8.1 机器学习的基本概念 8.2 机械学习 8.3 指导学习 8.4 类比学习 8.5 归纳学习 8.6 解释学习 8.7 知识发现与数据挖掘 8.8 学习控制系统

针对数据立方体的结构特点,结合联机分析处理技术,提出了两种基于数据立方体的维内关联规则挖掘算法.以合肥农河超市实际数据作为测试数据,给出了两种算法的实验结果.结果表明,两种算法在不同支持度情况下执行效率存在明显差异,分别适合在高支持度和低支持度情况下进行关联规则挖掘

复旦大学：《商务智能》课程PPT教学课件（商务数据分析）05 数据挖掘技术方法

多维事务数据库DB的结构为 (ID,AA2,, Anitems),A是DB中的结构化 属性(例如顾客的年龄,职业收入等),而 items是同事务连接的项的集合(例如购物篮 中频繁项集)。每一个 t=(id,aa 2..2 items-t)由两部分信息组成: 维信息(a1,a2man)项集信息。 挖掘过程分为两部分:挖掘维度信息的模 式和从投影的子DB中找出频繁项集

多维事务数据库DB的结构为 (ID,A,AAn, items),A是DB中的结 构化属性(例如顾客的年龄,职业收入等), 而 items是同事务连接的项的集合(例如购 物篮中频繁项集)。每一个 t=(id,aa2man,items--t)由两部分信息 组成:维信息(a1,a2man)和项集信息。 挖掘过程分为两部分:挖掘维度信息的模 式和从投影的子DB中找出频繁项集

《电子技术基础》 《计算机网络原理》 《数据仓库与数据挖掘》 《数据库系统原理》 《人工智能导论》 《物联网专业英语》 《数据结构》 《物联网工程导论》 《无线传感器网络及 RFID 技术》 《通信技术基础》 《物联网安全技术》 《物联网工程技术》 《物联网工程设计与实施》 《物联网软件工程》 《移动应用开发技术》 《程序设计语言 C》 《计算机组成原理》 《微机原理与接口技术》 《面向对象程序设计 JAVA》 《Web 开发技术》 《单片机与嵌入式系统设计》 《离散数学》 《传感器与检测技术》 《物联网通信技术》 《操作系统原理》 《无线传感网技术》 《信息工程管理》 《项目管理教程》 《无线通信技术》 《科技文献检索》

3.1 数据库与数据库管理系统 3.1.1 数据库技术的发展 3.1.2 数据库系统的体系结构 3.1.3 数据模型 3.1.4 数据库管理系统（DBMS）的功能及其工作过程 3.2 数据仓库和数据挖掘（阅读） 3.2.1 数据仓库的概念 3.2.2 为什么需要数据仓库 3.2.3 数据仓库的价值 3.2.4 数据仓库框架结构 3.2.5 数据挖掘

（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

电子信息工程专业 《电子信息工程导论》 《数据结构与算法》 《微处理器与接口技术》 《信号与系统》 《嵌入式信息系统》 《Linux 操作系统》 《虚拟仪器》 《FPGA 设计与应用》 《专业英语》 《电磁场与电磁波》 《高频电子线路》 《信息论与编码》 《数字信号处理》 《Linux 操作系统课程设计》 《电子电路系统综合实践》 《智能硬件系统开发综合实践》 《信号处理综合实践》 《计算机通信网络》 《计算机通信网络实训》 《通信原理》 《数字图像处理》 《专业实习》 《数字图像处理综合实践》 《片上电子信息系统》 《智能语音识别与处理》 《移动互联网开发与应用》 《短距无线通信与异构组网》 《云计算与虚拟化技术》 《数据挖掘与分析》 《智能语音识别与处理实践》 《WEB 应用开发》 《片上电子信息系统课程设计》 《专业自主实践课-开放实验类》 《专业自主实践课-创新创业类》 《专业自主实践课-科研项目类》 《光纤通信实训》 《专业自主实践课-学科竞赛类》 《毕业设计》 通信工程专业(卓越计划） 《通信工程专业导论》 《MATLAB 及其应用》 《软件设计基础》 《通信工程专业认识实习》 《软件设计基础课程设计》 《云数据管理技术》 《单片机应用技术》 《网络编程技术》 《嵌入式系统及应用》 《微波技术》 《云平台搭建与设计》 《移动通信系统原理与网络优化》 《移动互联网游戏创意设计》 《移动应用开发实践》 《通信行业规范与职业规划》 《现代传输系统调测实践》 《移动互联网产品测试实践》 《集成电路基础》 《搜索引擎技术》 《软件定义网络》 《移动互联网应用开发实训》 《融合通信应用实训》 《企业工程实习》 《天线与电波传播》 《光纤通信》 《智能工业及其应用技术》 物联网工程专业 《物联网工程导论》 《计算机硬件基础》 《传感器原理及应用》 《物联网工程专业认识与实践》 《操作系统》 《RFID 原理及应用》 《物联网感知综合实践》 《信号与系统课程设计》 《JAVA 程序设计》 《数据库系统基础》 《自动控制基础》 《传感网原理及应用》 《嵌入式系统开发实训》 《网络系统集成》 《数据处理与智能决策》 《物联网数据处理综合实践》 《大数据与云计算》 《M2M 技术》 《位置信息处理技术》 《虚拟仪器测控应用技术》 《物联网工程设计与实施》 《物联网安全技术》

一、明确基于特征、案例维归约与技术归约的区别。 二、解释数据挖掘过程的预处理阶段中进行数据归约的优点。 三、应用相应的统计方法,理解特征选择和特征 构成的基本原则。 四、理解特征等级主成分分析方法。 五、区别基于增量和平均样本的案例中的技术