数据挖掘与知识分析教学大纲.docVIP

PAGE 8 PAGE 7 《数据挖掘与知识分析》教学大纲 课程编号 课程性质 选修课 适用专业 信息管理 学时/学分 32/2 Ⅰ 大纲文本 一、课程内容 （一）知识发现与数据挖掘综述 1.1 知识发现和数据挖掘的概念 1.1.1 定义 1.1.2 数据挖掘任务 1.1.3 数据挖掘分类 1.1.4 数据挖掘对象 1.2 数据挖掘方法和技术 1.2.1 归纳学习方法 1.2.2 仿生物技术 1.2.3 公式发现 1.2.4 统计分析方法 1.2.5 模糊数学方法 1.2.6 可视化技术 1.3 数据挖掘的知识表现 1.3.1规则 1.3.2决策树 1.3.3知识基（浓缩数据） 1.3.4网络权值 1.3.5公式 （二）基于信息论的数据挖掘方法 2.1 信息论原则 2.1.1互信息的计算 2.1.2信道模型 2.1.3信道容量 2.1.4类别译码准则 2.2基于互信息的ID3算法与C4.5算法 2.2.1 ID3算法 2.2.2 2.3基于信道容量的IBLE算法 2.3.1 IBLE算法 2.3.2 IBLE-R算法 2.3.3简例和实例 （三）基于集合论的数据挖掘方法 3.1 粗糙集方法 3.1.1粗糙集概念 3.1.2最小属性值 3.1.3获取规则 3.1.4应用实例 3.2概念树方法 3.2.1综述 3.2.2概念树的获取和构造 3.2.3发现特征规则的策略和算法 3.3覆盖正例排斥反例的AQ方法 3.3.1 AQ方法的基本概念 3.3.2 AQ方法的核心算法 3.3.3 AQ方法的应用 （四）关联规则挖掘 4.1关联规则的基本概念 4.1.1基本概念和问题描述 4.1.2关联规则的种类 4.1.3关联规则价值衡量的方法 4.2关联规则挖掘算法 4.2.1频繁集方法 4.2.2基于FP-tree的关联规则挖掘算法 4.2.3多层和多维关联规则的挖掘 4.3基于聚类的周期关联规则发现算法（CCAR） 4.3.1基本概念 4.3.2 CCAR算法流程 4.3.3时域数据聚类 4.3.4算法性能分析 （五）神经网络 5.1神经网络的概念及几何意义 5.1.1神经网络的概念 5.1.2神经网络的几何意义 5.1.3线性样本与非线性样本 5.2典型神经网络 5.2.1反向传播模型（BP模型） 5.2.2反馈式Hopfield模型 5.3超曲面神经网络 5.3.1超曲面神经网络的概念 5.3.2径向基函数神经网络 5.3.3超圆神经元模型CC 5.3.4超曲面神经元模型——Cover 5.4模糊神经网络 5.4.1模糊神经网络概述 5.4.2 TS模糊神经网络 5.4.3模糊规则获取 5.4.4 模糊神经网络预测 5.5神经网络的规则抽取 5.5.1规则抽取的概念 5.5.2规则抽取方法的评价 5.5.3规则抽取示例 （六）遗传算法 6.1综述 6.1.1遗传算法的形成与发展 6.1.2 遗传算法的研究现状与方向 6.2遗传算法原理 6.2.1 遗传算法处理流程 6.2.2 遗传因子 6.2.3 遗传算法的理论基础 6.2.4 遗传算法的特点 6.3 基于遗传的优化计算 6.3.1 适应值函数 6.3.2 约束条件的处理