《数据挖掘》课程教学大纲

1、数据挖掘教学大纲课程基本性质1.课程中文名称: 数据挖掘2.课程英文名称: Data Mining3.课程类别: 选修课4.适用专业: 信息管理与信息系统5.总学时: 33学时6.总学分: 2 二、本课程在教学计划中的地位、作用和任务数据挖掘是一门新兴的交叉性学科，是在信息技术领域迅速兴起的计算机技术。数据挖掘是数据库研究、开发、和应用最为活跃的分支之一。开设本课程的目的，是使学生全面而深入地掌握数据挖掘的基本概念和原理，了解数据挖掘的最新发展、常用的数据挖掘算法、前沿的数据挖掘研究领域、以及数据挖掘在经济管理中的应用。要求掌握数据挖掘的基本概念、数据的准备、预处理方法和技术、关联规则、决策树

2、、神经网络等分类算法，学习并掌握常用的聚集算法；同时介绍各技术的应用实例及前景，使学生对本课程知识有深入的理论与应用的了解。三、理论教学内容和教学基本要求1. 第一章 数据挖掘概述 (2学时)教学内容：介绍数据挖掘的发展过程，典型应用领域和研究发展方向，学习数据挖掘的概念与过程。教学基本要求：了解数据挖掘的发展过程；掌握数据挖掘的概念和处理过程；了解本课程的主要内容和发展方向。教学重点、难点：数据挖掘的概念和处理过程。2. 第二章 数据挖掘的数据预处理 (4学时)教学内容：介绍数据清理（缺失数据、噪声或离异点数据的处理）、数据集成与转换以及数据的约简与降维等内容。教学基本要求：熟练掌握数据类型

3、、变量、表达式；熟练掌握流程控制语句.教学重点：数据清理以及约简和降维。教学难点：数据的约简和降维。 3. 第三章 关联分析 (6学时)教学内容：关联分析的应用背景，Apriori算法的思想。 教学基本要求：熟练掌握Apriori算法；了解Apriori算法的改进算法.教学重点：关联规则挖掘算法。教学难点：Apriori算法的实现。4. 第四章 分类 (9学时)教学内容：学习基本概念，配合实例详细讲解决策树、神经网络和基于统计原理的支撑向量机等分类算法。教学基本要求：掌握决策树和神经网络分类算法；了解基于统计学理论的SVM算法。教学重点：决策树和神经网络分类算法。教学难点：算法思想及实现。5.

4、 第五章 聚类 (6学时)教学内容：学习聚类的概念、聚类分析的数据类型及主要聚类方法。教学基本要求：了解聚集分析的概念和意义；掌握相似度的度量方法和常用的聚集算法。教学重点：相似度的度量方法和基于密度的聚类算法。教学难点：DBSCAN算法。6. 第六章 文本数据挖掘 (6学时)教学内容：了解文本数据分析和信息检索技术、掌握基于关键字的关联和文档分类，了解基于Web的数据挖掘方法。 教学基本要求：了解基于关键字的文本分类方法；了解基于Web页面的挖掘方法。教学重点：半结构化数据挖掘过程。教学难点：数据提取、文本分类技术。四、试验教学内容与大纲无五、考核方式考查六、成绩评定 期末考查成绩占70%，平时成绩占30%。七、本课程对学生创新能力培养的措施 对学生能力的培养体现在通过本课程设计，使得学生能够具备全局数据环境构建能力，也使得学生能够运用以前的程序设计能力实现数据挖掘的算法，还使得学生能够运用智能工具进行综合分析的能力。八、教材与参考书教材：范明译数据挖掘导论北京：人民邮电出版社，2006年参考书：1 Kantardzic, M., Data Mining: Concepts, Models, Methods, and A