《工程科学学报》：基于CART决策树的冲压成形仿真数据挖掘

6.1 机器学习概述 6.2 符号学习 6.3 神经网络学习 6.4 知识发现与数据挖掘

3.1 信息网络的技术特征 3.2 网络信息获取技术 3.3 网络信息推送技术 3.4 数据挖掘技术

一、 商业电子表格制模（Excel) 二、 概率与统计简介 三、基础运筹学 四、数据挖掘技术

西北工业大学：市场信息学_第20讲5-4,5 人工智能与专家系统、数据挖掘及其应用

油箱壳外形复杂,拉深成形过程中容易出现侧壁起皱和圆角处破裂的缺陷,成形工艺参数的确定非常重要.结合分类与回归决策树(classification and regression tree,CART)的人工智能技术和模型交叉验证方法,通过调用Python平台开源库Scikit-Learn对油箱壳拉深成形数值模拟结果进行知识挖掘,筛选出对油箱壳拉深成形影响大的工艺参数;以基尼指数(Gini index)最小化作为最优特征值及最优切分点选择的依据,构建了工艺参数与性能指标关系的CART决策树,提取出了可靠的工艺设计规则.油箱壳拉深实例表明,CART决策树理论的知识发现技术是实现板料成形过程数值模拟结果潜在知识挖掘的可行途径

1学科基础课平台必修课 《概率论与数理统计 B》 《高等数学 B1》 《高等数学 B2》 《管理统计与 SPSS 应用》 《管理学 A》 《宏观经济学 C》 《基础会计学 B》 《经济法 A》 《人力资源管理专业导论》 《市场营销学 A》 《微观经济学 B》 《线性代数》 2学科基础课平台选修课 《ERP 沙盘模拟》 《财务管理学 B》 《公共关系学》 《供应链与物流管理 A》 《管理沟通》 《国际贸易实务 A》 《管理信息系统》 《管理心理学 A》 《计量经济学 B》 《计算机办公自动化 (中高级应用）》 《计算机网络 B》 《经济写作》 《逻辑学》 《企业伦理学》 《系统工程学 B》 《数据挖掘与商务智能》 《网页设计与制作》 《网页设计与制作》考试 《网页设计与制作》课程实训 《信息检索与利用》 《博弈论与信息经济学》 《运筹学 B》 3专业课平台必修课 《管理英语 1》 《管理英语 2》 《绩效管理 A》 《技术经济学 A》 《人力资源管理专业毕业设计（论文）》 《人力资源管理专业毕业实习》 《人力资源管理专业认识实习》 《人力资源管理专业学年论文（论文）》 《人管专业认知社会调查》 《人力资源管理专业实习》 《人力资源开发与管理 A》 人力资源开发与管理实习大纲 《生产运作管理》 《战略管理 A》 《组织行为学》 4专业课平台选修 《创新创业创意实训》实习大纲 《创业管理》 《电子商务 B》 《管理经济学》 《广告学》 《广告学》实习 《国际贸易地理》 《跨国公司管理》 《跨文化管理》 《劳动与社会保障法 A》 《领导科学》 《品牌管理》 《商务礼仪》 《市场调查与分析》 《数据库原理与应用 A》 《组织理论与组织设计》 《现场管理》 《薪酬管理》 《质量管理》

《概率论与数理统计 B》 《高等数学 B1》 《高等数学 B2》 《工商管理专业导论》 《管理统计与 SPSS 应用》 《管理学 A》 《宏观经济学 C》 《基础会计学 B》 《经济法 A》 《市场营销学 A》 《微观经济学 B》 《线性代数》 2学科基础课平台选修课 《ERP 沙盘模拟》 《财务管理学 B》 《公共关系学》 《供应链与物流管理 A》 《管理沟通》 《管理信息系统》 《管理心理学 A》 《国际贸易实务 A》 《计量经济学 B》 《计算机办公自动化 (中高级应用)》 《计算机网络 B》 《经济写作》 《企业伦理学》 《系统工程学 B》 《数据挖掘与商务智能》 《信息检索与利用》 《博弈论与信息经济学》 《运筹学 B》 3专业课平台必修课 《管理英语 1》 《管理英语 2》 《绩效管理 A》 《技术经济学 A》 《工商管理专业毕业设计（论文）》 《工商管理专业毕业实习》 《工商管理专业认识实习》 《工商管理专业学年论文（论文）》 《工管专业认知社会调查》 《工商管理专业实习》 《人力资源开发与管理 A》 《生产运作管理》 人力资源开发与管理实习大纲 《战略管理 A》 《组织行为学》 4 专业课平台选修 《创新创业创意实训》实习大纲 《创业管理》 《电子商务 B》 《管理经济学》 《管理研究方法》 《广告学》 《广告学》实习 《跨国公司管理》 《跨文化管理》 《领导科学》 《品牌管理》 《商务礼仪》 《市场调查与分析》 《数据库原理与应用 A》 《组织理论与组织设计》 《现场管理》 《薪酬管理》 《质量管理》 478

• 查询优化概述 • 相关反馈(relevance feedback) • 相关反馈概述 • Rocchio 相关反馈算法 • 隐式相关反馈 • 伪相关反馈 • 相关反馈的假设条件及评价方法 • 查询扩展(Query expansion)

◼ Why Data Mining? ◼ What Is Data Mining? ◼ A Multi-Dimensional View of Data Mining ◼ What Kinds of Data Can Be Mined? ◼ What Kinds of Patterns Can Be Mined? ◼ What Kinds of Technologies Are Used? ◼ What Kinds of Applications Are Targeted? ◼ Major Issues in Data Mining ◼ A Brief History of Data Mining and Data Mining Society ◼ Summary