《信息检索与数据挖掘》课程教学大纲（本科）.pdfVIP

信息检索与数据挖掘 （Information Retrieval and Data Mining） 课程代码 学分：1.5 学时：24 （其中：课堂教学学时：20 实验学时：0 上机学时：4 课程实践学时:0 ） 先修课程：软件技术基础、数据库技术 B 适用专业：电子信息工程 教材：《数据挖掘原理与实践》. 蒋盛益. 北京: 电子工业出版社. 2011 年 8 月.第 1 版 一、课程性质与课程目标 （一）课程性质 《信息检索与数据挖掘》课程是电子信息工程专业的一门选修课程，是电子信息工程领域的一 个重要分支。数据挖掘技术是 20 世纪末刚刚兴起的数据智能分析技术，由于有广阔的应用前景而备 受重视。通过本课程的学习，让学生了解信息处理技术的发展方向以及数据挖掘技术的概念、原理 和基本方法，并能够熟练地应用数据挖掘技术对现实数据进行有效的分析。该课程可为学生将来在 信息检索、数据挖掘及大数据处理等方向上提供知识储备。 （二）课程目标 课程目标分为知识目标和能力目标两个方面，具体包括： 课程 目标1. 了解信息处理技术的发展方向以及数据挖掘技术本身的概念、原理和方法，理解数 据挖掘的基本流程； 课程 目标2. 掌握数据挖掘的基本理论和技术，熟悉数据挖掘成果的显示；掌握数据挖掘的基本 方法； 课程 目标3. 能够熟练地应用数据挖掘技术对现实数据进行有效的分析；能够结合相关统计软件 从大量统计数据中获取有价值的信息。 二、课程内容与教学要求 第一章 绪论 （一）课程内容 1 1. 数据挖掘产生的背景； 2. 数据挖掘任务及过程； 3. 数据挖掘应用； 4. 数据挖掘技术的前景、研究热点； 5. 数据挖掘与信息检索； （二）教学要求 1. 了解数据挖掘概念、产生背景技术，发展趋势； 2. 掌握学习本课程的几个基础概念； 3. 了解信息检索和数据挖掘的关系； 4. 了解数据挖掘的应用领域、数据挖掘技术的前景和研究热点； （三）重点与难点 1. 重点 重点掌握学习本课程的几个基础概念。 2. 难点 难点是理解信息检索和数据挖掘的关系、掌握数据挖掘技术的前景和研究热点。 第二章 数据处理基础 （一）课程内容 1. 数据； 2. 数据统计特性； 3. 数据预处理； 4. 相似性度量； （二）教学要求 1. 了解数据统计特性； 2. 掌握数据预处理方法； 3. 了解相似性度量。 （三）重点与难点 1.重点 重点是掌握数据预处理方法。 2.难点 难点是理解相似性度量。 2 第三章 分类与回归 （一）课程内容 1. 概述； 2. 决策树分类方法； 3. 贝叶斯分类方法； 4. k-最近邻分类方法； 5. 神经网络分类方法； 6. 支持向量机； 7. 不平衡数据分类； 8. 分类模型的评价； 9. 回归； （二）教学要求 1. 了解常用的分类方法； 2. 掌握最基本的分类方法； 3. 了解分类模型的评价； （三）重点与难点 1.重点 重点是掌握基本分类方法。 2.难点 难点是理解分类模型的评价。 第四章 聚类分析 （一）课程内容 1. 概述； 2. 基于划分的聚类算法； 3. 层次聚类算法； 4. 基于密度的聚类算法； 5. 基于图的聚类算法； 6. 一趟聚类算法； 7. 基于模型的聚类算法； 8. 聚类算法评价；。 （二）教学要求