原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
PAGE
PAGE2
广州大学研究生课程教学大纲
课程名称
中文
数据挖掘
课程编号
0006200041
英文
DataMining
开课单位
计算机科学与网络工程学院
考核方式
考试
学时
32
学分
2
课程类别
专业课
编制者
张少宏
适用对象
学术型硕士、专业型硕士
课程简介（中文）：数据挖掘是一门新兴的学科，在很多重要的领域有着广泛的应用。本课程以数据预处理、数据挖掘技术、数据挖掘实践为主线，主要数据挖掘的基本概念、原理、方法和技术，具体包括：数据预处理基本方法，数据分类方法，数据聚类方法，复杂数据类型挖掘技术等。通过课程的学习，使学生对数据挖掘过程有整体认知能力；掌握数据挖掘的基本理论；了解数据挖掘技术研究的主要问题，发展趋势和应用领域；熟悉主要数据挖掘方法；并能够运用所学知识解决实际工程问题，进而提高学生的科研素质和创新能力。
课程简介(英文)：
Dataminingisanewsubject,whichiswidelyusedinmanyimportantfields.Takingdatapreprocessing,dataminingtechnologyanddataminingpracticeasthemainline,thiscoursemainlyintroducesthebasicconcepts,principles,methodsandtechnologiesofdatamining,including:basicmethodsofdatapreprocessing,dataclassificationmethods,dataclusteringmethods,complexdatatypeminingtechnologies,etc.Throughthestudyofthecourse,studentscanhaveanoverallcognitiveabilityofthedataminingprocess;Masterthebasictheoryofdatamining;Understandthemainproblems,developmenttrendsandapplicationfieldsofdataminingtechnology;Familiarwithmaindataminingmethods;Andcanusethelearnedknowledgetosolvepracticalengineeringproblems,soastoimprovestudentsscientificresearchqualityandinnovationability.
课程目标与基本要求：
课程目标：本课程系统地介绍数据挖掘的基本概念,基本方法和基本技术,以及数据挖掘的最新进展。
基本要求：
要求学生通过本课程的学习，认识数据挖掘在当今计算机应用中的重要作用，深入了解数据仓库的原理和实现方法以及数据挖掘的整体结构，掌握数据预处理技术(包括数据清理、数据集成和转换、数据归约等方法)和数据挖掘技术(包括分类、预测和聚类等的概念与技术)，同时要求学生能够将理论与实践相结合。
课程内容及学时分配：
第一部分数据挖掘概述与相关基础知识（共6学时）
1）数据挖掘技术概述。简要回顾数据挖掘技术发展阶段，讨论数据挖掘技术的内涵与外延，介绍数据挖掘技术的学术资源，分析数据挖掘技术研究热点。(4学时)
2）数据挖掘技术相关基础知识。概要温习或补习概率论与数理统计、线性代数基础，并简单介绍一门入门语言（Matlab或Python）用于之后课程实践。(2学时)
第二部分数据挖掘技术（共12学时）
3）数据预处理技术。主要包括：数据预处理工作在数据挖掘中的作用和必要性，数据挖掘的基本数据类型以及数据预处理方法。应重点掌握：基本的数据规约、数据汇总、数据清高级理、数据集成与变换方法。
4）数据分类方法。主要内容包括：分类与预测方法，分类的基本概念和主要步骤，常用的分类方法。应重点掌握：分类器的构造方法，数据分类的步骤，贝叶斯分类方法，KNN分类方法，SVM分类方法等。
5）数据聚类方法。主要内容包括：数据挖掘的聚类方法，聚类的基本概念和主要步骤，常用的聚类方法。应重点掌握：聚类的基本原则，基于划分的聚类方法，分层聚类方法，模糊聚类方法等。
6）复杂类型的数据挖掘。主要内容包括：复杂数据对象的多维分析，空间数据库挖掘，多媒体数据库挖掘，时序数据和
文档评论（0）