针对复杂网络社团结构挖掘算法复杂度高的问题,定义了一个衡量局部社团结构的指标,提出了一种基于最小社团链接度增量的社团结构挖掘算法.本算法的时间复杂度为O(kd),其中d为网络的平均节点度数,k为搜索的节点数.为了验证本算法的性能和计算的准确性,把本算法与一种经典的挖掘局部社团结构方法——Clauset算法,进行了比较.实验结果表明:本算法抽取的社团结构与Clauset算法相比基本一致,但在性能上有了显著提高

一、 学科平台课程 1 《高级语言程序设计》 二、 专业课程 1 《计算机导论》 2 《离散数学》 3 《电子技术》 4 《电子技术实验》 5 《计算机组成原理》 6 《数据结构》 7 《数据库系统原理 A》 8 《软件工程概论》 9 《操作系统》 10《算法设计与分析》 11《计算机网络》 12《软件质量保证与测试》 13《软件项目管理与案例分析》 14《人机交互技术》 15《软件系统分析与设计》 16《软件过程与管理》 17《软件体系结构》 三、 个性化发展课程 1 《可视化项目开发技术》 2 《Web 开发技术》 3 《嵌入式系统原理与应用 A》 4 《移动平台应用开发》 5 《数据挖掘》 6 《Python 程序设计》 7 《人工智能》 8 《深度学习》 9 《大数据处理基础》 10《企业信息化系统分析》 11《三维动画原理与开发技术》 12《编译原理》 13《科技论文写作》 14《工程经济学》 15《前沿知识研讨》 16《职业能力拓展》 17《企业级开发技术》 四、 实践环节 1 《认识实习》 2 《小型软件项目综合课程设计》 3 《软件项目实践》 4 《生产实习》 5 《毕业实习》 6 《毕业设计》

电气工程及其自动化专业 《电气工程专业导论》 《专业引领实战训练》 《工程电磁场》 《工程技术创新导论》 《电机学》 《专业开放实验》 《电力电子技术》 《单片机原理及应用》 《电气工程 Matlab 建模与仿真》 《自动控制原理》 《电气测量技术》 《电磁兼容技术》 《电气控制与 PLC 技术》 《电力系统分析》 《电力拖动自动控制系统》 《太阳能发电技术》 《DSP 原理及应用》 《电源技术及应用》 《太阳能光伏发电工程设计》 《电力电子技术综合设计(1)》 《电力电子技术综合设计(2)》 《毕业实习》 《创新创业竞赛实战》 《专业综合训练(1)(2)》 《供配电技术》 《风力发电技术》 《专业英语》 《电机节能技术》 《智能电网与微电网技术》 《工业计算机网络与通信》 《电力拖动自动控制系统课程设计》 《供配电系统综合课程设计》 《毕业设计》 智能科学与技术专业 《智能科学与技术导论》 《计算机软件基础》 《信号与系统基础》 《智能系统建模与仿真》 《脑与认知科学概论》 《数字信号处理》 《微控制器技术》 《专业综合实战训练(1)》 《控制理论》 《人工智能基础》 《神经网络》 《模糊控制》 《图像处理与模式识别》 《机器智能综合实验》 《移动操作系统》 《嵌入式系统》 《数据库新技术》 《无线自组织网络》 《飞行器控制导论》 《专业综合实战训练(2)》 《智能传感与检测技术》 《机器人学》 《数字控制系统》 《机器人控制课程设计》 《信息论与编码》 《数据挖掘与处理》 《专业英语阅读》 《控制系统设计方法》 《智能机器人》 《机器学习》 《智能系统与工程课程设计》 《科技创新与方法论》 《移动机器人导航技术》 自动化专业高精尖项目(双培计划) 《惯性导航技术》 《物联网系统基础与应用》 《系统辨识》 《集散控制系统》 《先进控制理论》 《楼宇自动化》 《应用自适应控制》 电气工程及其自动化专业轨道牵引电气化方向(双培计划) 智能科学与技术专业机器人大脑方向(双培计划) 《生产实习》 其他专业 机械设计制造及其自动化专业 《微机原理及应用》 新能源科学与工程专业 机械电子工程专业 《人工智能》

为了解决基于Apriori的分类关联规则算法挖掘数值型数据时效率和准确率偏低的问题,提出基于定量关联规则树的分类及回归预测算法.采用改进的定量关联规则算法挖掘数值型数据生成关联规则库,并基于关联规则树结构实现分类及回归预测.研究结果表明:改进的Apriori定量关联规则挖掘算法提高了分类预测的准确率并降低了计算复杂度;而采用关联规则树结构可使分类与回归预测时间明显加快,提高了样本匹配学习的速度

第11章数据仓库和数据挖掘 1.数据仓库 2.联机分析处理(OLAP) 3.知识发现和数据挖掘

◼ Data Preprocessing: An Overview ◼ Data Quality ◼ Major Tasks in Data Preprocessing ◼ Data Cleaning ◼ Data Integration ◼ Data Reduction ◼ Data Transformation and Data Discretization ◼ Summary

◼ Cluster Analysis: Basic Concepts ◼ Partitioning Methods ◼ Hierarchical Methods ◼ Density-Based Methods ◼ Grid-Based Methods ◼ Evaluation of Clustering ◼ Summary

◼ Outlier and Outlier Analysis ◼ Outlier Detection Methods ◼ Statistical Approaches ◼ Proximity-Base Approaches ◼ Clustering-Base Approaches ◼ Classification Approaches ◼ Summary

电子科技大学：《数据分析与数据挖掘 Data Analysis and Data Mining》课程教学资源（课件讲稿）模型评估与选择

◼ Classification: Basic Concepts ◼ Decision Tree Induction ◼ Bayes Classification Methods ◼ Rule-Based Classification ◼ Model Evaluation and Selection ◼ Summary