吉首大學(xué)大學(xué)生研究性學(xué)習(xí)和創(chuàng)新性實(shí)驗(yàn)計(jì)劃項(xiàng)目申請(qǐng)書

1、附件1：吉 首 大 學(xué)大學(xué)生研究性學(xué)習(xí)和創(chuàng)新性實(shí)驗(yàn)計(jì)劃項(xiàng)目申 請(qǐng) 書學(xué) 院 名 稱 數(shù)學(xué)與電腦科學(xué)學(xué)院 計(jì)劃項(xiàng)目名稱 基于密度的聚類算法研究 _計(jì)劃項(xiàng)目負(fù)責(zé)人 彭 浩 所 在 專 業(yè) 信息與計(jì)算科學(xué) 所 在 年 級(jí) 08級(jí) 聯(lián) 系 電 話電 子 郵 件 124898764qq 導(dǎo) 師 姓 名 段明秀 _導(dǎo) 師 職 稱 講 師 _填 寫 日 期 2011-4-20 吉首大學(xué)教務(wù)處制填寫說(shuō)明及注意事項(xiàng)一、申報(bào)書逐項(xiàng)認(rèn)真填寫，填寫內(nèi)容必須實(shí)事求是，表達(dá)明確嚴(yán)謹(jǐn)?？杖表?xiàng)要填“無(wú)”。二、表格中的字體小四號(hào)仿宋體，1.5倍行距；需簽字部分由相關(guān)人員以黑色鋼筆或水筆簽名。均用A4

2、紙雙面打印，于左側(cè)裝訂成冊(cè)。三、大學(xué)生研究性學(xué)心和創(chuàng)新實(shí)驗(yàn)項(xiàng)目是本科學(xué)生個(gè)人或創(chuàng)新團(tuán)隊(duì)在導(dǎo)師指導(dǎo)下，自主進(jìn)行研究性學(xué)習(xí)，自主進(jìn)行實(shí)驗(yàn)方法的設(shè)計(jì)、組織設(shè)備和材料、實(shí)施實(shí)驗(yàn)、調(diào)查、分析處理數(shù)據(jù)、撰寫總結(jié)報(bào)告等工作。四、項(xiàng)目實(shí)施原則：參與計(jì)劃的學(xué)生要對(duì)科學(xué)研究或創(chuàng)造發(fā)明有濃厚的興趣，并在導(dǎo)師指導(dǎo)下完成實(shí)驗(yàn)過(guò)程；參與學(xué)生要自主設(shè)計(jì)實(shí)驗(yàn)、自主完成實(shí)驗(yàn)、自主管理實(shí)驗(yàn)；注重創(chuàng)新性實(shí)驗(yàn)項(xiàng)目實(shí)施過(guò)程，強(qiáng)調(diào)項(xiàng)目實(shí)施過(guò)程中學(xué)生在創(chuàng)新思維和創(chuàng)新實(shí)踐方面的收獲。五、參與大學(xué)生創(chuàng)新性實(shí)驗(yàn)項(xiàng)目的學(xué)生不超過(guò)5人，項(xiàng)目執(zhí)行時(shí)間為1-2年。六、指導(dǎo)老師應(yīng)具有講師以上職稱，每個(gè)指導(dǎo)老師指導(dǎo)的項(xiàng)目數(shù)不超過(guò)2項(xiàng)。七、計(jì)劃項(xiàng)目必須先由導(dǎo)

3、師提出意見、由所在學(xué)院審核后再推薦上報(bào)。推薦上報(bào)的計(jì)劃項(xiàng)目表一式三份均為原件報(bào)送教務(wù)處，同時(shí)提交電子文檔。項(xiàng)目名稱基于密度的聚類算法研究項(xiàng)目主持人彭浩學(xué)號(hào)20084043032班級(jí)08信計(jì)年級(jí)08級(jí)Q124898764項(xiàng)目組其他成員學(xué)生性別學(xué)院名稱專業(yè)年級(jí)聯(lián)系 合作者簽名楊亞龍男數(shù)學(xué)與電腦科學(xué)學(xué)院信息與計(jì)算科學(xué)08勇男數(shù)學(xué)與電腦科學(xué)學(xué)院信息與計(jì)算科學(xué)08超林女?dāng)?shù)學(xué)與電腦科學(xué)學(xué)院信息與計(jì)算科學(xué)09永勝男數(shù)學(xué)與電腦科學(xué)學(xué)院信息與計(jì)算科學(xué)09導(dǎo)教師情況段明秀性別女民族漢出

4、生年月1975.5職稱講師專業(yè)電腦應(yīng)用研究方向數(shù)據(jù)挖掘、神經(jīng)網(wǎng)絡(luò) 號(hào)-mailDuanmxq126 指導(dǎo)老師簽名一、前期基礎(chǔ)500字以內(nèi) 項(xiàng)目組成員均來(lái)自吉首大學(xué)數(shù)學(xué)與電腦科學(xué)學(xué)院的大二、大三的信息與計(jì)算科學(xué)專業(yè)，已系統(tǒng)進(jìn)行過(guò)數(shù)學(xué)理論方法訓(xùn)練尤其針對(duì)數(shù)值計(jì)算，信息論，數(shù)學(xué)建模等，曾獲得過(guò)校級(jí)數(shù)學(xué)建模大賽的三等獎(jiǎng)，為設(shè)計(jì)高效聚類算法打下了扎實(shí)的數(shù)學(xué)基礎(chǔ)。電腦方面，已熟練掌握了C、C+ 、JAVA，matlab(數(shù)學(xué)工具軟件)等語(yǔ)言，并且在數(shù)據(jù)結(jié)構(gòu)、算法設(shè)計(jì)、框架構(gòu)造等方面也有一些經(jīng)驗(yàn)積累，對(duì)算法的優(yōu)化與測(cè)試具備良好的電腦基礎(chǔ)。項(xiàng)目組成員均具有良好的程序設(shè)計(jì)基礎(chǔ)及扎實(shí)的數(shù)

5、學(xué)功底，并且對(duì)編程及算法研究具有濃厚的興趣。多名成員已通過(guò)英語(yǔ)4、6級(jí)考試，具備了較強(qiáng)的英語(yǔ)讀寫能力，能夠閱讀相關(guān)的外文文獻(xiàn)。項(xiàng)目指導(dǎo)老師在相關(guān)領(lǐng)域從事了多年的教學(xué)和科研工作，比較全面的掌握了數(shù)據(jù)挖掘領(lǐng)域的相關(guān)文獻(xiàn)和研究現(xiàn)狀，并已經(jīng)在聚類算法領(lǐng)域進(jìn)行了較為深入的研究，取得了一些研究成果。在項(xiàng)目指導(dǎo)老師的積極指導(dǎo)與催促下，項(xiàng)目組成員已閱讀了大量的相關(guān)國(guó)內(nèi)外文獻(xiàn)，對(duì)聚類算法特別是基于密度的聚類算法有了一定的知識(shí)積累，對(duì)聚類算法的發(fā)展歷程和最新發(fā)展趨勢(shì)有一定了解，對(duì)算法的評(píng)價(jià)標(biāo)準(zhǔn)有了更深刻的認(rèn)識(shí)。二、項(xiàng)目立論依據(jù)2000字以內(nèi)1項(xiàng)目研究目的和意義數(shù)據(jù)挖掘是從海量數(shù)據(jù)中以高度精確和高度可靠的手段挖掘和

6、產(chǎn)生新的知識(shí)，這些新的知識(shí)將為決策者提供有力的科學(xué)決策依據(jù)。數(shù)據(jù)挖掘涉及多學(xué)科技術(shù)，包括數(shù)據(jù)庫(kù)技術(shù)、統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)、高性能計(jì)算、模式識(shí)別、神經(jīng)網(wǎng)絡(luò)、數(shù)據(jù)可視化、信息檢索、圖像與信號(hào)處理和空間數(shù)據(jù)分析等。已在醫(yī)學(xué)、電信、零售業(yè)等科學(xué)或商業(yè)領(lǐng)域得到了成功應(yīng)用。聚類分析是數(shù)據(jù)挖掘領(lǐng)域中一個(gè)非常活躍的研究課題，它應(yīng)用于統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)、空間數(shù)據(jù)庫(kù)、生物學(xué)以及市場(chǎng)營(yíng)銷等領(lǐng)域，應(yīng)用于各個(gè)領(lǐng)域的聚類算法非常多。針對(duì)各行業(yè)不同的應(yīng)用，目前己經(jīng)提出了大量的聚類算法。這些算法在速度、效率、可伸縮性、處理能力、準(zhǔn)確度等方面有了不同程度的改良。聚類算法的聚類效果受數(shù)據(jù)集的分布情況影響很大，有的算法只能辨識(shí)凸形簇，有

7、的算法不能很好的處理數(shù)據(jù)中的離群點(diǎn)，有的算法的時(shí)間效率不能滿足大數(shù)據(jù)集的聚類要求等等，然而，現(xiàn)實(shí)中的數(shù)據(jù)集很多并不是凸形分布。基于密度的聚類方法的研究解決了這個(gè)問(wèn)題，基于密度的聚類算法通過(guò)尋找密度連通區(qū)域來(lái)辨識(shí)任意形狀的簇。通過(guò)密度聚類，人們能夠識(shí)別密集的和稀疏的區(qū)域，從而發(fā)現(xiàn)全局的分布模式，以及數(shù)據(jù)屬性之間的有趣的相互關(guān)系。在商務(wù)上，密度聚類能幫助市場(chǎng)分析人員從客戶基本信息庫(kù)發(fā)現(xiàn)不同的客戶群，并且用購(gòu)買模式來(lái)刻畫不同的客戶群特征。在生物學(xué)上，密度聚類能用于推導(dǎo)植物與動(dòng)物的分類，對(duì)基因進(jìn)行分類，獲得對(duì)種群固有結(jié)構(gòu)的認(rèn)識(shí)。密度聚類在地球觀測(cè)數(shù)據(jù)庫(kù)中對(duì)相似地區(qū)確實(shí)定，汽車保險(xiǎn)持有者的分組，以及根據(jù)

8、房屋的類型，價(jià)值和地理位置對(duì)一個(gè)城市中房屋的分組上也可以發(fā)揮作用。但一些經(jīng)典的基于密度的聚類算法存在一些不足，比方時(shí)間性能，對(duì)于密度分布不均數(shù)據(jù)集聚類效果差等，科研者對(duì)這些問(wèn)題也進(jìn)行了深入的研究，通過(guò)一些方法來(lái)改善基于密度的聚類算法存在的問(wèn)題。基于密度的聚類方法在實(shí)際中有廣泛的應(yīng)用，因此，對(duì)于基于密度的聚類算法的研究是很有理論和實(shí)際意義的。2國(guó)內(nèi)外研究現(xiàn)狀基于密度的聚類方法是聚類算法中一項(xiàng)研究重點(diǎn)，該方法是通過(guò)度量區(qū)域中所包含的對(duì)象數(shù)目來(lái)進(jìn)行聚類的，經(jīng)典的基于密度的方法主要有DBSCAN和 OPTIC。1996年，Ester等提出了DBSCAN，該算法具有將高密度的區(qū)域劃分為簇，并可以在帶有“

9、噪聲”的空間數(shù)據(jù)庫(kù)中發(fā)現(xiàn)任意形狀的簇。DBSCAN存在一些不足，科研者以DBSCAN為基礎(chǔ)研究了一系列的改良算法。 J.orgsander， MartinEste以DBSCAN為基礎(chǔ)提出了用于多維空間數(shù)據(jù)庫(kù)聚類的基于密度的空間聚類算法GDBSCAN。劉宗田等提出了可以用于大型空間數(shù)據(jù)庫(kù)的基于數(shù)據(jù)分區(qū)的并行DBSCAN算法。陳治平、王雷提出了基于密度梯度的聚類算法，通過(guò)分析數(shù)據(jù)樣本及其周邊的點(diǎn)密度變化情況，選擇沿密度變化大的方向?qū)ふ也粍?dòng)點(diǎn)，以獲得聚類中心，然后利用邊界點(diǎn)的分布對(duì)類進(jìn)行合并。1999年Ankerst等提出了OPTIC聚類排序方法。算法生成代表基于密度的聚類結(jié)構(gòu)的一個(gè)參數(shù)化的數(shù)據(jù)庫(kù)的

10、排序，通過(guò)這種排序包含的信息及參數(shù)設(shè)置可以得到與基于密度聚類相同的聚類結(jié)果。陳燕俐，朱梧橙在DBSCAN和OPITC的基礎(chǔ)上在提出一種簡(jiǎn)單有效的基于密度的聚類算法，該算法給出了一種簡(jiǎn)單且效率較高的鄰域查詢方法一哈希表法，對(duì)整個(gè)數(shù)據(jù)集合或部分?jǐn)?shù)據(jù)做網(wǎng)格化處理。3主要參考文獻(xiàn) 1Jiawei Han，Micheline Kamber著范明，孟小峰等譯數(shù)據(jù)挖掘概念與技術(shù)北京：機(jī)械工業(yè)出版社，2004.1-262 2Anil K.Jain，Richard C.DubesAlgorithms for Clustering DataPrentice Hall，19881-334 3Pang Ning Ta

11、n，Michael Steinbach，Vipin KumarIntroduction to Data MiningPosts & Telecom Press，2004132-212 4Paolo Giudici著袁方，王煜，王麗娟等譯實(shí)用數(shù)據(jù)挖掘 北京：電子工業(yè)出版社，20031-232 5Margaret HDunham著郭崇慧，田鳳占等譯數(shù)據(jù)挖掘教程北京：清華大學(xué)出版社，20041-201 6Mehmed Kantardzic著閃四清，陳茵，程雁等譯數(shù)據(jù)挖掘-概念、模型、方法和算法北京：清華大學(xué)出版社，20031-5 7 C.M. Bishop and M.E. TippingA

12、 Hierarchical Latent Variable Model for Data VisualisationIEEE TPAMI3，1998(20):281-293 8田盛豐，黃厚寬人工智能與知識(shí)工程長(zhǎng)沙：中國(guó)鐵道出版社，1999123 9C. WilliamsA MCMC Approach to Hierarchical Mixture Modelling Advances in NIPS，2000(1):680-686 10 C. FraleyAlgorithms for Model-Based Hierarchical ClusteringSIAM J. Sci. Comput，

13、1998(1)：279-281 11 David PollardStrong Consistency of Kmeans ClusteringAnnals of Statistics，1981(9)：135-140 12劉同明數(shù)據(jù)挖掘技術(shù)及其應(yīng)用長(zhǎng)沙：國(guó)防工業(yè)出版社，20011-65 13張穎數(shù)據(jù)采掘的研究與應(yīng)用：博士學(xué)位論文北京：中國(guó)科學(xué)院計(jì)算技術(shù)研究所，1999 14Fayyad UMining Databases：Towards algorithm for konwledge discoveryIEEE Bulletin of the Technical Committee on Dat

14、a Engineering，1998，21(1)：39-48 15Fayyad U，Piatesky Shapiro G，Smyth PThe KDD process for extracting useful knowledge form volumes of dataCommunication of the ACM，1996，39(11)：27-35 16Fayyad U，Piatetsky Shapiro et alFrom data mining to knowledge discovery： An overviewAdvances in Knowledge Discovery and

15、 Data Mining. Menlo Park，CA： AAAI/MIT Press，199634-56 17 陳燕俐，洪龍，金達(dá)文等一種簡(jiǎn)單有效的基于密度的聚類分析算法南京郵電學(xué)院學(xué)報(bào)，200525(4)：24-29 18 谷淑化，呂維先，馬于濤關(guān)于數(shù)據(jù)挖掘中聚類分析算法的比較現(xiàn)代電腦： 20053：26-29 19 湯效琴，戴汝源數(shù)據(jù)挖掘中聚類分析的技術(shù)方法微電腦信息，200319：3-4 20 黃修丹數(shù)據(jù)挖掘領(lǐng)域中的聚類分析及應(yīng)用閩江學(xué)院學(xué)報(bào)，200425：44-47 21 趙法信，王國(guó)業(yè)數(shù)據(jù)挖掘中聚類分析算法研究通化師范學(xué)院學(xué)報(bào)，200526：11-13 22 ：/三、項(xiàng)目實(shí)施方案2

16、500字以內(nèi)1項(xiàng)目研究目標(biāo)、研究?jī)?nèi)容和擬解決的關(guān)鍵問(wèn)題在各研究成員的興趣驅(qū)動(dòng)以及指導(dǎo)老師的認(rèn)真耐心指導(dǎo)下，通過(guò)對(duì)基于密度的聚類算法研究與實(shí)現(xiàn)，自主管理自主完成項(xiàng)目的研究，注重在項(xiàng)目的實(shí)施過(guò)程中對(duì)各成員的創(chuàng)新思維培養(yǎng)和對(duì)問(wèn)題的剖析能力進(jìn)行有意識(shí)的鍛煉，并期望在對(duì)現(xiàn)有算法實(shí)現(xiàn)的基礎(chǔ)上，進(jìn)一步對(duì)算法進(jìn)行優(yōu)化。研究目標(biāo)：(1)鑒于基于密度的聚類算法中所存在的密度函數(shù)計(jì)算效率不高以及對(duì)參數(shù)十分敏感兩個(gè)問(wèn)題，進(jìn)行深入的研究與分析，通過(guò)改良算法，并對(duì)其進(jìn)行優(yōu)化提高密度函數(shù)的計(jì)算效率，并實(shí)現(xiàn)對(duì)參數(shù)的一般化，使算法實(shí)現(xiàn)更有效，更可行。(2)選擇一些經(jīng)典實(shí)例解析，針對(duì)實(shí)際問(wèn)題運(yùn)用基于密度的聚類算法進(jìn)行解答，用程序

17、流程圖把解題過(guò)程表示出來(lái)，編程實(shí)現(xiàn)，提高分析問(wèn)題，解決問(wèn)題的能力。(3)借助各種工具和已經(jīng)寫好的代碼和數(shù)據(jù)結(jié)構(gòu)中所學(xué)的知識(shí)，檢驗(yàn)改良后算法的效率、分析算法的時(shí)間復(fù)雜度和空間復(fù)雜度。(4)將基于密度的聚類算法應(yīng)用到具體的應(yīng)用領(lǐng)域。研究?jī)?nèi)容：1聚類分析前對(duì)數(shù)據(jù)預(yù)處理方法的研究。2列舉目前常用的基于密度的聚類算法，并對(duì)算法進(jìn)行詳細(xì)的描述和分析。指出各算法的適用領(lǐng)域及局限性。3重點(diǎn)研究經(jīng)典的DBSCAN算法、OPTICS算法、DENCLUE算法算法思想、算法缺陷、算法改良、算法實(shí)現(xiàn)、算法性能分析并進(jìn)行編程實(shí)現(xiàn)。4就其中的某種算法的缺陷進(jìn)行改良。擬解決的關(guān)鍵問(wèn)題：(1)對(duì)基于密度的聚類算法中的經(jīng)典算法分

18、進(jìn)行分析，從而對(duì)算法進(jìn)行改良與優(yōu)化，并提出自己的見解與想法。(2)分析算法的時(shí)間復(fù)雜度和空間復(fù)雜度。(3)通過(guò)對(duì)算法的研究與實(shí)現(xiàn)，注重在項(xiàng)目的實(shí)施過(guò)程中對(duì)各成員的創(chuàng)新思維和分析解決問(wèn)題能力的培養(yǎng)。(4)運(yùn)用基于密度的聚類算法解決實(shí)際問(wèn)題。2擬采取的研究方法、技術(shù)路線、實(shí)驗(yàn)方案及可行性分析 采取理論與實(shí)踐相結(jié)合的研究方法。先從理論上對(duì)基于密度的聚類算法中的經(jīng)典算法進(jìn)行時(shí)間和空間復(fù)雜度分析，并針對(duì)某種算法的缺陷，從理論上提出改良方案，算法擬采用c語(yǔ)言實(shí)現(xiàn)，并用matlab進(jìn)行仿真,通過(guò)比照試驗(yàn)，從聚類的正確性、精度、算法執(zhí)行時(shí)間、參數(shù)設(shè)置、數(shù)據(jù)輸入順序、數(shù)據(jù)及密度等方面對(duì)算法進(jìn)行測(cè)試、分析、評(píng)價(jià)。

19、 3本項(xiàng)目的創(chuàng)新之處 (1) 對(duì)目前常用的基于密度的聚類算法進(jìn)行比較和分析，比較各種算法的優(yōu)缺點(diǎn)。 (2) 針對(duì)現(xiàn)有算法的不足，提出改良方法。 (3) 結(jié)合具體的應(yīng)用環(huán)境，從可行性和執(zhí)行效率角度考察改良算法的實(shí)際應(yīng)用價(jià)值。4項(xiàng)目研究計(jì)劃及預(yù)期進(jìn)展 第一階段：2011年6月2011年8月 全面搜集相關(guān)書籍、文獻(xiàn)資料、網(wǎng)絡(luò)資料數(shù)據(jù)。 學(xué)習(xí)相關(guān)科研知識(shí)、科研技能，提高科研基本素質(zhì)。 對(duì)已搜集的文獻(xiàn)資料數(shù)據(jù)進(jìn)行匯總、整理與篩選。第二階段：2011年9月2012年2月 根據(jù)基于密度的聚類算法的基本原理，對(duì)基于密度的聚類算法進(jìn)行詳細(xì)的描述。并借助各種文獻(xiàn)、材料，以及前輩的總結(jié)與經(jīng)驗(yàn)，借助我們對(duì)基于密度的聚

20、類算法的了解。對(duì)基于密度的聚類算法進(jìn)行改良與優(yōu)化，并提出自己的見解。第三階段：2012年2月2012年4月總結(jié)所得的分析結(jié)果，結(jié)合對(duì)一些實(shí)際問(wèn)題的分析、解答，把改良的基于密度的聚類算法以偽碼的形式寫出。同時(shí)對(duì)算法中的數(shù)據(jù)結(jié)構(gòu)、所用函數(shù)進(jìn)行說(shuō)明，并繪制程序流程圖，隨后分析改良后算法的時(shí)間復(fù)雜度和空間復(fù)雜度，并與原算法進(jìn)行比較。最后用Visual C+ 6.0 編程實(shí)現(xiàn)該算法。第四階段：2012年5月2012年6月通過(guò)做各種比照試驗(yàn)對(duì)基于密度的聚類算法的正確性、精度、參數(shù)設(shè)置、數(shù)據(jù)輸入順序以及數(shù)據(jù)密度等進(jìn)行比照分析，對(duì)改良的基于密度的聚類算法進(jìn)行測(cè)試、評(píng)估。選出最優(yōu)的、可行性法案，并認(rèn)真完成項(xiàng)目論

21、文5項(xiàng)目研究的預(yù)期成果 通過(guò)團(tuán)隊(duì)成員的分工合作，艱苦探索，辛勤研究，搜集各種資料，借鑒別人的經(jīng)驗(yàn)與所得，可到達(dá)以下預(yù)期成果:(1)在省級(jí)以上學(xué)術(shù)刊物上公開發(fā)表1-2篇與該課題相關(guān)的學(xué)術(shù)論文；(2)增強(qiáng)項(xiàng)目組成員獨(dú)立思考，團(tuán)結(jié)合作的能力，激發(fā)探究新知的興趣，培養(yǎng)良好的科學(xué)素養(yǎng)。(3)提高團(tuán)體合作能力，為今后的學(xué)習(xí)和科研項(xiàng)目開發(fā)提供堅(jiān)實(shí)的知識(shí)基礎(chǔ)。 4進(jìn)行課題總結(jié)，形成總結(jié)報(bào)告。四、項(xiàng)目保障機(jī)制800字以內(nèi)1經(jīng)費(fèi)預(yù)算及經(jīng)費(fèi)使用計(jì)劃經(jīng)費(fèi)開支項(xiàng)目經(jīng)費(fèi)預(yù)算萬(wàn)元用途簡(jiǎn)要說(shuō)明資料費(fèi)0.3用于購(gòu)買或復(fù)印一些相關(guān)書籍和文獻(xiàn)學(xué)術(shù)交流費(fèi)0.4同相關(guān)領(lǐng)域?qū)＜疫M(jìn)行學(xué)術(shù)交流論文版面費(fèi)0.2發(fā)表項(xiàng)目論文所需的版面費(fèi)和審稿費(fèi)存儲(chǔ)設(shè)備0.1購(gòu)買移動(dòng)硬盤等設(shè)備存儲(chǔ)程序與論文總計(jì)萬(wàn)元12條件保障實(shí)驗(yàn)室、設(shè)備、場(chǎng)地、設(shè)施等具體情況 學(xué)院及學(xué)校領(lǐng)導(dǎo)十分支持該項(xiàng)目研究，我院將向參與項(xiàng)目的學(xué)生免費(fèi)提供專業(yè)教室和專業(yè)教學(xué)儀器設(shè)備等。課題組成員都來(lái)自吉首