加入收藏  || English Version 
 
研究生课程《数据挖掘》教学大纲

  发布日期:2016-12-16  浏览量:617


课程编号:A******

课程名称:数据挖掘

英文名称 Data Mining

课程编号:Math2060

                                

开课单位:澳门赌搏网站大全                           

开课学期:秋

课内学时:36                               

教学方式:讲授

适用专业及层次:计算与统计专业             

考核方式:考查

预修课程:概率论与数理统计

 

一、教学目标与要求

数据挖掘技术是数学学院计算数学方向与统计的专业课程,本课程以数据挖掘为主要内容,讲述实现数据挖掘的各主要功能、挖掘算法和应用,并通过对实际数据的分析更加深入地理解常用的数据挖掘模型。掌握大型数据挖掘AppWeka的使用,培养学生数据分析和处理的能力。

 

本课程主要学习的内容包括数据预处理、关联分析、分类与预测、聚类分析等内容。

通过本课程的学习,要求研究生掌握数据挖掘的基本理论和方法,为学习后继课程开展科学研究、进行生产实践打好基础。

 

二、课程内容与学时分配

第一章 数据挖掘导论

教学时数:4学时

教学内容:

第一节 数据挖掘发展概述

1、功能先容

2、基本应用概述

第二节 数据挖掘功能

1、概念描述:定性与对比

2、关联分析

3、分类与预测

4、聚类分析

5、异类分析

6、演化分析

第三节 数据挖掘系统

1、系统分类

2、系统应用

3、数据挖掘在医学信息系统和社会保险领域的应用

第二章 数据预处理

教学时数:4学时

教学内容:

第一节 数据清洗

1、噪声数据处理

2、不一致数据处理

第二节 数据集成与转换

1、数据集成处理

2、数据转换处理

大型数据库中的关联规则的挖掘

教学时数:6学时

教学内容:

第一节 关联规则挖掘的基本术语

第二节 Apriori算法

第三节 FP-Growth算法

第四章 分类与预测

教学时数:10学时

教学内容:

第一节 分类与预测基本常识

1、分类基础

2、预测基础

第二节 基于决策树的分类

第三节 贝叶斯分类

第四节 神经网络分类

第五节 预测方法

1、线性与多变量回归

2、非线性回归

3、其他回归模型

第五章 聚类分析

教学时数:8学时

教学内容:

1、基础常识

2、聚类分析方法:KMEANS算法

3DBSCAN算法

4、其他的聚类算法

5、半监督学习

第六章 数据挖掘发展趋势

教学时数:4学时

教学内容:

数据挖掘在社交网络、多媒体领域等方面的应用

新的挖掘算法

 

三、推荐教材和参考书目:

教材:

(加)韩家炜,堪博 著,范明,孟小峰 译.数据挖掘概念与技术(原书第2).机械工业出版社,2007.

参考教材:

[1]毛国君.数据挖掘原理与算法(第二版.清华大学出版社,2007

[2] 纪希禹.数据挖掘技术应用实例.机械工业出版社,2009

[3]邓纳姆(DunhamM.H. 著;郭崇慧,田凤占,靳晓明 等译.数据挖掘教程——世界著名计算机教材精选.清华大学出版社,2005

[4](美)唐(TangZ.H.),(美)麦克雷南(MaccLennanJ.) 著,邝祝芳,焦贤龙,高升 译. 数据挖掘原理与应用:SQL Server 2005数据库,2007

[5]王欣.SQL Server 2005 数据挖掘实例分析.水利水电出版社,2008

 

大纲撰写负责人: 翟素兰                      授课教师:翟素兰等

打印此页】【顶部】【关闭
   
版权所有 2019 澳门赌搏网站大全 All rights reserved 皖ICP备05018241号
地址:安徽省合肥市九龙路111号澳门新莆京娱乐网站磬苑校区理工楼H楼 邮编:230601 E-mail:math@ahu.edu.cn
访问统计:自2013年9月1日以来总访问:1000  后台管理


XML 地图 | Sitemap 地图