电信客户信用风险等级评估是对电信客户的信用风险进行等级分类.针对建立客户信用风险等级分类模型时,大量带有类标注数据难以获得的问题,提出了基于主动学习的分类器建模方法,并对基于QBC(委员会投票选择)的主动学习算法进行改进以提高分类器的预测精度.通过对实际电信客户数据进行信用风险等级建模实验,结果表明:应用新算法,分类器使用了较少的带类标签样本数据,达到了与被动学习相同的精度,大大降低了信用专家评估数据的工作量

1 计算机类学科基础必修 离散数学 程序设计基础 I 程序设计基础 II Java 框架编程 操作系统原理 计算机网络 计算机组成原理 数据库原理 海洋空间信息工程概论 数据结构与算法 2 计算机类学科专业必修 数据分析原理与技术 数据可视化原理与应用 软件工程 高级程序设计 25 课程 实习（实践） 海洋大数据技术与工程应用 大数据原理与技术 数据挖掘 大数据处理技术 海洋遥感影像分析 空间建模与分析 空间数据获取技术基础 软件工程导论 软件开发与创新 数字信号处理 微机原理与接口技术 数据科学导论 算法设计与分析 人工智能 软件项目管理 软件需求分析 软件架构与设计模式 软件测试与质量保证 编译原理 海洋空间信息管理与服务 3 计算机类专业选修 计算机系统结构 数学建模 数值计算方法 数字图像处理 逻辑与计算机设计基础 智能计算及应用 物联网概论 Linux 操作系统 现代操作系统 WEB 程序设计 Python 程序设计 单片机原理与应用 虚拟现实 信息安全概论 移动开发技术 编程艺术 生物大数据 海洋信息技术与应用 4 计算机类实践课 数据科学综合 JAVA 框架编程 计算机综合实践与案例 专业大型综合实验 综合实习 中级综合开发实践 软件工程综合实习（实践） 毕业论文（设计） 5 信息与计算科学专业学科基础必修 高等代数 I 高等代数 II 空间解析几何 数学分析 I 数学分析 II 概率论与数理统计 A 常微分方程 6 信息与计算科学专业学科专业必修 复变函数 运筹学 数值分析 7 信息与计算科学专业专业选修 应用随机过程 最优化方法 微分方程数值解 应用回归分析 计算智能 8 信息与计算科学专业实践课 专业技能实践实习（实践） 数学实验 数学建模实习（实践） 毕业设计（论文） 综合实习实习（实践）

提出了一种人工免疫识别算法.该算法将所识别的数据作为抗原,利用抗体、抗原的亲和作用,通过刺激/抑制有关抗体的活动建立一个抗体记忆集合,识别和表示数据结构组织,它具有识别多样性、自我调节功能等特点.通过对二维实数空间的数据和Iris数据进行实验,结果表明该方法聚类效果好,识别率高,且具有较好的泛化能力

对煤粉分解热的准确性引起的计算理论燃烧温度的误差进行了讨论.针对现有的煤粉分解热数据陈旧,提出一种基于盖斯定律的简单而有效地确定煤粉分解热的新方法.根据现有的热力学数据、煤粉的成分以及煤粉发热值的理论计算公式或氧弹量热实验测定的数据,用新方法可确定出新的煤粉分解热数据

信息技术基础 计算机组装与维护 程序设计基础 平面设计基础 数据库原理 数据结构 网页设计与刚站划 ASP.NET应用开发 计算机网络 MySQ数据库应用 LINUX操作系统 网络技术与实践 数据库规划与计计 PHP动态网站开发 JAVA程序设计基础 管理信统 电子商务 JAVA WEB开发基础 应用统计学 软件工程 医院信息系统 多媒体应用基础

硬盘数据恢复教程 前言: 此文章从 google搜索经鄙人整理而来,并非本人的造诣至此,请勿联系笔者。 硬盘数据恢复很大程度依靠运气,无必胜把握,并且不与投入时间成正比,不要寄予太大的希望。 请勿轻易拿自己硬盘做实验。 建议数据恢复前先用硬盘保护卡对拷到其他硬盘上做一个备份,然后修理备份

为进一步提高多关系朴素贝叶斯方法的分类准确率,分析了已有的剪枝方法,并扩展互信息标准到多关系情况下.基于元组号传播方法和面向元组的统计计数方法,给出了基于扩展互信息标准进行属性选择的方法和步骤,并建立了一种基于扩展互信息的多关系朴素贝叶斯分类器.标准数据集上的实验显示,基于扩展互信息标准进行属性选择,可以在不增加算法时间复杂度的前提下,找到与分类属性最相关的属性,并在仅有极少属性参与分类时,得到较高的分类准确率.Mutagenesis数据集上的实验则显示,这种属性选择可以使多关系问题退化为单关系问题,大大降低了分类代价

（一）理论课程 1《空间解析几何》 2《离散数学》 3《时间序列分析》 4《数值计算方法》 5《运筹与优化》 6《Python 程序设计》 7《常微分方程》 8《大数据技术原理及应用》 9《复变函数论》 10《概率统计》 11《高等代数》 12《面向对象程序设计》 13《数据结构与算法》 14《数据库原理及应用》 15《数据挖掘》 16《数理统计》 17《数学分析（1）》 18《数学分析（2）》 19《数学建模(1)》 20《数学建模(2)》 21《数学软件及应用》 （二）实验课程 22《时间序列分析》 23《数据结构与算法》 24《数学软件及应用》 25《数值计算方法》 26《Python 程序设计》 27《大数据技术原理及应用》实验 28《面向对象程序设计》 29《数据库原理及应用》课程 30《数据挖掘》 31《数理统计》 （三）实践课程 32《专业教育》 33《web 数据挖掘与电子商务项目实训》 34《技能实训》教学大纲 35《客户数据分析项目设计》 36《数学建模(1)》 37《数学建模(2)》 38《中文文本数据挖掘项目实训》 39《综合项目实训》教学大纲 40《毕业设计（论文）》教学大纲 41《毕业实习》教学大纲

针对分类数据, 通过数据对象在属性值上的集中程度定义了新的基于属性值集中度的类内相似度(similarity based on concentration of attribute values, CONC), 用于衡量聚类结果中类内各数据对象之间的相似度; 通过不同类的特征属性值的差异程度定义了基于强度向量差异的类间差异度(dissimilarity based on discrepancy of SVs, DCRP), 用于衡量两个类之间的差异度.基于CONC和DCRP提出了新的分类数据聚类有效性内部评价指标(clustering validation based on concentration of attribute values, CVC), 它具有以下3个特点: (1)在评价每个类内相似度时, 不仅依靠类内各数据对象的特征, 还考虑了整个数据集的信息; (2)采用几个特征属性值的差异评价两个类的差异度, 确保评价过程不丢失有效的聚类信息, 同时可以消除噪音的影响; (3)在评价类内相似度及类间差异度时, 消除了数据对象个数对评价过程的影响.采用加州大学欧文分校提出的用于机器学习的数据库(UCI)进行实验, 将CVC与类别效用(category utility, CU)指标、基于主观因素的分类数据指标(categorical data clustering with subjective factors, CDCS)指标和基于信息熵的内部评价指标(information entropy, IE)等内部评价指标进行对比, 通过外部评价指标标准交互信息(normalized mutual information, NMI)验证内部评价效果.实验表明相对其他内部评价指标, CVC指标可以更有效地评价聚类结果.此外, CVC指标相对于NMI指标, 不需要数据集以外的信息, 更具实用性

针对经典K–means算法对不均衡数据进行聚类时产生的“均匀效应”问题，提出一种基于近邻的不均衡数据聚类算法（Clustering algorithm for imbalanced data based on nearest neighbor，CABON）。CABON算法首先对数据对象进行初始聚类，通过定义的类别待定集来确定初始聚类结果中类别归属有待进一步核定的数据对象集合；并给出一种类别待定集的动态调整机制，利用近邻思想实现此集合中数据对象所属类别的重新划分，按照从集合边缘到中心的顺序将类别待定集中的数据对象依次归入其最近邻居所在的类别中，得到最终的聚类结果，以避免“均匀效应”对聚类结果的影响。将该算法与K–means、多中心的非平衡K_均值聚类方法（Imbalanced K–means clustering method with multiple centers，MC_IK）和非均匀数据的变异系数聚类算法（Coefficient of variation clustering for non-uniform data，CVCN）在人工数据集和真实数据集上分别进行实验对比，结果表明CABON算法能够有效消减K–means算法对不均衡数据聚类时所产生的“均匀效应”，聚类效果明显优于K–means、MC_IK和CVCN算法