1、1计算机应用技术学科硕士学位培养方案（081203）一、培养目标及要求培养为国家建设服务，德、智、体全面发展的计算机理论及应用领域高层次专门人才。1、爱国，遵纪守法，品行端正。具有强烈的事业心和为科学事业献身的精神。2、掌握计算机应用学科领域坚实的理论基础和系统的专门知识，具有从事科学研究、独立承担技术性工作的能力，具有较宽的知识面和较强的适应性。3、较熟练掌握一门外国语。4、具有健康的体魄和良好的心理素质。二、研究方向1、 数据挖掘方向本方向主要研究海量数据中知识发现和在此基础上的算法研究，以及在图像模式识别、生物信息数据分析、经济数据统计和预测等领域的应用。2、 生物信息学方向本方向以计算
2、机为工具对生物信息进行储存、检索和分析，特别注重在林木生物信息方面的研究。3、 计算机检测本方向主要研究检测过程中的信号的传输、转换、数字处理等技术（如信号的滤波、提取和增强，信号的压缩、估计、识别等） ，以及测试信号处理软件的研制与开发等。4、 计算机网络及通信本方向研究计算机网络操作系统、体系结构、协议、性能检测、安全性等方面的技术以及编码密码算法的设计与分析、身份认证和数字签名、密钥管理等多种安全范围。设计实用有效的数据加密算法、数据编码算法、数字签名算法与密钥管理算法。本研究方向培养具有坚实的数学与通信理论基础与实际技术，了解数字通信发展的前沿和动态，能较好地运用数学知识与方法，成功构
3、造具有良好性能的纠错码和密码，以适应我国数字通信高速发展的需要。5、 科学工程计算与计算机仿真本方向培养既具有扎实的数学基础，又具备软件设计和开发能力的高级应用型人才。以数学理论、相似原理、信息技术、系统技术及其应用领域有关的专业技术为基础，以计算机和各种效应设备为工具，利用系统描写对实际的或设想的系统进行实验研究的一门综合性技术。现被日益广泛地应用到科学研究、工程设计、社会和经济形势的分析和预测等领域中。三、学习年限和时间安排全日制硕士研究生的学习年限一般为 3 年。按课程学习与论文工作并重原则，课程学习累计 11.5 学年，论文工作量不少于 1 学年。根据实际情况，符合学校有关规定，经本人
4、申请、导师同意、学校批准，可适当提前或延长一年，在职硕士可延长二年。2四、课程设置，学分要求和课程说明硕士生总学分不少于 32 学分(其中 2 学分实践性环节) 。课程分为学位课和非学位课程，其中学位课程不少于 18 学分，非学位课程 12 学分(对于同等学力和跨学科考取的硕士生需补本科生课程，可减半登记学分，不占应学 32 学分的总学分) 1、学位课公共学位课 (7 学分） （1）自然辩证法 2 学分（2）第一外国语 5 学分基础理论课 (5 学分）（1）矩阵论（须先修线性代数） 3 学分（2）算法分析和设计 3 学分（3）计算机体系结构 2 学分专业基础和专业课(6 学分）（1）数据挖掘
5、3 学分（2）生物信息学 3 学分（3）数字信号处理 3 学分（4）计算机网络体系结构 3 学分2、选修课（约 12 学分）（1）人工神经网络 2 学分（2）支持向量机导论 2 学分（3）最优化方法 2 学分（5）机器学习导论 2 学分（6）人工智能原理 2 学分（7）嵌入式系统 2 学分（8）分子生物学基础 2 学分（9）现代数据库技术 2 学分（10）基因组学与蛋白质组学基础 2 学分（11）嵌入式操作系统 2 学分（12）偏微分方程数值解法 3 学分（13）MATLAB 2 学分（14）模式识别 2 学分（15）数值分析 3 学分（16）机器视觉系统 2 学分(17) 模糊数学 2 学分
6、(18) 英语听力 2 学分(19) 第二外语 2 学分(20) 数字图像处理 2 学分(21) 地理信息系统应用 2 学分3(22) 计算机图形学 2 学分(23) 文献检索与利用 1 学分(24) 初等数论与多项式 2 学分(25) 有限域 2 学分(26) 纠错码的代数理论 2 学分(27) 统计假设检验 2 学分(28) 线性模型 2 学分(29) Internet 技术与应用 2 学分(30) 科学计算可视化算法与系统 2 学分(31) 统计推断 2 学分(32) 分布式数据库系统及其应用 2 学分(33) 网络管理和网络安全 2 学分(34）纠错码的代数理论 3 学分(35）系统仿
7、真学 3 学分3、课程说明（1）矩阵论矩阵论是非数学类研究生数学公共基础课程之一，是一种基本的数学工具，在数学学科与其他科学技术领域诸如数值分析、优化理论、微分方程、概率统计、多元统计分析、系统工程等学科都有广泛应用。计算机及计算技术的发展也为矩阵论的应用开辟了更广阔的前景。因此，学习和掌握矩阵的基本理论和方法，对于将来从事工程技术工作的工科研究生来说是必不可少的。通过该门课程的学习，期望学生能较好地理解和掌握矩阵理论的基本知识和思想方法，提高学生的数学素质。提高科研能力，并能运用学到的知识和方法解决实际问题。矩阵论的内容包括：线性空间与线性变换；内积空间与等距变换；矩阵的相似标准形；Herm
8、ite 二次型；范数及矩阵函数；矩阵的广义逆等。本课程总计 60 学时，其中讲课 60 学时，无实验和上机的教学安排，但要求学生结合本专业的特点和所研究的课题，选择部分算法自己上机实现。要求学生熟悉至少一门数学软件平台（Mathematica /Matlab/Maple）和至少一种编程语言。该课程由我校信息科学技术学院刘应安教授主讲。(2) 数据挖掘研究从海量数据中发现知识的算法和应用技术，主要有数据准备、规律寻找和规律表示三个步骤。数据准备是从各种数据源中选取和集成用于数据挖掘的数据；规律寻找是用某种方法将数据中的规律找出来；规律表示是用尽可能符合用户习惯的方式（如可视化）将找出的规律表示出
9、来。数据挖掘在自身发展的过程中，吸收了数理统计、数据库和人工智能中的大量技术。重点介绍以下算法：关联，聚类，分类，特征提取。本课程为 60 学时，本课程由信息学院业宁讲授。(3) 数字信号处理数字信号处理课程最初作为电子信息类各专业的重要基础课，现已成为自动化、生物医学、化工、精密仪器、测试计量技术、机械等专业的必备基础课。随着计算机和信息技4术的飞速发展，数字信号处理技术在电子、通信、测试、自动化等领域得到极为广泛的应用。其内容包括：离散时间信号、系统和 Z 变换；DFT 及其快速算法；数字滤波器设计；离散随机信号的处理；有效字长效应；离散随机信号；维纳过滤与卡尔曼过滤；自适应过滤系统；功率
10、谱估计；同态滤波；二维信号处理等。本课程总计 60 学时，其中讲课 60 学时，实验及设计放在 DSP 技术课程中进行。本课程由我校信息学院电子信息工程系刘云飞副教授主讲。(4) 数字图像处理数字图像处理技术始于于 20 世纪 50 年代，主要研究图像预处理、图像增强、图像变换、图像恢复、图像分割与分析等。对图像处理来说,输入是图像,处理后输出的也是图像图像。数字图像处理科学已成为工程学、计算机科学、信息科学、统计学、物理、化学、生物学、医学、视觉心理、人工智能、智能信息处理等领域中各学科学习和研究的对象。随着信息高速公路、数字地球概念的提出以及 Internet 的广泛应用，图像处理技术的需
11、求与日俱增。因此，数字图像处理技术逐步向其他学科领域渗透并为其他学科所利用是必然的。本课程主要讲解的内容有图像和视觉基础（计算机数字图像的采集、格式、显示和存储） 、图像增强（空间域变换增强和空间域滤波增强） 、图像分割（边缘检测、基于直方图的图像分割和基于区域的图像分割） 、数学形态学和图像分析等主要章节内容。本课程总计 40 学时，其中讲课 40 学时。本课程由信息学院教师李勇智副教授讲授。(5) 模式识别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。模式识别的原理和方法在人工智能、智能信息处理、医学、军事等众多领域应用十分广泛，是计算机
12、及其相关专业进行科学研究的基础。模式识别以图象处理技术为基础，研究计算机识别物体的机理，主要介绍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，了解模式识别的具体应用、存在的问题和发展前景。主要教学内容包括: 模式识别的概念、贝叶斯决策理论、聚类分析、模糊模式识别、人工神经网络模式识别、子空间法模式识别、特征的选择与提取。本课程的特点是利用到的数学知识和前沿科学知识比较多，因此要求学生必须掌握好相关理论基础。模式识别的前导课程是高等数学、离散数学和一门计算机程序设计语言。本课程总计 40 学时，其中讲课 40 学时。本课程由
13、信息学院教师周宇讲授。（6）计算机图形学计算机图形学是研究用计算机及其图形设备来输入、表示、变换和运算、输出图形的原理、算法及系统。图形通常是由点、线、面、体等几何元素和灰度、色彩、线型、线宽等非几何属性组成。对于用形状参数和属性参数表示的图形，如描述图形的方程系数，线段的起点和终点坐标，图形的灰度、色彩、线型和线宽等均可采用某种转换算法，把图形的参数表示转换成点阵表示。本课程主要讲解二维、三维图形的近似生成算法和变换方法，计算机图形生成与处理的基本原理和基本方法。内容主要包括：掌握光栅图形学、图形变换、曲线绘制、图形算法基础、视觉变换与载剪、消隐处理的基本原理和方法。本课程总计 40 学时，
14、其中讲课 40 学时。本课程由信息学院教师周宇讲授。5（7）人工神经网络人工神经网络及其应用是目前国际上一门发展迅速的前沿交叉学科。它是模拟生物神经结构及其功能的新型信息处理系统，目前已有广泛的应用。至今，国内外人工神经网络的研究仍然方兴未艾，其研究成果已被用于许多学科领域。本课程主要讲解人工神经网络的基本概念、原理和方法，尤其是人工神经网络的设计概念与方法，掌握设计神经网络模型去解决实际问题，了解人工神经网络的发展动向和应用前景。主要内容包括：人工神经网络的基础知识，包括人工神经网络的概述，人工神经元的模型，人工神经网络的模型，人工神经网络的学习规则；前馈型人工神经网络；自组织神经网络；反馈
15、型人工神经网络；局部逼近神经网络。本课程总计 40 学时，其中讲课 40 学时。本课程由信息学院教师周宇讲授。（8）科学计算可视化算法与系统科学计算可视化是当前计算机学科的一个重要研究方向，它主要研究如何把科学数据，例如通过计算或测量得到的数据，从卫星传送回来的图像，或是医学 CT 和 MRI 转换成可视的、能帮助人们理解的信息的计算方法。科学计算可视化技术在分子建模，医学图像，地球科学，空间探索，计算流体力学，有限元分析等方面有着广泛的应用。通过本课的学习，要求学生了解国内外科学计算可视化的研究背景，掌握可视化的基本概念和核心算法。主要的学习内容包括：二维标量场等值线抽取算法；断层间表面重构
16、算法；等值面生成和绘制算法；体绘制算法。本课程总计 40 学时，其中讲课 40 学时。本课程由信息学院教师业宁讲授。(9) 偏微分方程数值解法本课程是一门重要的应用数学课，主要讲授四个方面的内容：1、常微分方程数值解法，这是基础内容，重点是 Runge-Kutta 方法；2、守恒律的数值解法，这是重点内容，主要讲解差分法，TVD 法、ENO 法，间断 Galerkin 方法等；3、二阶线性偏微分方程（椭圆、抛物、双曲）的差分法与有限元法；4、并行算法的基本概念。本课程总计 60 学时，本课程由信息学院教师黄佩奇讲授。（10）现代数据库技术自 20 世纪 80 年代以来，数据库技术在商业领域的巨
17、大成功刺激了其他领域对数据库技术需求的迅速增长。这些新的领域为数据库的应用开辟了新的天地，促进了分布式数据库、并行数据库、面向对象数据库、数据仓库、空间数据库、多媒体数据库等新技术的产生。通过本课程的学习，要求学生掌握或了解数据库系统的一些高级技术、新技术和新应用。主要教学内容包括：数据库管理系统实现技术；新数据模型（面向对象数据库、对象关系数据库、XML 等） ； 数据库系统体系结构（分布式数据库、并行数据库） ；新应用（数据仓库、OLAP 与数据挖掘、时态数据库、空间数据库、多媒体数据库、移动数据库、高级事务处理）本课程总计 40 学时，其中讲课 40 学时。本课程由信息学院教师沈丽容讲授
18、。（11）分布式数据库系统及其应用20 世纪 80 年代出现了许多分布式数据库的原型系统，攻克了分布式数据库中许多理论和技术难点，20 世纪 90 年代开始，主要的数据库厂商对集中式数据库管理系统进行改造，逐步向分布式数据库管理系统发展。目前，分布式数据库管理系统已进入市场。本课程要求学生掌握分布式数据库系统的理论、结构、技术和方法,了解实现分布式数据库6的关键和难点，认清数据库学科的发展趋势和前景,为今后从事分布式数据库研究和应用打下良好的专业基础。主要内容包括：分布式数据库系统概述，分布式数据库系统的设计，分布式查询处理和优化分布式事务管理和恢复，分布式数据库中的并发控制，分布式数据库的可
19、靠性，分布式数据库的安全与管理 ， 客户机/服务器模式与分布式数据库 ，基于客户机/服务器模式的SYBASE 系统，分布式数据库发展展望。本课程总计 40 学时，其中讲课 40 学时。本课程由信息学院教师沈丽容讲授。（12）统计推断本课程适合森林经理、计算机应用、经济金融、生物医学、管理科学、工程技术等专业硕士研究生学习的统计学基础课程。主要介绍数理统计的基本原理、基本方法。具体内容：1、 统计分布基础:统计结构；常见分布族（ Gamma 分布族、Bata 分布族、Fisher 分布族、t 分布族、多项分布族、多元正态分步族、非中心分步族） ；统计量及其分布；统计量的近似分布；指数族分布。2、
20、 充分统计量与样本信息：充分统计量；统计量的完备性；分布族的信息函数。3、 点估计基本方法：估计与优良性；无偏估计；信息不等式；矩估计；极大似然估计；最小二乘估计；4、 最优同变估计：变换群下的同变估计；平移变换群下的同变估计；相似变换群下的同变估计；线性变换群下的同变估计。学习本课程需要高等数学、矩阵论、概率论等方面的基础知识。本课程为进一步学习统计学其他各分支的理论与方法，为其他学科中比较顺利地理解统计学的基本概念打下良好的基础。本课程总计 40 学时，其中讲课 40 学时。本课程由信息学院教师刘应安讲授。(13) 统计假设检验本课程适合森林经理、计算机应用、经济金融、生物医学、管理科学、
21、工程技术等专业硕士研究生学习的统计学课程。主要介绍数理统计的基本原理、基本方法及其应用。具体内容：1、 参数假设检验：假设检验的基本概念；Neyman-Perason 基本引理；单调似然比分布族的单边检验；单参数指数族分布的双边检验；多参数指数族的检验；似然比检验；拟合优度检验。2、 区间估计：置信区间及其枢轴量法；参数置信域与假设检验的接受域；容忍区间与容忍限。3、 Bayes 统计基础：Bayes 统计基本概念；Bayes 估计；假设检验与区间估计的 Bayes方法。4、 统计计算方法：随机数的产生；随机模拟计算；EM 算法及其推广；MCMC 方法。学习本课程需要高等数学、矩阵论、概率论、
22、统计推断等方面的基础知识。本课程为进一步学习统计学其他各分支的理论与方法，为统计学的应用打下良好的基础。本课程总计 40 学时，其中讲课 40 学时。本课程由信息学院教师刘应安讲授。（14）线性模型 本课程适合森林经理、计算机应用、经济金融、生物医学、管理科学、工程技术等专7业硕士研究生学习的统计学课程。线性模型是一类统计模型的总称，它包括了线性回归模型，方差分析模型，协方差分析模型和线性混合效应模型（或称方差分量模型）等。许多生物，医学，经济，管理，气象，工程技术等领域的现象都可以用线性模型来近似描述。因此线性模型成为现代统计学中应用最为广泛的模型之一。主要介绍线性模型统计推断的基本理论与方
23、法。具体内容：1、 通过实例引进各种线性模型，使读者对模型的丰富实际背景有一些了解。2、 讨论矩阵论的一些预备知识。3、 讨论多元正态及有关分布。4、 系统讨论线性模型统计推断的基本理论与方法，其中包括参数估计，假设检验，线性回归模型等。学习本课程需要矩阵论、概率论、统计推断、统计假设检验等方面的基础知识。通过本课程的教学，能使学习者掌握一定的线性模型知识，培养学生灵活应用这些知识去分析、处理有关实际问题的能力。本课程总计 40 学时，其中讲课 40 学时。本课程由信息学院教师刘应安讲授。（15）计算机网络体系结构课程介绍：随着计算机技术飞速发展,计算机网络已成为一种复杂,多样的大系统,计算机
24、网络的实现要解决很多复杂的技术问题:支持多种通信媒体 (如电话线,铜缆,光纤,卫星等);支持多厂商,异种机互联,包括软件的通信约定至硬件接口的规范;支持多种业务,如批处理,交互分时,数据库等;支持高级人机接口 ,满足人们对多媒体日益增长的需求.正如结构化程序设计中对复杂问题的模块化分层处理一样,在处理计算机网络这种复杂系统时也应把复杂的大系统分层处理,每层完成特定功能,各层协调起来实现整个网络系统.所谓计算机网络的体系结构是从功能的角度描述计算机网络的结构，是层次和协议的集合。为了完成计算机间的通信合作,把每个计算机互联的功能划分成有明确定义的层次,规定了同层次进程通信的协议及相邻层之间的接口
25、及服务.将这些同层进程通信的协议以及相邻层接口统称为网络体系结构.本课程以 OSI/RM 和 TCP/IP 网络体系结构为主线，从网络的不同层次讲解了其体系结构、协议，各层次的主要问题、解决方法、相关技术和原理，以及网络安全、网络管理等内容，并介绍计算机网络发展中的新问题、新技术和新方法。本课程不仅介绍经典的计算机网络的基础理论，同时以大量的实例为基础介绍计算机网络的实用技术和方法。本课程总计 60 学时，本课程由信息学院教师张浩平讲授。（16）Internet 技术与应用Internet 是全球最大的计算机网络，它已经将世界各地的各种规模的计算机网络连成一个整体。现在，通过 Internet
26、 进行信息交换已经成为全世界数千万人的首选方式。随着Internet 技术的发展与普及，社会已进入信息时代，深入掌握 Internet 技术是计算机网络专业人员的必备的技能。本课程主要介绍 Internet 的历史与现状， Internet 网络互连技术、网络结构、运行机制和主要协议。内容包括 TCP/IP 体系结构和协议族、IP 交换原理和路由协议、Internet 交换系统结构、 Internet 组网技术、Internet 接入技术、网络管理、网络安全、QoS 技术等。本课程在介绍 Internet 结构理论的同时，尽可能全面地讲解 Internet 网络的各种实用技术，并涉及有关 In
27、ternet 的最新技术，力求通过 Internet 技术实践反映 Internet 应用的全貌。同时配备一定的实验性学时，尽可能做到理论与实践有较好的结合。本课程总计 40 学时，本课程由信息学院教师张浩平讲授。8（17）初等数论与多项式初等数论主要研究整数性质和方程（组）的整数解;多项式则是代数学中一个非常基本的研究对象。整数与多项式有许多共同的可以类比的内容与性质。整数与多项式中许多概念、结果与方法，是近世代数中抽象概念的非常基本的模型和源泉，也是进一步学习纠错码理论必不可少的基础。本课程总计 40 学时，本课程由信息学院教师胡卫群教授讲授。（18）有限域：有限域含有有限个元素，使得它们
28、与我们所熟悉的无限域（如有理数域，实数域等）有很大的不同。有限域有很多奇妙的性质，可以利用有限域的特性构作出具有各种对称性质的组合结构，如正交拉丁方、平衡区组设计，差集合，有限射影平面、相关性能和随机性能良好的序列等等，这些组合结构有效地应用于试验设计、通信系统等许多实际领域，除此之外，有限域还是许多工程技术人员不可缺少的数学工具。本课程总计 40 学时，本课程由信息学院教师胡卫群教授讲授。（19）纠错码的代数理论本课程是专业方向的中心课程。除了介绍纠错编码的主要数学问题以及一些重要的线性码（如 hamming 码、Golay 码、多项式码、Reed-Muller 码、循环码、Goppa 等）
29、外，主要进一步学习运用线性代数、抽象代数、有限域等数学的理论工具构作性能良好（即要求效率高、纠错能力强及译码算法容易实现）的纠错码。本课程总计 60 学时，本课程由信息学院教师胡卫群教授讲授。(20) 支持向量机导论支持向量机（SVM）是在统计学习理论的基础上发展起来的新一代学习算法，该算法在文本分类、手写识别、图像分类、生物信息学等领域中获得了较好的应用。从机器学习算法的基本问题开始，循序渐进地介绍相关的背景知识，包括线性分类器、核函数特征空间、推广性理论和优化理论，和支持向量机的算法，并介绍一系列支持向量机的重要应用以及实现的技巧。本课程总计 40 学时，其中讲课 40 学时。本课程由信息
30、学院教师业宁讲授。（21）网络管理和网络安全本课程主要讲解了网络管理和网络安全，主要内容有：网络管理与网络管理系统、管理模型、现代网络管理与控制理论、现代网络管理与控制技术、网络管理的关键问题、网络管理协议、网络管理系统的结构、设计网络管理系统的原则、网络管理系统平台及应用。信息安全机制、加密机制、数据完整性机制、数字签名机制、密钥分配与管理、病毒及防范、系统攻击及入侵、防火墙技术以及 internet 应用安全技术等。本课程为 2 学分。本课程由信息学院教师朱正礼讲授五、培养方式和方法研究生培养方式应灵活多样，应充分发挥导师的主导作用，建立和完善有利于发挥学术群体作用的培养机制；马克思主义理
31、论课学习与经常性思想政治工作相结合。研究生要参加学校、学科所统一规定的政治学习、形势教育，树立良好的科学道德。注重个性发展，发挥研究生在整个学习阶段的主动性和自觉性：课程教学采用启发式和研讨式，激发研究9生学习的主动性和创造性，培养发现问题、分析问题和解决问题的能力。注意培养研究生的实践能力、科研能力和动手能力，独立完成学位论文，注意培养实事求是、严格、细致和理论与实践统一的作风，严谨治学的态度。积极参加校内外的学术活动，开阔视野，活跃学术思想。经常参加体育锻炼，保持身体健康。六、实践环节和学术活动本学科硕士生在校期间应参加教学或生产实践、技术服务。时间不少于 40 个学时或20 个工作日，以
32、培养硕士生的实际工作能力。教学实践可采取多种方式进行，如辅助导师参加大学生的某个章节教学、辅导、指导实习或实验、指导课程设计或毕业设计等。硕士生的实践环节由导师及学科组负责检查和指导，并进行考核，写出评语，计 2 学分。导师和学科组应积极组织研究生参加有关的学术活动，使其了解本学科的发展动向，开阔视野，培养开拓与创新精神。硕士生在学期间必须参加学术研讨课、学术报告会或讲座，参加次数不少于 10 次，其中作为主讲人至少一次，鼓励研究生在学期间发表学术论文。每正式发表 1 篇论文记 1 个学分（此学分占实践环节的学分） 。七、中期考核中期考核时间一般于第三学期。考核内容：政治思想、道德品质和遵纪守
33、法等方面的表现；业务考核主要是课程学习、本学科或研究方向的文献综述、外语水平、实验操作能力、开题报告及写作表达能力。考核由学科组组织专家 57 人结合开题进行业务考核。政治思想考核由研究生院组织进行。根据考核结果进行分流，考核合格进入论文阶段，考核不合格不能进入论文阶段，视情况延长学习时间，考核组认为不宜继续培养者，按学校规定进行处理。考核优秀者可提前毕业，并推荐为获得奖学金的候选人。八、论文工作和论文要求硕士研究生在修完培养方案规定的课程及其他各项要求，经考试合格(每门课程成绩及格，学位课程成绩总平均达 70 分以上)和中期考核合格后方可进入论文阶段，一般在第三学期提出论文开题报告，论文工作不少于 1 学年。学位论文依次包括如下内容：封面、题目、扉页、摘要(中、英文) 、目录、引言或前言、正文、结论、参考文献。论文应着重叙述自己的研究工作和获得的成果，并加以分析讨论。对于科学论点，要有理论上的论证，或实验验证。对选用的研究方法，要加以严谨的论证。引用别人的材料，要引证原著。利用合著者的思想和研究成果时，要加以附注。论文立题及主要论点要正确，应有新见解或能解决实际生产问题，表明作者具有从事科研或独立承担技术工作的能力。取得规定的学分，完成学位论文后可申请参加论文答辩。学位论文评阅、答辩按学校有关规定办理。
