考核方式

期末开卷考试（笔试）

期末总成绩=期末考试成绩（60%）+平时成绩 （40%）。
平时成绩主要包括平时出勤（ 20% ）和作业 （20%）。

数据挖掘概述（6学时） 数据仓库与OLAP技术概述 （3学时） 数据预处理 （3学时） 概念描述：特征化与比较（3学时） 大型数据库中的关联规则的挖掘（6学时） 分类与预测（6学时） 聚类分析（6学时） 数据挖掘发展趋势（3学时）
教材及参考资料

教材： （加）韩家炜，堪博 著，范明，孟小峰 译.数据挖掘概念与技术 （原书第2版).机械工业出版社,2007. 参考教材： [1]毛国君.数据挖掘原理与算法（第二版.清华大学出版社,2007 [2] 纪希禹.数据挖掘技术应用实例.机械工业出版社,2009 [3]邓纳姆（Dunham，M.H.） 著；郭崇慧，田凤占，靳晓明 等译. 数据挖掘教程——世界著名计算机教材精选.清华大学出版社,2005 [4]（美）唐（Tang，Z.H.），（美）麦克雷南（MaccLennan， J.） 著，邝祝芳，焦贤龙，高升 译. 数据挖掘原理与应用： SQL Server 2005数据库,2007 [5]王欣.SQL Server 2005 数据挖掘实例分析.水利水电出版 社,2008 [6]朱德利. SQL Server2005数据挖掘与商业智能完全解决方案 .电子工业出版社，2007

课程学习目标




了解数据挖掘的重要性与国内外的发展状况 及未来发展方向； 掌握数据挖掘的一些基本概念、算法、原理 及相关技术； 能熟练地运用数据挖掘技术及工具解决实际 应用问题； 为研究选题打下基础。
课程内容与学时安排(36学时)

第1章 第2章 第3章 第4章 第5章 第6章 第7章 第8章
《数据挖掘》 课程简介
课程性质


该课程是计算机应用技术专业的一门专业选修课程。 数据挖掘（Data Mining，DM）又称数据库中的知 识发现（Knowledge Discover in Database，KDD）， 是目前人工智能和数据库领域研究的热点问题。 所谓数据挖掘是指从大量数据中提取或挖掘出隐含 的、先前未知的并有潜在价值的信息（或知识）。 数据挖掘是一种决策支持过程，它主要基于人工智 能、机器学习、模式识别、统计学、数据库、可视 化技术等，高度自动化地分析企业的数据，做出归 纳性的推理，从中挖掘出潜在的模式，帮助决策者 调整市场策略，减少风险，做出正确的决策。