数据挖掘与检索.DOC

表7． 电子与信息工程 （系、所） 研究生课程简介 课程名称： 数据挖掘与检索 英文名称：Data Mining 课程类型：■讲授课程 □实践（实验、实习）课程 □研讨课程 □专题讲座 □其它 考核方式： 教学方式： 适用专业： 理工文医各专业 适用层次： 硕士 ：■ 博士 □ 开课学期： 总学时/讲授学时： 32 / 32 学分： 先修课程要求： 程序设计、数据结构、数据库原理、人工智能、数理统计模式识别1）数据挖掘的基本概念，功能，处理过程及应用领域；（2）数据预处理，包括数据样本的缺失处理、数据清理和数据降维;(3)针对不同的挖掘任务，介绍各种算法，包括概念描述、关联规则分析、分类回归和聚类；（4）提取的模式的评价和分析，数据结果可视化；（5）各技术的应用实例及前景，使学生对本要求学生通过本课程的学习，认识数据仓库和数据挖掘在当今计算机应用中的重要作用，深入了解数据仓库的原理和实现方法以及数据挖掘的整体结构，掌握数据预处理技术（包括数据清理、数据集成和转换、数据归约等方法）和数据挖掘技术（包括分类、预测、关联和聚类的概念与技术），并且熟悉数据挖掘的基本原理和发展方向。通过课程作业和课程设计，要求学生能够将理论与实践相结合。1章 序论 数据挖掘技术的发展，概念与处理步骤，功能，应用领域，及其研究发展方向 第2章 数据挖掘的数据预处理 对学生要求：了解数据挖掘过程的第一步——数据预处理的重要性和必要性，掌握一些经典算法。 第3章 概念描述 AOI），AOI方法与特征描述，AOI方法学习辨识规则，类别描述及其应用实例等。 AOI技术，认识其在类别描述中的应用。 4章 关联规则的提取 对学生的要求：了解各种关联规则提取的方法与特点，掌握单维布尔关联规则提取的原理及算法实现。 第5章 分类与回归 Bayes分类、基于归纳的决策数分类、基于判别平面或多面体的分类方法、基于统计原理的支撑向量机分类与回归等等，并辅以实例描述。 第6章 聚类分析 对学生的要求：熟悉各种聚类算法，掌握几种聚类算法的实现与应用 教材： 1.Pang-Ning Tan, Michael Steinbach, Vipin Kumar, Introduction to data mining,机械工业出版社,第1版,20101.Jiawei Han, Micheline Kamber, Data Mining——concepts and technique, Morgan Kaufmann Publishers, 2000 2.Pang-Ning Tan, Michael Steinbach, Vipin Kumar, Introduction to data mining,机械工业出版社,第1版,2010 3.杨杰，姚莉秀，数据挖掘技术及其应用，上海交通大学出版社，2011 4.期刊（1）Knowledge and Data Engineering（2）PAMI(Pattern Analysis and Machine Learning)David Hand, Heikki Manila Padhraic Smyth著. 张银奎、廖丽、宋俊等译. 数据挖掘原理. 机械工业出版社、中信出版社，2003. Richard J. Roiger等著. 翁敬农译. 数据挖掘教程. 清华大学出版社，2003.