新工科背景下“數(shù)據(jù)結(jié)構(gòu)”課程的教學(xué)改革探索

摘要：隨著新工科背景下人才培養(yǎng)目標的轉(zhuǎn)變和人工智能技術(shù)的迅猛發(fā)展，傳統(tǒng)“數(shù)據(jù)結(jié)構(gòu)”課程的教學(xué)模式已經(jīng)難以滿足學(xué)生的需求。針對新形勢下該課程所面臨的挑戰(zhàn)，本文提出基于融合機器學(xué)習(xí)模型的“數(shù)據(jù)結(jié)構(gòu)”教學(xué)改革新模式。通過設(shè)計新的課程內(nèi)容、加強實踐環(huán)節(jié)和強化項目實踐等方式，旨在引導(dǎo)學(xué)生深入理解機器學(xué)習(xí)與數(shù)據(jù)結(jié)構(gòu)的理論與應(yīng)用。該模式不僅能夠為教師提供適應(yīng)人工智能時代有效的教學(xué)方法和策略，也有助于提高學(xué)生的實踐能力和創(chuàng)新能力，為學(xué)生未來的研究和實踐奠定堅實基礎(chǔ)。

關(guān)鍵詞：新工科；數(shù)據(jù)結(jié)構(gòu)；教學(xué)改革；機器學(xué)習(xí)

一、概述

隨著科技的快速發(fā)展和人工智能時代的到來，數(shù)據(jù)的重要性愈發(fā)凸顯。數(shù)據(jù)不僅是信息社會的基礎(chǔ)，也是推動社會進步和創(chuàng)新動力的源泉。在這個信息爆炸時代，“數(shù)據(jù)結(jié)構(gòu)”作為計算機科學(xué)的重要基石，是計算機專業(yè)學(xué)生必修的重要課程之一。這門課程主要介紹計算機中數(shù)據(jù)的存儲和操作方式，是計算機程序設(shè)計和算法研究的重要基礎(chǔ)。然而，當(dāng)前傳統(tǒng)的“數(shù)據(jù)結(jié)構(gòu)”教學(xué)方式已經(jīng)無法滿足人工智能時代對學(xué)生的需求，需要進一步適應(yīng)新的需求和挑戰(zhàn)［1］。

隨著人工智能技術(shù)的迅猛發(fā)展，機器學(xué)習(xí)已經(jīng)成為人工智能領(lǐng)域的重要技術(shù)。該技術(shù)被廣泛應(yīng)用于自然語言處理、圖像識別、語音識別等領(lǐng)域，這種廣泛應(yīng)用在數(shù)據(jù)處理和決策中引發(fā)了教育領(lǐng)域的深刻思考。因此，在面對人工智能時代的挑戰(zhàn)時，將機器學(xué)習(xí)模型融入“數(shù)據(jù)結(jié)構(gòu)”教學(xué)中，以培養(yǎng)學(xué)生的數(shù)據(jù)思維能力和解決問題的技能，已成為適應(yīng)時代需求的必然選擇。

傳統(tǒng)的“數(shù)據(jù)結(jié)構(gòu)”教學(xué)通常采用以理論講解為主，然而，這種教學(xué)方法在當(dāng)前環(huán)境下存在著一系列問題。首先，傳統(tǒng)的“數(shù)據(jù)結(jié)構(gòu)”教學(xué)往往只注重理論講解，而忽略了實踐環(huán)節(jié)，導(dǎo)致學(xué)生缺乏實踐經(jīng)驗，從而無法真正理解數(shù)據(jù)結(jié)構(gòu)的應(yīng)用場景。其次，缺乏對新技術(shù)的介紹，如機器學(xué)習(xí)和深度學(xué)習(xí)等，傳統(tǒng)的“數(shù)據(jù)結(jié)構(gòu)”教學(xué)往往只介紹數(shù)據(jù)結(jié)構(gòu)的基本原理和算法，而缺少對新技術(shù)的涉及。再次，傳統(tǒng)的“數(shù)據(jù)結(jié)構(gòu)”教學(xué)與實際應(yīng)用場景缺乏聯(lián)系，學(xué)生難以將所學(xué)的數(shù)據(jù)結(jié)構(gòu)知識與實際應(yīng)用場景相結(jié)合，進而難以應(yīng)對實際問題的解決。從次，傳統(tǒng)教學(xué)模式也缺乏啟發(fā)式思維培養(yǎng)，學(xué)生僅僅被告知數(shù)據(jù)結(jié)構(gòu)的基本概念和解決問題的方法，而不是被引導(dǎo)思考如何創(chuàng)造更優(yōu)的數(shù)據(jù)結(jié)構(gòu)或優(yōu)化算法等。最后，傳統(tǒng)“數(shù)據(jù)結(jié)構(gòu)”教學(xué)與其他學(xué)科脫節(jié)，難以滿足現(xiàn)實需求，例如數(shù)據(jù)科學(xué)、人工智能等領(lǐng)域?qū)τ诳鐚W(xué)科融合知識的需求。這些問題導(dǎo)致傳統(tǒng)的“數(shù)據(jù)結(jié)構(gòu)”教學(xué)與實際需求脫節(jié)，學(xué)生在學(xué)習(xí)過程中缺乏實踐經(jīng)驗和創(chuàng)新思維的培養(yǎng)，無法滿足人工智能時代的需求。因此，教學(xué)改革需要進行有針對性的改革。

通過融合機器學(xué)習(xí)模型的“數(shù)據(jù)結(jié)構(gòu)”教學(xué)，有望培養(yǎng)學(xué)生的創(chuàng)新思維、數(shù)據(jù)分析和解決問題的能力。這不僅有助于學(xué)生在人工智能時代更好地適應(yīng)社會需求，還能夠為他們的未來職業(yè)發(fā)展提供有力支持。本文的研究對于促進教育改革、提高教學(xué)質(zhì)量和推動學(xué)生終身學(xué)習(xí)具有重要的理論和實踐意義。

二、教學(xué)內(nèi)容改革的探索

傳統(tǒng)的“數(shù)據(jù)結(jié)構(gòu)”教學(xué)注重理論知識和基本操作的講解和練習(xí)，而忽略了“數(shù)據(jù)結(jié)構(gòu)”在實際應(yīng)用中的重要性和機器學(xué)習(xí)在數(shù)據(jù)結(jié)構(gòu)中的應(yīng)用。因此，本文提出一種新的教學(xué)模式，旨在將機器學(xué)習(xí)模型與數(shù)據(jù)結(jié)構(gòu)相結(jié)合，通過實際案例和應(yīng)用展示數(shù)據(jù)結(jié)構(gòu)的基本概念和應(yīng)用。

（一）數(shù)據(jù)結(jié)構(gòu)的基本概念與應(yīng)用

機器學(xué)習(xí)中需要處理各種不同類型的數(shù)據(jù)，如向量、矩陣、圖等?！皵?shù)據(jù)結(jié)構(gòu)”課程可以著重介紹這些基本的數(shù)據(jù)結(jié)構(gòu)，并通過實際案例和應(yīng)用展示其在機器學(xué)習(xí)中的應(yīng)用，如使用數(shù)組、鏈表、樹等數(shù)據(jù)結(jié)構(gòu)來實現(xiàn)機器學(xué)習(xí)算法中的數(shù)據(jù)存儲、檢索、排序等操作。數(shù)組用于存儲向量和矩陣數(shù)據(jù)，可以進行快速的訪問和操作。在機器學(xué)習(xí)中，常常需要對數(shù)據(jù)進行數(shù)值計算和統(tǒng)計分析；鏈表用于存儲非數(shù)值型數(shù)據(jù)，例如文本和圖像數(shù)據(jù)。鏈表可以按順序存儲數(shù)據(jù)，也可以支持快速插入和刪除操作。樹用于建立各種類型的分類和回歸模型，例如決策樹［2］、隨機森林［3］和梯度提升樹［4］等，樹的結(jié)構(gòu)可以很好地表示變量之間的關(guān)系和規(guī)律。圖用于表示各種復(fù)雜數(shù)據(jù)關(guān)系和網(wǎng)絡(luò)結(jié)構(gòu)，例如，社交網(wǎng)絡(luò)和圖像識別中的圖像分割和圖像標注。圖的特點在于可以對復(fù)雜數(shù)據(jù)結(jié)構(gòu)進行建模，并支持多種算法和模型的實現(xiàn)。

（二）數(shù)據(jù)結(jié)構(gòu)與算法的效率分析

在機器學(xué)習(xí)中，對于大規(guī)模數(shù)據(jù)的處理和分析，高效的數(shù)據(jù)結(jié)構(gòu)和算法是至關(guān)重要的?！皵?shù)據(jù)結(jié)構(gòu)”課程可以通過舉例來介紹如何應(yīng)用不同的數(shù)據(jù)結(jié)構(gòu)和算法來優(yōu)化機器學(xué)習(xí)算法的性能。例如，針對大規(guī)模圖像數(shù)據(jù)的處理和分類，可以采用基于哈希表的快速檢索算法；而針對海量文本數(shù)據(jù)的處理和分析，則可以采用基于前綴樹的高效字符串匹配算法。此外，隨著人工智能和大數(shù)據(jù)時代的到來，圖數(shù)據(jù)結(jié)構(gòu)的應(yīng)用也日益廣泛，學(xué)生可以通過課程學(xué)習(xí)到圖算法的實際應(yīng)用，如社交網(wǎng)絡(luò)分析、推薦系統(tǒng)等。通過數(shù)據(jù)結(jié)構(gòu)和算法的分析，學(xué)生能夠了解如何根據(jù)具體問題的特點來選擇合適的數(shù)據(jù)結(jié)構(gòu)和算法，以達到更高的效率和準確率。

（三）機器學(xué)習(xí)中的常用數(shù)據(jù)結(jié)構(gòu)

在機器學(xué)習(xí)中，有一些常用的數(shù)據(jù)結(jié)構(gòu)被廣泛應(yīng)用，如線性回歸［5］、決策樹、支持向量機［6］等。“數(shù)據(jù)結(jié)構(gòu)”課程可以介紹這些常用的數(shù)據(jù)結(jié)構(gòu)，并結(jié)合機器學(xué)習(xí)算法的原理和實際應(yīng)用，深入探討它們的特點、優(yōu)缺點以及在機器學(xué)習(xí)中的應(yīng)用場景。此外，隨著深度學(xué)習(xí)的發(fā)展，神經(jīng)網(wǎng)絡(luò)等數(shù)據(jù)結(jié)構(gòu)也成為機器學(xué)習(xí)中的重要組成部分。因此，課程還可以拓展討論如何利用各種數(shù)據(jù)結(jié)構(gòu)來實現(xiàn)和優(yōu)化深度學(xué)習(xí)算法，進一步提升學(xué)生對于數(shù)據(jù)結(jié)構(gòu)在機器學(xué)習(xí)中的理解和應(yīng)用能力。

（四）數(shù)據(jù)結(jié)構(gòu)的高級應(yīng)用

機器學(xué)習(xí)中還涉及一些高級的數(shù)據(jù)結(jié)構(gòu)，如圖、哈希表、堆等。“數(shù)據(jù)結(jié)構(gòu)”課程可以引導(dǎo)學(xué)生深入學(xué)習(xí)這些高級的數(shù)據(jù)結(jié)構(gòu)，并通過實際案例和應(yīng)用，展示它們在機器學(xué)習(xí)中的應(yīng)用，如圖神經(jīng)網(wǎng)絡(luò)［7］、哈希表在數(shù)據(jù)索引和數(shù)據(jù)檢索中的應(yīng)用等［8］。此外，還可以介紹如何利用這些高級數(shù)據(jù)結(jié)構(gòu)優(yōu)化機器學(xué)習(xí)算法的性能，如使用優(yōu)先隊列實現(xiàn)的堆來加速最短路徑算法在圖像分割中的應(yīng)用，以及在哈希表中快速查找最近鄰居的方法等，從而使學(xué)生能夠更深入地理解和應(yīng)用數(shù)據(jù)結(jié)構(gòu)在機器學(xué)習(xí)中的重要性和實用性。

（五）數(shù)據(jù)結(jié)構(gòu)與機器學(xué)習(xí)的綜合實踐

通過實踐項目，將數(shù)據(jù)結(jié)構(gòu)與機器學(xué)習(xí)算法結(jié)合起來，學(xué)生能夠親自動手實現(xiàn)和優(yōu)化機器學(xué)習(xí)算法中的數(shù)據(jù)結(jié)構(gòu)部分。例如，可以設(shè)計一個基于樹結(jié)構(gòu)的決策樹算法，并通過實現(xiàn)和測試不同數(shù)據(jù)結(jié)構(gòu)的效率，讓學(xué)生深刻理解數(shù)據(jù)結(jié)構(gòu)在機器學(xué)習(xí)中的作用和應(yīng)用。此外，還可以擴展實踐項目，引入大型數(shù)據(jù)集和實際問題，讓學(xué)生在解決實際挑戰(zhàn)的過程中，深入理解和應(yīng)用數(shù)據(jù)結(jié)構(gòu)與機器學(xué)習(xí)的知識，培養(yǎng)其解決實際問題的能力和創(chuàng)新思維。

通過以上教學(xué)內(nèi)容的改革，學(xué)生可以更加深入地理解數(shù)據(jù)結(jié)構(gòu)在機器學(xué)習(xí)中的重要性和應(yīng)用價值，幫助學(xué)生更好地理解和應(yīng)用數(shù)據(jù)結(jié)構(gòu)，將抽象的概念和理論與實際的人工智能領(lǐng)域的前沿技術(shù)相結(jié)合，培養(yǎng)學(xué)生的實際問題解決能力和創(chuàng)新能力。

三、教學(xué)改革實施方案的探索

教學(xué)改革實施方案的目標是將機器學(xué)習(xí)技術(shù)有效地落實到“數(shù)據(jù)結(jié)構(gòu)”課程中，以探索新的教學(xué)模式和提高學(xué)生的實踐能力。

（一）引入機器學(xué)習(xí)技術(shù)

在“數(shù)據(jù)結(jié)構(gòu)”教學(xué)中引入機器學(xué)習(xí)技術(shù)，介紹數(shù)據(jù)結(jié)構(gòu)在人工智能領(lǐng)域的應(yīng)用，并引導(dǎo)學(xué)生掌握相關(guān)的算法和模型。在教學(xué)中，可以通過講解機器學(xué)習(xí)的基本概念和原理，來介紹它們在人工智能領(lǐng)域中的應(yīng)用。例如，在講解樹這一數(shù)據(jù)結(jié)構(gòu)的時候，可以引入決策樹算法；在講解圖時，可以介紹圖神經(jīng)網(wǎng)絡(luò)模型。通過這樣的方式，學(xué)生能夠深入了解數(shù)據(jù)結(jié)構(gòu)在人工智能領(lǐng)域中的應(yīng)用，加深對知識的理解和掌握。此外，還可以通過案例分析和實踐項目，讓學(xué)生親自動手實現(xiàn)和應(yīng)用相關(guān)算法和模型，從而提升他們的實際操作能力和創(chuàng)新意識。通過引入機器學(xué)習(xí)技術(shù)，學(xué)生能夠更好地理解數(shù)據(jù)結(jié)構(gòu)與人工智能的關(guān)系，加強對知識的應(yīng)用。

（二）加強實踐環(huán)節(jié)

在課程中加強實踐環(huán)節(jié)，例如通過編寫程序、進行實驗等方式，讓學(xué)生深入了解機器學(xué)習(xí)與數(shù)據(jù)結(jié)構(gòu)的結(jié)合，提高學(xué)生的實踐能力。例如，要求學(xué)生利用數(shù)據(jù)結(jié)構(gòu)實現(xiàn)一些基本的機器學(xué)習(xí)算法，例如，決策樹是一種常見的機器學(xué)習(xí)算法，用于分類和回歸分析。它使用樹形結(jié)構(gòu)表示決策規(guī)則，每個節(jié)點代表一個屬性判斷，每個葉子節(jié)點代表一種分類結(jié)果。決策樹算法中，使用了二叉樹的數(shù)據(jù)結(jié)構(gòu)，使得決策樹的構(gòu)建、遍歷和剪枝等操作都可以用樹的數(shù)據(jù)結(jié)構(gòu)來實現(xiàn)。通過這樣的實踐，學(xué)生不僅能夠在理論上了解數(shù)據(jù)結(jié)構(gòu)與機器學(xué)習(xí)的結(jié)合，還能夠深入掌握實際應(yīng)用中的技能和方法。強調(diào)實踐環(huán)節(jié)能夠更好地鞏固理論知識，培養(yǎng)學(xué)生解決問題的能力。

（三）開展項目實踐

引導(dǎo)學(xué)生參與機器學(xué)習(xí)相關(guān)的項目實踐，例如，基于數(shù)據(jù)結(jié)構(gòu)的圖像識別、自然語言處理等，讓學(xué)生了解實際應(yīng)用場景，增強學(xué)生的創(chuàng)新能力。在項目實踐中，可以引導(dǎo)學(xué)生設(shè)計并實現(xiàn)基于數(shù)據(jù)結(jié)構(gòu)的圖像識別算法，例如，使用哈希表存儲特征向量，構(gòu)建決策樹進行分類等。同時，可以引導(dǎo)學(xué)生開發(fā)基于數(shù)據(jù)結(jié)構(gòu)的自然語言處理算法，例如使用字典樹存儲詞典，構(gòu)建文本分類模型等。通過項目實踐，學(xué)生可以深入理解機器學(xué)習(xí)與數(shù)據(jù)結(jié)構(gòu)的結(jié)合，提高學(xué)生的實際應(yīng)用能力和創(chuàng)新能力。同時，項目實踐也可以讓學(xué)生了解到機器學(xué)習(xí)的現(xiàn)實應(yīng)用場景，從而更好地掌握課程中的理論知識。這種綜合實踐的教學(xué)方式能夠促進學(xué)生的綜合能力提升，培養(yǎng)學(xué)生解決問題和創(chuàng)新思維TvIR7Ef5vcXRxz+WWguswA==的能力。

（四）探索新的教學(xué)模式

探索新的教學(xué)模式，例如，基于互聯(lián)網(wǎng)和人工智能技術(shù)的在線教學(xué)平臺，使學(xué)生能夠自主學(xué)習(xí)和探索知識點。通過在線教學(xué)平臺，學(xué)生可以隨時隨地訪問課程內(nèi)容和學(xué)習(xí)資源，包括視頻講解、交互式實驗、編程作業(yè)等。平臺可以根據(jù)學(xué)生的學(xué)習(xí)情況和進度，提供個性化的學(xué)習(xí)建議和評估，幫助學(xué)生更好地理解和掌握課程內(nèi)容。同時，這種教學(xué)模式還可以通過人工智能技術(shù)，為學(xué)生提供更加智能化、個性化的學(xué)習(xí)體驗。例如，可以通過自然語言處理技術(shù)，為學(xué)生提供語音助教和智能答疑服務(wù)；可以通過機器學(xué)習(xí)技術(shù)，對學(xué)生的學(xué)習(xí)行為和數(shù)據(jù)進行分析，提供針對性的學(xué)習(xí)建議和反饋。這種基于互聯(lián)網(wǎng)和人工智能技術(shù)的教學(xué)模式，能夠提升教學(xué)的靈活性和效率，激發(fā)學(xué)生的學(xué)習(xí)興趣，促進學(xué)生自主學(xué)習(xí)和思考能力的培養(yǎng)。

以上教學(xué)改革實施方案，能夠提升學(xué)生對數(shù)據(jù)結(jié)構(gòu)與機器學(xué)習(xí)的理解和掌握程度，激發(fā)學(xué)生的學(xué)習(xí)興趣，培養(yǎng)學(xué)生的實際應(yīng)用能力和創(chuàng)新思維，以及促進學(xué)生自主學(xué)習(xí)和解決問題能力的提升。

四、教學(xué)評估和效果分析

在融合機器學(xué)習(xí)模型的“數(shù)據(jù)結(jié)構(gòu)”教學(xué)改革中，教學(xué)評估和效果分析是至關(guān)重要的一環(huán)。本部分討論如何評估和分析新教學(xué)模式的有效性以及學(xué)生的學(xué)習(xí)效果。

首先，可以采用定量和定性的評估方法來評估學(xué)生在課程中的學(xué)習(xí)效果。定量評估可以包括考試成績、作業(yè)完成情況、項目成果等數(shù)據(jù)的統(tǒng)計和分析；同時，定性評估可以通過學(xué)生反饋、觀察記錄、教師評估等方式來獲取對學(xué)生學(xué)習(xí)情況和體驗的細致描述。其次，可以利用數(shù)據(jù)分析技術(shù)來對學(xué)生的學(xué)習(xí)過程進行深入分析。通過收集學(xué)生在學(xué)習(xí)過程中產(chǎn)生的數(shù)據(jù)，如學(xué)習(xí)行為記錄、學(xué)習(xí)軌跡、交互數(shù)據(jù)等，可以應(yīng)用機器學(xué)習(xí)模型對學(xué)生的學(xué)習(xí)狀態(tài)、困難點和學(xué)習(xí)進展進行分析和預(yù)測。這些數(shù)據(jù)分析的結(jié)果可以幫助教師更好地了解學(xué)生的學(xué)習(xí)需求，調(diào)整教學(xué)策略，并提供個性化的學(xué)習(xí)支持和反饋。再次，還可以考慮與其他學(xué)?；蛘邫C構(gòu)進行合作，進行跨校、跨組織的教學(xué)效果比較研究。通過與其他教育實踐者共享教學(xué)材料、數(shù)據(jù)和經(jīng)驗，可以相互借鑒、交流和改進教學(xué)模型，進一步提高教學(xué)質(zhì)量和效果。最后，在教學(xué)評估和效果分析的基礎(chǔ)上，需要及時反饋評估結(jié)果，不斷優(yōu)化和改進教學(xué)模式。教師和教育機構(gòu)應(yīng)該積極參與教學(xué)改革的討論和研究，形成持續(xù)的反饋機制，并根據(jù)評估結(jié)果調(diào)整教學(xué)策略和教學(xué)內(nèi)容，以提高教學(xué)的實效性和可持續(xù)發(fā)展性。

通過教學(xué)評估和效果分析，學(xué)?？梢匀媪私馊诤蠙C器學(xué)習(xí)模型的“數(shù)據(jù)結(jié)構(gòu)”教學(xué)改革的成效和問題，為進一步推進教學(xué)改革提供科學(xué)依據(jù)和經(jīng)驗借鑒。

五、結(jié)論

本文探討了新工科背景下將數(shù)據(jù)結(jié)構(gòu)與機器學(xué)習(xí)模型相結(jié)合進行教學(xué)的新模式，旨在幫助學(xué)生更好地掌握數(shù)據(jù)結(jié)構(gòu)的基本概念和應(yīng)用，并進一步了解機器學(xué)習(xí)模型的應(yīng)用和優(yōu)化。通過分析數(shù)據(jù)結(jié)構(gòu)在機器學(xué)習(xí)中的應(yīng)用場景和作用，介紹了基于數(shù)據(jù)結(jié)構(gòu)的機器學(xué)習(xí)模型，例如決策樹、支持向量機等，同時詳細分析了數(shù)據(jù)結(jié)構(gòu)與機器學(xué)習(xí)模型的關(guān)系和優(yōu)缺點?；谶@些分析，能夠讓學(xué)生在實踐中了解數(shù)據(jù)結(jié)構(gòu)與機器學(xué)習(xí)模型的應(yīng)用，同時培養(yǎng)其分析和解決問題的能力。

未來，將進一步探究數(shù)據(jù)結(jié)構(gòu)與機器學(xué)習(xí)模型的結(jié)合，設(shè)計更加實用和高效的教學(xué)模塊，同時加強對學(xué)生的自主探究能力的培養(yǎng)，提高他們解決實際問題的能力。此外，還可以探究數(shù)據(jù)結(jié)構(gòu)和機器學(xué)習(xí)模型在其他領(lǐng)域的應(yīng)用，如自然語言處理、計算機視覺等，從而推動數(shù)據(jù)結(jié)構(gòu)與機器學(xué)習(xí)的深度融合，更好地應(yīng)對人工智能時代的挑戰(zhàn)。

參考文獻：

［1］張玉紅，李培培，胡學(xué)鋼.關(guān)于人工智能專業(yè)中數(shù)據(jù)結(jié)構(gòu)課程教學(xué)的幾點思考［J］.計算機教育，2019（08）：106109.

［2］欒麗華，吉根林.決策樹分類技術(shù)研究［J］.計算機工程，2004（09）：9496+105.

［3］呂紅燕，馮倩.隨機森林算法研究綜述［J］.河北省科學(xué)院學(xué)報，2019，36（03）：3641.

［4］龔越，羅小芹，王殿海，等.基于梯度提升回歸樹的城市道路行程時間預(yù)測［J］.浙江大學(xué)學(xué)報（工學(xué)版），2018，52（03）：453460.

［5］胡良平.多重線性回歸分析的核心內(nèi)容與關(guān)鍵技術(shù)概述［J］.四川精神衛(wèi)生，2018，31（01）：16.

［6］王霞，董永權(quán)，于巧，等.結(jié)構(gòu)化支持向量機研究綜述［J］.計算機工程與應(yīng)用，2020，56（17）：2432.

［7］劉穎穎，葉海良，楊冰，等.基于隨機重構(gòu)圖結(jié)構(gòu)的圖神經(jīng)網(wǎng)絡(luò)分類算法［J］.中國計量大學(xué)學(xué)報，2022，33（01）：5564.

［8］朱海龍，梁斌，張濤.基于局部敏感哈希的導(dǎo)航星庫快速搜索算法［J］.西北工業(yè)大學(xué)學(xué)報，2018，36（05）：988994.

課題項目：2023年度國家自然科學(xué)基金青年基金項目“面向交通預(yù)測的小樣本深度網(wǎng)絡(luò)模型研究”（62306152）

*通訊作者：錢有程（1985—），男，漢族，上海人，博士，講師，研究方向：從事統(tǒng)計機器學(xué)習(xí)方面的研究。

作者簡介：尹雪妍（1990—），女，漢族，吉林吉林人，博士，講師，研究方向：從事大數(shù)據(jù)與人工智能方面的研究。