考点

1. 聚类的定义，方法，k-means算法步骤，方法论的分类。k-means步骤，优缺点。比如迭代3次之后的结果。评价聚类算法的好坏，角度有哪些。

2. em算法：概念，适用场景（可以扩展，混合高斯等），em的实现，计算，jensen不等式，如何计算。计算：高斯分布混合而成。em优缺点，其他应用。

3. 分类：决策树，knn，贝叶斯，基本的分类的算法。分类的定义，现实世界的应用场景（垃圾邮件识别等）。训练和验证测试集的划分，要完成哪些条件。常见的分类器。贝叶斯公式的形式，计算。决策树，id3，c4.5克服了缺点（简答题）

4. gamma：知道gamma函数的形式，在实数域的特征，阶乘。要看一下性质（递推式），如何证明性质。gamma函数积分的形式，阶乘实现。

5. beta分布：最基本的表现（4个分布），看到特征、数学表达式，符号的含义是什么（简答题）。会计算题。beta分布在前四种之上构造的，看到特征characteristics，稍微了解一下表达，也有计算题。每个分布数学公式，均值方差，图形表达，应用，例题等等。

6. nlp：不用管工具使用。传统nlp的任务是什么。做分词，特征构建等。可用特征（词频，共线频率等）。稍微看一下分词。什么事停用词。命名实体识别。其他处理过程（词根化等）。马尔科夫链，看一下转移矩阵的概率，计算。n-gram应用。word vector如何构建，给你一个句子，写出来对应的向量。tf-idf不用太多记，如何根据它构建主题模型。词项-文档矩阵，给一个文档，算出来tf-idf，得到矩阵。了解信息熵概念，什么是最大熵。·

一 简答题（共12题，每题5分，共60分）

1. 解释C++内存管理的机制，并说明栈、堆、静态存储区的区别。

答：C++中的内存管理分为栈、堆和静态存储区: 栈用于存储局部变量，由编译器自动分配和释放，生命周期短，访问快；堆用于动态分配内存，由程序员手动管理，适合大块数据，生命周期由程序控制；静态存储区存储全局变量和静态变量，整个程序生命周期内有效，访问速度与栈相当。

2. 简要解释指针和数组的关系，并说明如何通过指针操作数组元素。

答：数组名相当于指向其首元素的指针。通过指针偏移可以访问数组元素，使用*(指针+偏移量)解引用操作具体的元素。

3. 虚函数是如何支持多态性的？虚函数被调用时，如何确保正确的函数被调用？

答：虚函数通过动态绑定支持多态性。当基类指针或引用指向派生类对象时，调用虚函数时由虚函数表和虚表指针机制决定具体调用哪个函数。每个类有一个虚函数表，记录函数地址，派生类会覆盖基类的对应入口。调用虚函数时，通过对象的虚表指针定位到正确的函数地址，确保调用派生类的实现。

复习建议

• 开卷考试，建议携带材料：

  • 数据仓库白皮书（数据仓库与数据挖掘） + 黑皮书 （数据挖掘：概念与技术），可能会考一些往年没有的题，这个时候翻书就很有用了；
  • 往年卷题型解答（最好是你自己写的过程）；
  • 对数表、分数表、信息熵计算表；

• 题型与往年题相同，数据会变，因此推荐面向往年题复习。

  • 一道数据仓库 + 一道关联 + 一道数据预处理与分类 + 一道聚类；
  • 复习时建议动笔计算，只有动手了才更好理解如何计算；
  • 一定要使用题目要求的算法；

写在前面

本篇复习参考了多个来源，因此可能会在一些细节上出现相互矛盾的地方，这时候需要多多思考和理解。

策略模式 Strategy Pattern

策略模式定义了算法族，分别封装起来，让它们之间可以互相替换，此模式让算法的变化独立于使用算法的客户。

一、山在那儿

　　“我今天一定要搞清楚你这个怪癖：为什么从不上岸?”船长对冯帆说，“五年了，我都记不清蓝水号停泊过多少个国家的多少个港口了，可你从没上过岸。如果蓝水号退役了，你是不是也打算像电影的主人公那样随它沉下去?”

　　“我会换条船，海洋考察船总是欢迎我这种不上岸的地质工程师的。”

　　“是陆地上有什么东西让你害怕吧?”

　　“相反，陆地上有东西让我向往。”

　　“什么东西?”

　　“山。”

HashMap详解

一 映射

1. hash

在取模运算之前，先将hashcode进行一次hash。该函数的作用是通过异或将hashcode的高位和低位混合，使得低位的随机性增大，让数据元素更加均衡的分布，减少碰撞。

1
2
3
4

static final int hash(Object key) {
    int h;
    return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}

2. 取模

然后进行取模：hash & (length - 1)

为什么是 & ？： 当length是2的n次方时，hash % length 等于 hash & (length - 1)。

二 扩容机制

实验要求

操作实验：熊猫烧香病毒分析。实验内容如下。

1. 基于虚拟机软件及其快照功能，搭建一个恶意代码分析实验环境。
2. 分析熊猫烧香病毒的程序结构和入侵过程。

实验过程

一 搭建恶意代码分析实验环境

测试环境：VMWare WorkStation + Windowx XP Home Edition

1. 通过共享文件夹，将病毒样本zip和所需工具上传到windows xp中，然后禁用共享文件夹。

2. 关闭虚拟机的网络，防止病毒通过网络传播：

实验要求

下载Crackme程序，综合运用0lyDbg、IDA 和UltraEdit 等工具进行注册登录功能的破解。完成实验报告，

实验过程

破解目标选择 crakeme001：Acid burn；

实验环境为 windows 11.

一 体验 Acid burn

打开Acid burn，体验如何使用：

Serial/Name界面，输入一个用户名，尝试输入几个序列号，都返回Try Aagin：

数据管理基础 期末复习

第二章 关系数据库

1. 关系代数

五种基本关系代数运算：并、差、笛卡尔积、选择、投影。

第三章 SQL

1. 视图

解释：

由一个或几个基本表（或视图）导出的表，是一个虚表。数据库只存放视图的定义，而不存放视图对应的数据。

视图的作用：

• 简化用户的操作
• 使用户能以多种角度看待同一数据，适应了数据库共享的需要
• 对重构数据库提供了一定程度的逻辑独立性
• 对机密数据提供安全保护
• 适当的利用视图可以更清晰地表达查询

实验要求

使用渗透性测试工具 Metasploit 进行漏洞测试。实验内容如下。
1)安装并配置Kali(https://www.kali.org)。
2)从Kali 操作系统的终端初始化和启动Metasploit 工具。
3)使用 Metasploit 挖掘 MS08-067 等漏洞。