《数据融合与智能分析》课程教学大纲

1、数据融合与智能分析Data Fusion and Intelligent Analysis一、课程基本情况课程类别：专业任选课课程学分： 2学分课程总学时： 32 学时，其中讲课：24 学时，实验（含上机）： 8 学时课程性质：选修开课学期：第6学期先修课程：计算机基础、C语言程序设计、数据结构、管理信息系统、数据库原理与应用、计算机网络等适用专业： 物联网工程教 材：岳昆，数据工程处理、分析与服务（第一版），清华大学出版社，2013年12月开课单位：计算机与软件学院物联网工程系 二、课程性质、教学目标和任务本课程是针对物联网工程专业开设的专业任选课，是为从事科学研究、理论研究、工程实践提供基

2、本数据处理的知识储备和基本训练的理论性课程。本课程以工程化手段为特点介绍设计处理、分析和应用方法与技术，是物联网工程学科的重要内容、核心与趋势。课程以“设计-知识-服务”为主线，以数据的智能处理、分析和服务的代表性方法与技术为重点。围绕着主线，重点讲述了关系数据库的设计与查询优化，信息检索与Web搜索引擎、XML数据管理、数据挖掘与数据仓库、Web服务等。通过本课程内容的学习，能够使学生对数据的处理、分析和服务的工程化方法有较为系统和完整的理解。以这些内容作为对智能数据处理技术的代表和延伸，旨在传递概念、方法和技术内涵与理论，为学生进一步学习和研究面向数据科学的方法和技术提供支撑。教学目标包括

3、：1. 要求学生能够全面、深入理解和熟练掌握数据处理的基本技术，掌握结构化、半结构化和结构化数据的存储、查询和优化方法。了解数据挖掘、知识发现和数据仓库的概念和结构。了解Web服务的基本概念。2. 要求学生把握数据科学领域的前沿，通过课程的学习能够尝试追踪层出不穷、内涵日益丰富、热点不断演变的数据科学。3. 要求学生能够掌握数据科学，对“数据(Data)知识(Knowledge)服务(Service)”这一数据科学与工程领域研究和应用的趋势和主线能够有基本认识。了解信息技术的核心和未来发展的方向即为基于数据的网络信息服务。三、教学内容和要求第1章 关系数据库查询优化（12学时）（1）了解数据库

4、设计的基本概念；（2）了解关系规范化概念； （3）理解ER模型和关系模型及从ER模型到关系模型的转换；（4）理解视图、存储过程和触发器的作用；（5）理解视图物化的查询优化方法（6）掌握连接查询、嵌套查询和集合查询（7）掌握基于索引的查询优化（8）掌握数据库模式反规范化查询优化方法（9）数据查询语句重写的查询优化重点：面向复杂应用的数据查询和查询优化，基于索引的查询优化难点：面向复杂应用的数据查询，基于触发器的查询优化第2章 信息检索（10学时）（1）了解信息检索概念、原理及发展史（2）了解Web搜索引擎的工作原理及关键技术 （3）理解理解经典概率模型 （4）理解相关反馈和提问式扩展（5）理解W

5、eb信息搜索的概念（6）掌握信息检索系统的形式表示（7）掌握信息检索中的布尔模型和向量空间模型（8）掌握文本信息检索中词汇的频率域数量分布规律（9）掌握文本信息预处理和倒排索引（10）掌握布尔检索（11）掌握信息检索评价指标（12）掌握查询的评价指标重点：信息检索模型中的布尔模型、向量空间模型，文本信息检索中的文本信息预处理、文本信息的倒排索引、布尔检索，Web信息检索中Web搜索引擎的工作原理和关键技术、信息检索评价指标、单个查询和多个查询的评价指标。 难点：信息检索模型中的布尔模型、向量空间模型，文本信息检索中的文本信息预处理、文本信息的倒排索引、布尔检索第3章 XML数据管理（ 4学时）

6、（1）了解Xpath和Xquery查询语言的基本概念（2）了解XML文档结构中的基本语法要素（3）了解XML语法简介； （4） 了解ML数据模型，掌握结构化、半结构化和非结构化数据的概念；重点： 数据模型，掌握结构化、半结构化和非结构化数据的概念难点：数据模型，掌握结构化、半结构化和非结构化数据的概念第4章 数据挖掘（2学时）（1）了解数据挖掘基本的内涵和任务（2）了解数据挖掘的过程； 重点：数据挖掘的过程难点：数据挖掘的过程第5章 数据仓库 （2学时）（1）了解数据仓库的基本概念（2）了解操作型系统和信息型系统 （3）了解数据仓库体系结构重点：数据仓库体系结构难点：数据仓库体系结构第6章 Web服务（2学时）（1）了解基于Web服务的电子商务应用集成模式（2）了解Web服务技术架构中面向服务的架构（3）了解Web服务技术架构中Web服务体系结构重点：Web服务体系结构难点：Web服务体系结构四、课程考核（1）作业等：作业：2次；（2）考核方式：开卷考试；（3）总评成绩计算方式：平时成绩10%+实验成