
⑤ 分支限界：0-1背包最优解搜索

DP经典例题：最长递增子序列（LIS）。给定序列[10,9,2,5,3,7,101,18]，求LIS长度。
（解析：O(n²) DP：dp[i]=max{dp[j]+1} (j

内存管理：空间分配的艺术

核心内容：
• 分区分配：首次适应、最佳适应、最坏适应
• 分页系统：页表、页表项（有效位、修改位）、页表寄存器
• 分段系统：段表、段地址转换
• 段页式系统：分段+分页组合
• 页面置换算法：FIFO、OPT、LRU（最近最少使用）、Clock

关键概念：局部性原理（时间/空间局部性）是虚拟内存的理论基础；TLB（快表）加速地址转换。

文件系统：数据持久化的保障

重点掌握：
• 文件逻辑结构：流式文件、记录式文件
• 文件物理结构：连续、链接、索引（i-node）
• 文件目录：单级、两级、树形、目录项（文件名+属性+指针）
• 磁盘管理：分区、格式化、块位示图、空闲块链

典型应用：Linux中i-node存储文件元数据（大小、权限、时间戳、块指针），数据块指针分直接/一级/二级/三级，支持大文件高效访问。

I/O系统：设备交互的桥梁

核心内容：
• I/O控制方式：程序查询、中断驱动、DMA、通道
• 设备管理数据结构：设备控制表（DCT）、控制器控制表（COCT）、系统设备表（SDT）
• 设备驱动程序：抽象硬件细节，提供统一接口
• 虚拟设备：SPOOLing技术（模拟打印机）

IP协议与路由选择

重点掌握：
• IPv4地址分类（A-E类）、CIDR无类别寻址
• 子网划分：如/26 ⇒ 64地址，主机数62
• 路由算法：距离矢量（RIP）、链路状态（OSPF）
• NAT技术：私网地址转换，缓解IPv4耗尽

真题示例：某网络IP地址为202.112.14.128/26，该网络可分配的主机地址数为______。
（解析：/26 ⇒ 掩码255.255.255.192，主机位6位 ⇒ 2⁶=64地址，减网络地址和广播地址 ⇒ 62个可用地址）

传输层：可靠与高效的平衡

TCP核心机制：
• 三次握手：SYN→SYN+ACK→ACK（防止历史连接初始化）
• 四次挥手：FIN→ACK→FIN→ACK（确保双向关闭）
• 滑动窗口：流量控制（接收方通告窗口）
• 拥塞控制：慢启动、拥塞避免、快重传、快恢复
• 可靠传输：超时重传、序列号、确认应答

经典图解：TCP状态变迁图（CLOSED→SYN_SENT→ESTABLISHED→FIN_WAIT→TIME_WAIT→CLOSED）是高频考点。

应用层协议：用户可见的接口

重点协议：
• HTTP：请求方法（GET/POST）、状态码（200/301/404/500）、缓存机制（ETag/Last-Modified）
• DNS：递归查询 vs 迭代查询、RR记录类型
• DHCP：自动分配IP地址（DORA四步骤）
• FTP：控制连接（21端口）、数据连接（20端口）

SQL语言：数据操作的武器

重点掌握：
• DDL：CREATE TABLE（完整性约束定义）
• DML：SELECT（嵌套查询、GROUP BY、HAVING、JOIN）
• DCL：GRANT/REVOKE权限控制
• 视图：虚表，简化查询，提高安全性

高频考点：分组聚合查询中HAVING与WHERE区别：WHERE过滤行，HAVING过滤组；子查询中IN vs EXISTS性能差异（EXISTS适合外小内大）。

数据库设计：从需求到物理结构

设计流程：
① 需求分析（数据流图）
② 概念设计（E-R图）
③ 逻辑设计（E-R→关系模式）
④ 物理设计（索引、聚簇、存储结构）

关键技巧：实体转换为关系模式；联系类型决定合并策略（1:1、1:N、M:N）；避免冗余（如将多值属性拆分为独立关系）。

事务与并发控制：一致性的保障

ACID特性：
• 原子性（Undo日志）
• 一致性（约束满足）
• 隔离性（并发控制）
• 持久性（Redo日志）

并发问题：
• 丢失修改、不可重复读、读脏数据
• 解决方案：封锁协议（一级/二级/三级）、两阶段封锁（2PL）、隔离级别（Read Uncommitted → Serializable）

存储系统：层级化的性能优化

存储体系：
寄存器→高速缓存（Cache）→主存→辅存
• Cache：映射方式（直接/全相联/组相联）、替换算法（FIFO/LRU）、写策略（写直通/写回）
• 虚拟存储：页表机制、缺页中断、页面置换
• 主存与CPU连接：数据线、地址线、控制线

计算重点：Cache命中率计算；多级页表地址转换过程；TLB缺失处理流程。

输入输出系统：连接外部世界

核心内容：
• I/O控制方式：程序查询（CPU忙等）、中断驱动（CPU睡眠等待）、DMA（直接内存访问）、通道（高级DMA）
• 中断系统：中断向量、中断优先级、中断嵌套
• 总线：数据总线（位宽）、地址总线（寻址范围）、控制总线（读写/中断/DMA请求）

典型应用：DMA传输过程：CPU初始化DMA控制器→外设请求DMA→DMA控制器接管总线→直接与内存交换数据→完成中断通知CPU。

语法分析：结构判定

核心方法：
• 自顶向下（递归下降、LL(1)）：要求消除左递归、提取左因子
• 自底向上（算符优先、LR(0)/SLR(1)/LR(1)/LALR(1)）：构造分析表

重点考点： FIRST/FOLLOW集合计算；LL(1)文法判定条件（FIRST集不相交，FIRST与FOLLOW不相交）；LR(0)项目集规范族构造。

例题：文法 E→E+T|T, T→TF|F, F→(E)|id，是否为LL(1)？
（答案：否！E→E+T存在左递归）

语义分析与中间代码生成

核心任务：
• 类型检查：表达式类型一致性
• 符号表管理：变量声明、作用域、绑定
• 中间代码：三地址码（TAC）、四元式、逆波兰表示

典型转换：赋值语句 x = a + b c →
t1 = b c
t2 = a + t1
x = t2

机器学习基础：从数据中学习

核心内容：
• 监督学习：线性回归、逻辑回归、SVM、决策树、随机森林
• 无监督学习：K-Means聚类、PCA降维
• 评估指标：准确率、精确率、召回率、F1、AUC
• 过拟合与正则化：L1/L2正则、交叉验证

计算重点：逻辑回归损失函数（对数损失）；SVM对偶问题求解；决策树信息增益/基尼指数计算。

深度学习：神经网络的复兴

核心模型：
• MLP：多层感知机（全连接网络）
• CNN：卷积神经网络（局部连接、权值共享、池化）
• RNN：循环神经网络（处理序列，LSTM/GRU解决梯度消失）
• Transformer：自注意力机制（BERT、GPT基础）

关键概念：反向传播（链式法则）、激活函数（Sigmoid、Tanh、ReLU）、优化器（SGD、Adam）。

特征提取：不变性的追求

关键特征：
• SIFT：尺度不变特征（高斯差分DoH→关键点定位→主方向→描述子）
• SURF：加速鲁棒特征（积分图、Hessian矩阵）
• HOG：方向梯度直方图（用于行人检测）
• LBP：局部二值模式（纹理描述）

目标检测与识别：从检测到理解

主流方法：
• 传统方法：HOG+SVM、DPM
• 深度学习两阶段：R-CNN系列（R-CNN→Fast R-CNN→Faster R-CNN）
• 深度学习单阶段：YOLO（实时性高）、SSD
• 语义分割：FCN、U-Net

核心概念：IoU（交并比）用于评估检测框精度；NMS（非极大值抑制）去除重叠框。

Spark计算框架：内存计算革命

核心优势：
• 基于内存计算，速度比Hadoop快100倍
• RDD（弹性分布式数据集）：不可变、分区、可重算
• DataFrame/Dataset：更高层抽象，优化器Catalyst
• 组件栈：Spark Core、Spark SQL、Spark Streaming、MLlib、GraphX

典型应用：Spark SQL支持HiveQL；MLlib提供常用机器学习算法；GraphX用于图计算（PageRank）。

流处理技术：实时分析

主流框架：
• Spark Streaming：微批次处理（DStream）
• Flink：真正的流处理（事件驱动、状态管理）
• Kafka Streams：轻量级嵌入式流处理

关键概念： Exactly-Once语义（精确一次处理）；水印（Watermark）处理乱序事件；状态后端（Memory/FileSystem/RocksDB）。