北京化工大学攻读博士学位研究生入学考试.doc

北京化工大学2014攻读博士学位研究生入学考试 《数据分析与挖掘》考试大纲 适用的专业 管理科学与工程。 考试方法和考试时间 考试为闭卷考试，考试时间为3小时。 考试的主要内容 数据挖掘理论基础 数据挖掘的定义；可以进行数据挖掘的模式类型；数据挖掘的技术；数据挖掘的面向类型；数据挖掘的主要问题；数据对象与属性；数据基本统计描述；数据可视化；度量数据的相似相异性；数据清理；数据集成；数据集成；数据归约；数据变化与离散化；数据仓库的概念；数据仓库建模；数据仓库的设计与使用；数据仓库的实现；数据泛化。 数据挖掘模式 数据挖掘频繁项集、闭项集、关联规则的基本概念；频繁项集挖掘方法；模式评估方法；模式挖掘：一个路线图；多层、多维空间中的模式挖掘；基于约束的频发模式挖掘；挖掘高维数据和巨型模式；挖掘压缩或近似模式；模式探索与应用。 分类 分类的基本概念；决策树归纳；贝叶斯分类方法；基于规则的分类；模型评估与选择；提高分类准确度的方法；贝叶斯信念网络；向后传播分类的方法；支持向量机；用频繁模式分类；惰性学习法或从近邻学习；其他分类方法如遗传算法、粗糙集方法、模糊集方法；有关分类的相关问题：多类分类、半监督分类、主动学习、迁移学习。 聚类分析 聚类分析的定义；划分的方法；层次方法；基于密度的方法；基于网格的方法；聚类评估；基于概率模型的聚类；聚类高维数据；聚类图和网络数据；具有约束的聚类。 离群点