1、精品文檔數據挖掘教學大綱范文數據挖掘教學大綱1 .大綱文本一.課程內容數據挖掘是從數據集中識別出有效的、新穎的、潛在有用的，以及 最終 可理解的模式的非平凡過程。知識發現將信息變為知識，從數據礦山中找到 蘊藏的知識金塊，將為知識創新和知識經濟的發展作出貢獻。本課程全面而 又系統地介紹了知識發現的方法和技術，反映了當前知識發現研究的最新成 果。二.課外作業以教材中每章所附的習題為主三.實驗實驗一關聯規則算法（Apriori算法）內容：利用關聯規則算法，挖掘關聯知 識。目的：了解關聯規則、頻繁集、置信度、支持度的概念。實驗二 分類算法（C4.5算法、ID3算法）內容：程序實現C4.5或ID3算法目

2、的：了解信息嫡的概念，掌握算法的基本設計框架。實驗三聚類（K-means）內容：程序實現Kmeans算法。目的：了解距離、相似度等概念，掌握聚類算法的應用 實驗四神經網絡分類（感知器算法）內容：使用MatLab實現多分類目的：掌握神經網絡的基本原理，熟悉神經網絡的應用實驗五遺傳算法的優 化（SGA算法）內容：使用C+, net設計遺傳算法解決復雜函數的最優解問題目的：初步掌 握遺傳算法的概念實驗要求：以上實驗，根據情況盡可能多的完成，至少選擇23個實驗完成。四.主要參考書史忠植著，知識發現 清華大學出版社2002.1各個學術刊物上的最新論文。2 .大綱說明一 課程的目的和任務面對日益龐大的數據

3、資源，人們迫切需要強有力的工具來“挖掘”其中的 有用信息，數據挖掘就是針對這一需求而發展起來的一門匯集統計 學、機器 學習、數據庫、人工智能等學科內容的新興的交叉學科，本課程深入探討數據挖掘原理，把信息科學、計算科學和統計學對數據挖掘收集于網絡，如有侵權請聯系管理員刪除的貢獻融合在一起，培養計算機專業高年級本科學生具備初步的科研能力和 創造能力。二本課程的要求通過本課程的學習，要求學生初步掌握數據挖掘的重要概念和任務、數據挖掘中的常用算法（決策樹、關聯規則、范例推理、模糊聚類 法、粗糙集、貝葉斯網絡、支持向量機、隱馬爾科夫模型、進化和遺傳算法、神經網絡），以及數據挖掘當前的研究動向。三本課程與

4、其它課程的聯系本課程的是計算機專業的一門專業課程。學生在學習本課程之前應當具備高等數學、線性代數、概率統計、程序設計語言、數據庫原理等方面的預備知識。四.各章主要講解內容第1章緒論1.1 知識1.2 知識發現1.3 知識發現的任務1.4 知識發現的方法1.5 知識發現的對象1.5.1 數據庫1.6 知識發現與創新 第2章決策樹2.1 歸納學習2.2 決策樹學習2.3 CLS學習算法2.4 ID3學習算法2.5 決策樹的改進算法2.6 決策樹的評價2.7 簡化決策樹2.8 連續型屬性離散化2.9 基于偏置變換的決策樹學習算法 BSDT2.10 歸納學習中的問題第3章關聯規則3.1 關聯規則挖掘概

5、述3.2 廣義模糊關聯規則的挖掘3.3 挖掘關聯規則的數組方法3.4 任意多表間關聯規則的并行挖掘3.5 基于分布式系統的關聯規則挖掘算法3.6 詞性標注規則的挖掘算法與應用第4章基于范例的推理4.1 概述4.2 過程模型4.3 范例的表示4.4 范例的索引4.5 范例的檢索4.6 相似性關系4.7 范例的復用4.8 范例的保存4.9 基于例示的學習4.10 范例工程4.11 范例約簡算法4.12 糊聚類5.1 概述5.2 傳遞閉包法5.3 FCMBP聚類法5.4 系統聚類法5.5 C均值聚類法5.6 聚類有效性5.7 聚類方法的比較第6章粗糙集5.7聚類方法的比較6.1 概述6.2 知識的約

6、簡6.3 決策邏輯6.4 決策表的約簡6.5 粗糙集的擴展模型6.6 粗糙集的實驗系統6.7 粗糙集的展望第7章貝葉斯網絡7.1 概述7.2 貝葉斯概率基礎7.3 貝葉斯學習理論7.4 簡單貝葉斯學習模型7.5 貝葉斯網絡的建造7.6 貝葉斯潛在語義模型7.7 半監督文本挖掘算法第8章支持向量機8.1 統計一學習問題8.2 學習過程的一致性8.3 結構風險最小歸納原理8.4支持向量機8.3結構風險最小歸納原理精品文檔8.5核函數8.6基于分類超曲面的海量數據分類方法第9章隱馬爾科夫模型9.1 馬爾科夫過程9.2 隱馬爾科夫模型9.3 似然概率和前反向算法9.4 學習算法9.5 基于狀態駐留時間

7、的分段概率模型第10章神經網絡10.1 概述10.2 人工神經元及感知機模型10.3 前向神經網絡10.4 徑向基函數神經網絡10.5 反饋神經網絡10.6 隨機神經網絡10.7 自組織特征映射神經網絡第11章進化和遺傳算法11.1 概述11.2 基本遺傳算法11.3 遺傳算法的數學理論13.6文本特征的提取收集于網絡，如有侵權請聯系管理員刪除精品文檔11.4 遺傳算法的基本實現技術11.5 遺傳算法的高級實現技術11.6 并行遺傳算法11.7 遺傳算法應用第12章 知識發現平臺MSMiner12.1 概述12.2 數據倉庫12.3 MSMiner的體系結構12.4 元數據管理12.5 數據倉

8、庫管理器12.6 算法庫管理12.7 數據挖掘任務規劃12.8 關系數據庫知識發現查詢語言 KDSQI第13章Web知識發現13.1 概述13.2 Web知識發現的任務13.3 Web知識發現方法13.4 模型質量評價13.5 文本分析功能13.7 基于文本挖掘的漢語詞性自動標注研究13.8 文木分類13.9 文本聚類13.10 文本摘要13.11 用戶興趣挖掘第14章生物信息知識發現14.1 概述14.2 基因的基本結構14.3 生物信息數據庫與查詢14.4 序列比對14.5 核酸與蛋白質結構和功能的預測分析14.6 基因組序列信息分析14.7 功能基因組相關信息分析14.8 In ternet資源和公共數據庫五.實驗要求認真完成每個實驗，并寫出實驗報告六學時分配表本課程大綱適用于計算機科學與技術專業，總學時為48學時第1章緒論2學時第2章決策樹4學時第3章關聯規則4學時第4章基于范例的推理4學時第5章模糊聚類4學時第6章粗糙集2學時第7章貝葉斯網絡4學時