数据仓库与数据挖掘课程教学大纲.docx

《数据仓库与数据挖掘课程教学大纲.docx》由会员分享，可在线阅读，更多相关《数据仓库与数据挖掘课程教学大纲.docx（2页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、叁握鱼生刍叁捱捡握课程教学大纲一、课程的基本信息适应对象：信息与计算科学专业课程代码：15E003027学时分配：54赋予学分：3先修课程：数据库原理与技术、概率论与数理统计、数据分析后续课程：毕业综合训练二课程性质与任务数据仓库与数据挖掘技术是信息与计算科学专业方向选修课程，本课程反映了信息与计 算科学专业具有数学学科与信息学科交叉的学科背景；数据仓库与数据挖掘主要运用概率 论、统计学、神经网络、关联规那么等数学理论来挖掘海量数据中有价值的信息，为各领域的 决策提供数据的支撑；通过本课程的学习，拓宽学生专业视野，有利于培养学生的数学应用 能力，提高专业综合素养。三、教学目的与要求通过本课程使

2、学生理解数据仓库的概念和体系结构、数据仓库的数据存储和处理及数据 仓库系统的设计与开发。掌握数据挖掘的常用方法，如关联规那么、数据分类、数据聚类、贝 叶斯网络、粗糙集、神经网络、遗传算法、统计分析，并能使用R语言做相关的数据挖掘; 培养学生运用各中数据挖掘算法解决实际的数据分析问题的能力，为从事信息科学的研究和 应用打下一个坚实的基础。四、教学内容与课时安排1数据仓库的概念概述（4课时）数据仓库概述数据挖掘概述数据挖掘工具（R语言）2数据仓库（4课时）数据仓库的概念及体系结构数据仓库的模型与设计3联机分析处理技术（6课时）OLAP概述多维分析操作OLAP的基本数据模型4数据预处理（4课时.）数

3、据清洗数据集成和变换数据规约5关联规那么（6课时）关联规那么的概念与分类 Apriori算法FP-Growth算法6决策树方法（6课时）信息论基本原理常用决策树算法决策树剪枝和分类规那么提取7统计学习方法（4课时）朴素贝叶斯分类 贝叶斯信念网络的预测、诊断和训练算法 回归分析8神经网络（6课时）人工神经网络 BP神经网络和SOFM神经网络 Elman神经网络 Hopfield神经网络9聚类分析（6课时）聚类分析概率聚类分析的相异度聚类分析的算法10粗糙集（6课时）粗糙集概述 粗糙集的属性约简 粗糙集的决策规那么约简11文本和Web挖掘（2课时）文本挖掘Web挖掘空间数据挖掘和多媒体数据挖掘五、附录教学参考文献目录【1】陈志泊数据仓库与数据挖掘清华大学出版社20092周根贵数据仓库与数据挖掘浙江大学出版社2011【3】夏火松数据仓库与数据挖掘技术科学出版社2014