研究生课程教学大纲-计算机科学与技术学院
《高等计算机算法-博士研究生》课程教学大纲
3.NP完全理论（6学时）：NP完全理论及其在实际问题中的应用。
4.算法专题研究（10学时）：3—5个小的前沿领域的算法专题研讨，包括每个领域的基本问题、算法及变型。
5.课程设计（2学时）：设计并分析一个难度适当的算法。
2.3计算复杂性导论，堵丁柱、葛可一、王洁，高等教育出版社，2002
预修课程：离散数学，数据结构，算法分析
学科点意见：
学科点负责人签名：
年月日
注：1、类别指公共课、专业课。2、教学内容要强调理论性与应用性课程的有机结合，突出案例分析和实践研究；教学过程要重视运用团队学习、案例分析、现场研究、模拟训练等方法；要注重培养学生研究实践问题的意识和能力。3、编制者一般为该课程主讲教师。
研究生课程教学大纲
课程名称
中文
高等计算机算法
课程编号
0006100038
英文
AdvancedComputerAlgorithms
开课单位
网络空间先进技术研究院
考核方式
考查
学时
32
学分
2
类别
专业课
编制者
课程简介：
高级算法设计与分析是计算机科学与技术及相关专业一门重要的专业基础课。本课程是本科和硕士的算法课程的延续和提升。主要介绍算法的基本设计技巧及高级算法理论在前沿问题和实际问题中的应用。加深学生的算法研究能力，提高学生设计算法来解决实际问题的能力。
教学目标与基本要求：
本课程的目标是使学生通过对高等计算机算法基础的进阶学习以及前沿算法的专题研究，提升学生独立设计算法解决现实问题的能力。其基本要求为：
1.能够使用基本技巧设计算法。
2.理解NP完全理论，并能够应用于解决实际问题。
研究生课程教学大纲-计算机科学与技术学院
研究生课程教学大纲《数据挖掘》《Data Mining》36 学时； 2 学分一、课程简介数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。
数据挖掘是一门与多学科交叉的计算机专业课程，在商业、金融、医学、科学研究、工程与政府部门管理等众多领域都有广泛应用。
数据挖掘涉及计算机科学、统计、在线分析处理、情报检索、机器学习、专家系统和模式识别等诸多方法。
通过课程的学习，学生可掌握：数据挖掘的基本概念、功能、处理过程及应用领域；数据预处理技术，包括数据样本的缺失处理、数据清理和数据降维等；针对不同挖掘任务的各种算法，包括概念描述、关联规则分析、分类、聚类和离群点的检测等；提取模式的评价和分析；数据挖掘的发展趋势和研究前沿。
二、预修课程及适用专业预修课程：算法设计与分析，程序设计适用专业：计算机科学与技术、计算机技术、软件工程、信息安全三、课程内容及学时分配第1章序论讲授内容：数据挖掘技术的发展、概念与处理步骤、功能、应用领域及其研究发展方向。
教学目标：了解数据挖掘的基本概念、研究方向和应用领域，结合自己研究方向，思考数据挖掘具体可以解决什么问题。
学时分配：2学时第2章认识数据和数据预处理讲授内容：包括数据对象与属性类型、数据的基本统计描述、度量数据的相似性和相异性、数据清理（缺失数据、噪声或离异点数据的处理），数据集成与转换，数据的约简与降维及其应用实例。
教学目标：认识数据，了解数据挖掘过程的第一步——数据预处理的重要性和必要性，掌握一些经典算法。
学时分配：6学时第3章挖掘频繁模式讲授内容：讲述频繁模式挖掘的基本概念，讲述Apriori算法的基本思想、算法实现和优缺点分析，讲授模式评估方法。
教学目标：了解频繁模式挖掘的基本概念，掌握频繁项集挖掘方法Apriori算法的实现，并进行分析和改进，掌握评估方法。
学时分配：6学时第4章分类讲授内容：讲述分类基本概念，讲述多种分类算法，如基于概率统计的Bayes分类、基于归纳的决策数分类、基于判别平面或多面体的分类方法、基于统计原理的支撑向量机分类与回归等，并辅以实例描述。
计算机科学与技术专业硕士研究生课程教学计划表
计算机科学与技术专业硕士研究生课程教学计划表
①小语种（德语、法语、日语、俄语）单独开班。
②根据教育部要求，硕士研究生必须选修1学分的政治理论公共选修课，文
科选修《马克思主义与社会科学方法论》，理科选修《自然辩证法》。
③一级学科基础课中的“中级随机过程”与统计学专业的“中级随机过程”相同课程号。
④根据学校要求，非经、法、管类学科的研究生，必选一门《“三导”课程》（包括《经济学导论》、《法学导论》、《管理学导论》）；经、法、管类研究生可以选修一门非本学科门类的导论课程。
2024级《专业导论》课程教学大纲
《专业导论》课程教学大纲课程编码：12024008 开课部门：信息工程学院英文名称：Introduce to Computer 适用年级：2024适用专业：计算机科学与技术适用方向：无课程属性：专业基础课程学分学时：1学分，支配16学时编写人：李晓蕾审核人：何广军一、课程概述(一)课程的性质地位《专业导论》是计算机科学与技术专业的一门专业基础课。
本课程担负着引导学生进入计算机科学技术大门的重任，是引领计算机学生进入计算机科学与技术学科的“导游图”。
(二)课程的基本理念以学生学问、实力、素养协调发展为目标，突出学生为主体，重视实力培育和素养培育。
课程内容涉及计算机科学的方方面面，但着重讲解的是基本概念而不是数学模型和技术细微环节，要求做到“广度优先，广而不细＂。
课程侧重点在于勾画计算机科学体系的框架，奠定计算机科学学问的基础，为今后深化学习计算机科学与技术专业中各专业理论及实践课程做好铺垫。
(三)课程设计思路用严密性方式将学生引入计算机学科各个富有挑战性的领域。
CC2024 报告要求该课程应讲授那些富有才智的、核心的思想。
还要充分考虑现代教化思想（如CDIO）及其在本学科教化中的应用。
因此在构建课程内容的同时,还要充分留意对学生实力的培育,以及强化学生对学问的载体属性的相识和利用。
本次课程内容设计时,以CCC2024 中课程提纲为依据,采纳CCC2024 举荐的课程设计方法,结合长期的教学实践,探究性地提出以实践阅历为主要内容的课程提纲。
教学方法手段：本课程实行专题讲座的形式，由本专业高职称、高学历的老师进行主题演讲。
1.案例教学：本课程应以实物（典型成果）为引导，呈现主题特色，直观说明主题所阐述的技术解决哪些问题，对社会有什么影响，在那些岗位上应用，将来在哪些方面可以有所突破。
2.自主学习式教学：本课程各主题所涉及的核心技术不宜过多，以2-3点为宜。
一方面，在讲清概念、介绍方法的基础上，让学生了解计算机技术的现状和发展。
大连海事大学计算机科学与技术专业硕士研究生《数理逻辑》课程教学大纲.doc
计算机科学与技术专业攻读硕士学位研究生《数理逻辑》课程教学大纲课程编号：22031112课程名称：数理逻辑开课院系：信息科学技术学院先修课程：离散数学学时：54开课学期：1任课教师：邓安生适用学科范围：计算机科学与技术学分：3开课形式：课堂讲授课程目的和基本要求:数理逻辑是计算机科学与技术学科的核心基础课程之一。
学习数理逻辑不仅要掌握从事计算机科学与技术所必备的数理逻辑知识，更重要的是通过学习数理逻辑自觉地实现思维方式的数学化。
学习数理逻辑可以训练和培养良好的思维能力，并为从事计算机科学与技术及其相关学科领域的研究、设计、开发与应用提供思想和方法论基础。
本课程要求学生能深刻理解数理逻辑基本方法和主要结论的含义及论证过程。
本课程的考核方式为闭卷考试。
课程主要内容：第一部分命题逻辑的形式演算（讲授约12学时）形式系统概述：形式系统的概念；形式系统的基本特征；形式系统的必要性。
命题逻辑的公理推演系统L：形式系统L的定义；演绎定理和假言三段论规则。
公理推演系统的性质：赋值和重言式；形式系统L的扩张；形式系统L的性质。
命题逻辑的自然推演系统P：形式系统P的定义；形式系统P的简单性质。
自然推演系统P的性质：公理推演系统L和自然推演系统P的关系；公理推演系统L和自然推演系统P等价的证明；自然推演系统P的性质。
第二部分一阶逻辑的形式演算（讲授约14学时）一阶逻辑的公理推演系统K：一阶语言；解释与赋值；形式系统K的定义。
公理推演系统的可证等值：可证等值的概念；关于可证等值的几个结论。
公理推演系统K的性质：形式系统K的一致性；形式系统K的可靠性；形式系统K的完备性。
一阶逻辑的自然推演系统N：形式系统N的定义；形式系统N的简单性质。
自然推演系统N的性质：公理推演系统K和自然推演系统N等价的证明；自然推演系统N的性质。
形式系统的模型：模型的概念；模型之间的关系；关于模型的几个简单结论; 紧致性定理和LST定理。
第三部分数学系统与不完全性定理（讲授约8学时）数学系统：数学系统的概念；含有等词的一阶系统；一阶群论系统；一阶算术系统；一阶集论系统；相容性和模型。
研究生课程教学大纲-河北大学网络空间安全与计算机学院
研究生课程教学大纲-河北大学网络空间安全与计算机学院研究生课程教学大纲《软件体系结构》《Software Architecture》36 学时； 2 学分一、课程简介本课程是硕士研究生专业基础课程之一。
软件体系结构（也称软件架构）的理论与实践近几年已经形成成熟的体系，成为软件工程中的一个新的及独立的领域，在大型复杂软件系统的开发过程中起着越来越重要的作用。
软件体系结构主要介绍软件体系结构和中间件的基本概念，使学生对软件体系结构有比较深入的了解。
通过学习，使得学生在软件工程思想的基础上，更进一步掌握软件分析和软件开发的方法和思想，并能在实际中应用。
在完成本课程后，使学生能够掌握软件架构的原理, 方法及技巧，了解常见的架构模式以及它们在企业应用，能够对软件架构进行分析，撰写软件架构文档。
完成本课程的学员可以在实际工作中胜任软件设计师及初级软件架构师的工作。
二、预修课程及适用专业预修课程：无适用专业：计算机科学与技术、计算机技术、软件工程、信息安全三、课程内容及学时分配本课程分为三部分内容。
第一部分将在软件工程基本原理基础上，讨论软件架构及软件架构师在软件工程中的作用，分析软件架构所要解决的软件工程中的问题，以及软件架构师应当具备的知识及技能体系。
第二部分以架构设计的过程为主线，有序展开相应的方法论与实践：如何从需求向架构设计过渡、概念性架构设计、细化架构设计。
并强调非功能需求设计的方法与设计思想。
第三部分介绍常见的架构模式以及它们在企业应用，设计模式如何合理用于架构设计实践，如何设计Framework。
第一章引言1.1 软件体系结构的概念 1.2 软件的工程规范 1.3 软件体系结构概况第二章体系结构模式2.1 体系结构模式 2.2 管道和滤波器 2.3 数据抽象和面向对象 2.4 基于事件与隐含调用 2.5 层次系统 2.6 存储库2.7 中断 2.8 过程控制 2.9 其它类似结构2.10 不同种类的体系结构（多机系统）第三章用例研究3.1 文本中的关键字 3.2 仪表化软件 3.3 移动机器人 3.4 巡回控制 3.5 混合系统第四章共享信息系统4.1 共享信息系统 4.2 数据库集成4.3 集成式软件开发环境 4.4 集成构件设计4.5 共享信息系统的体系结构 4.6 一些结论第五章软件体系结构设计5.1 用户界面体系结构 5.2 限制设计空间第六章形式模式和规范6.1 体系结构形式化价值 6.2 规范系统的形式化体系结构 6.3 形式化体系结构模式 6.4 形式化体系结构设计空间第七章软件体系结构的分析与测试7.1 体系结构的可靠性建模 7.2 软件体系结构的可靠性风险分析 7.3 基于体系结构描述的软件测试方法第八章软件体系结构评估8.1 体系结构评估概述8.2 软件体系结构评估的主要方式 8.3 ATAM评估方法 8.4 SAAM评估方法学时分配计划章 1 内容概要学时引言 4 2 3 4 5 6 7 8 合计体系结构模式用例研究共享信息系统软件体系结构设计形式模式和规范软件体系结构的分析与测试软件体系结构评估 6 4 4 4 4 6 4 36 四、教学方法及要求教学方式：本课程强调及兼顾理论体系的体系性及技术题材的实用性。
《复杂网络基础与应用》课程教学大纲
Complex network is a perspective and method to study complex system. It is a way to understand the nature and function of complex system by focusing on the topological structure of individual interaction in the system. Complex network research has penetrated into life science, engineering, mathematics, finance, humanities and many other disciplines. The scientific understanding of the quantitative and qualitative characteristics of complex network has become an extremely important challenge.
《复杂网络基础与应用》是计算机科学与网络工程学院各专业的博士研究生的专业课。本课程是一门研究方法类课程，为博士研究生提供研究复杂网络的具体内容、方法和工具，系统介绍复杂网络领域的基本理论框架，涵盖了复杂网络中的基本概念、网络的拓扑结构性质、小世界网络、无标度网络、社团结构、社会网络结构、博弈、传播动力学等关于复杂网络的研究。由于复杂网络研究具有很强的跨学科特色，并且新的问题和研究成果不断涌现，因此本课程重点着眼于复杂网络研究中经典的理论研究，同时介绍一些最新研究进展。旨在通过介绍复杂网络的基础理论及其应用研究，使学生掌握复杂网络的基本理论及其最新的研究进展，掌握一些相应的网络分析方法，基于复杂网络的视角来认识世界，并且能够联系实际来培养学生的系统思维以及创新意识，为博士研究生在复杂网络及其相关研究领域的研究指明方向，并通过阅读文献，了解复杂网络在相关学科的应用，为进一步的科学研究、工程应用提供理论与技术准备。
研究生课程教学大纲-计算机科学与技术学院
研究生课程教学大纲《计算机高级体系结构》《Advanced Computer Architecture》36 学时； 2 学分一、课程简介并行计算的性能与并行算法的并行性和计算机系统的并行处理能力有很大关系。
如何开发计算机系统软、硬件的并行性，以适应并行计算的性能需求和规模需求是当今计算机领域的研究热点。
《高级计算机体系结构》主要是在微型计算机结构的基础上，分析并行计算机体系结构，讨论系统性能的评测及其可扩展性，以期在系统资源增长时使计算性能按比例增长。
主要内容包括并行计算机模型与体系结构、性能评测方法、编程模型与通信模型，互连与通信技术、共享存储与Cache一致性、分布存储与可扩展性、可信计算及云计算等。
通过本课程的学习，希望学生能够从并行计算机模型、并行程序编程模型、可扩展性原理等基础理论出发，掌握并行计算机的结构原理、组成技术、互连与通信技术，并为并行算法研究和并行程序设计打下坚实的基础。
二、预修课程及适用专业预修课程：计算机原理、操作系统、数据结构，程序设计等适用专业：计算机科学与技术、计算机技术、软件工程、信息安全三、课程内容及学时分配第一章系统结构设计基础（4）第一节计算机系统结构概念第二节系统设计的定量原理第三节计算机系统性能评价第四节系统结构中并行性的发展第二章微处理器结构与技术（4）第一节微处理器结构第二节存储系统第三节标量流水线技术第四节指令集并行技术第三章并行计算机体系结构（8）第一节并行计算机系统简介第二节并行计算机体系结构第三节并行计算机系统性能模型第四节可扩展设计原理第四章性能评测（4）第一节引言第二节机器级性能评测第三节算法级性能评测第四节程序级性能评测第五节提高性能的途径第五章互连网络（4）第一节互连网络基本知识第二节网络拓扑第三节网络路由算法第四节交换机的设计第六章共享存储多处理机（6）第一节共享存储多处理机第二节基于监听的Cache一致性协议第三节基于监听的Cache一致性协议实现第四节同步操作的设计与实现第七章机群系统（4）第一节机群化体系结构第二节单一系统映像第三节作业管理第四节负载平衡第八章可信计算与云计算（2）主要介绍可信计算技术、云计算技术及应用的现状及发展趋势。
研究生课程教学大纲
研究生课程教学大纲《人工智能基础》《Basics of Artificial Intelligence》36 学时； 2 学分一、课程简介人工智能是计算机科学的重要分支。
本课程介绍如何用计算机来模拟人类智能，即如何用计算机实现诸如问题求解、规划推理、模式识别、知识工程、自然语言处理、机器学习等只有人类才具备的"智能"，使得计算机更好地为人类服务。
人工智能是一门实践性很强的课程，既要掌握概念和原理，还要能够运用原理进行实际问题的求解。
通过本课程学习，使学生对人工智能的发展概况、基本原理和应用领域有初步了解，掌握人工智能的主要基本概念、基本方法，启发学生对人工智能的兴趣，培养知识创新和技术创新能力；掌握人工智能求解方法的特点，会用知识表示方法、推理方法和机器学习等方法求解简单问题等。
二、预修课程及适用专业预修课程：离散数学，数据结构，高级语言程序设计适用专业：计算机科学与技术，计算机技术、软件工程、信息安全三、课程内容及学时分配1 绪论（2学时）（1）教学目标介绍人工智能的定义、发展概括及相关学派及其认知观，讨论人工智能的研究和应用领域。
通过本章的学习，要求学生掌握人工智能的定义，了解人工智能的发展概括、各学派的认知观及人工智能的应用领域。
重点：人工智能的定义、人工智能各学派的认知观。
难点：人工智能的各种定义、人工智能的各学派的认知观。
（2）教学内容1)人工智能的定义与历史发展；2)人工智能各学派的认知观；3)人工智能的研究与应用领域。
2 知识表示方法（8学时）（1）教学目标讨论人工智能中常用的几种知识表示方法，包括状态空间法、问题归约法、谓词逻辑法、产生式表示法、语义网络法、框架表示方法等。
要求学生掌握几种基本的知识表示方法，能够选择合适的知识表示方法解决简单的问题。
重点：状态空间法、谓词逻辑法、产生式表示法、语义网络法、框架表示法、与或树表示法。
难点：状态空间法、与或树表示法。
计算机科学与技术研究生课程设置
计算机科学与技术研究生课程设置下载提示：该文档是本店铺精心编制而成的，希望大家下载后，能够帮助大家解决实际问题。
文档下载后可定制修改，请根据实际需要进行调整和使用，谢谢!本店铺为大家提供各种类型的实用资料，如教育随笔、日记赏析、句子摘抄、古诗大全、经典美文、话题作文、工作总结、词语解析、文案摘录、其他资料等等，想了解不同资料格式和写法，敬请关注!Download tips: This document is carefully compiled by this editor. I hope that after you download it, it can help you solve practical problems. The document can be customized and modified after downloading, please adjust and use it according to actual needs, thank you! In addition, this shop provides you with various types of practical materials, such as educational essays, diary appreciation, sentence excerpts, ancient poems, classic articles, topic composition, work summary, word parsing, copy excerpts, other materials and so on, want to know different data formats and writing methods, please pay attention!计算机科学与技术研究生课程设置随着计算机科学与技术领域的不断发展，研究生课程的设置变得至关重要。
研究生课程教学大纲[008]
![研究生课程教学大纲[008]](https://img.taocdn.com/s3/m/52ed559e4b73f242326c5f43.png)
研究生课程教学大纲《计算机数学基础》《Basic Mathematics for Computer》54 学时； 3 学分一、课程简介《计算机数学基础》课程是计算机科学与技术专业硕士研究生的一门基础课，通过课程的学习，培养学生的数学思维能力，掌握计算机中数学处理的方法，为学生在计算机科学的各个领域的深入研究和应用打下坚实数学基础。
《计算机数学基础》课程主要讲授的是组合数学，组合数学自上个世纪60年代以来得到了迅速的发展。
组合数学的思想和技巧不仅影响着数学的许多分支，而且被广泛地应用于计算机科学的各个领域。
为解决实际问题，编写程序的时候，它往往不仅提供具体的算法而且还要知道对算法运行效率和存储需求的分析。
正因如此，组合数学所包含的内容越来越广泛。
《计算机数学基础》课程的内容主要包括：1.排列与组合；2.递推关系与母函数；3.容斥原理与鸽巢原理；4.Burnside引理与Po/lya定理。
二、预修课程及适用专业预修课程：高等数学、离散数学适用专业：计算机科学与技术、计算机技术、软件工程、信息安全三、课程内容及学时分配《计算机数学基础》课程内容及学时分配如下表：四、教学方法及要求课堂教学、课堂讨论、习题课、课后阅读相关参考书籍结合进行。
五、考核办法考核方式为闭卷考试。
总评成绩=平时成绩(考勤+课堂表现+测验)(30%~40%)+考试成绩(70%~60%)。
六、参考书籍及阅读文献资料[1] 卢开澄，卢华明. 《组合数学》. 北京：清华大学出版社，2002年。
[2] 孙世新. 《组合数学》. 成都：电子科技大学出版社，2003年。
[3] Richard A.Brualdi. 《组合数学》. 冯舜玺等译. 北京：机械工业出版社，2005年。
[4] C.L.Liu. 《组合数学导论》. 魏万迪译. 成都：四川大学出版社，1987年。
开课单位：计算机科学与技术学院编写人：卢素魁审定人：王亮编写日期：2015年6月3日。
《计算机科学导论》教学大纲
《计算机科学导论》课程教学大纲课程编号：课程名称：计算机科学导论课程性质：学科基础课课程类别：必修学分：1 学时：16先修课程：无面向专业（方向）：软件工程承担单位：计算机学院一、课程教学基本设计（一）教学目标及意义本课程作为学科基础性课程，学生不需要特殊的预备知识，学习时应立足于建立对计算机学科的正确认识，并为今后的深入学习做好铺垫。
作为专业基础课程，注重基础知识的完备性，从计算机发展历史讲起，对计算机分类、软件系统、硬件设备、二进制概念和计算、网络基础、程序设计、计算机文化等均有覆盖，力图帮助学生建立完整的计算机领域视野。
作为工具性课程，课程引导学生了解计算机学科的主要理论，初步掌握一些关键知识和技术。
通过本课程的学习，学生将了解计算机的基本概念及相关知识（包括基本的计算机安全使用知识）；熟悉微型计算机系统的基本组成及各部分的作用；掌握二进制、软件分类、计算机硬件系统结构；建立对网络、Internet的正确认识；了解与程序设计和软件工程相关的基本知识；了解电脑基本操作、文档设计、软件项目文档设计等动手能力的要点和技巧；掌握Paython语言与数据库知识；了解计算机思维的核心-算法；熟悉计算机操作系统的基础知识和基本概念；熟练掌握数据库的使用方法；了解计算机领域的最新技术。
（二）教学内容及要求教学内容：本课程是计算机专业最基本的基础课程之一，为进一步学习计算机科学与技术各个领域的课程打下基础。
同时，该课程也是信息学科各有关专业的基础课程之一。
课程的主要内容有：1.了解计算机的基本概念及相关知识（包括基本的计算机安全使用知识）。
2.熟悉微型计算机系统的基本组成及各部分的作用。
3.掌握二进制、软件分类、计算机硬件系统结构。
4.建立对网络、Internet的正确认识。
5.了解与程序设计和软件工程相关的基本知识。
6.掌握Paython语言与数据库知识。
7.了解计算机思维的核心-算法。
8.熟悉计算机操作系统的基础知识和基本概念9.熟练掌握数据库的使用方法10.了解计算机行业最新的关键技术以及发展趋势。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
研究生课程教学大纲
《数据挖掘》
《Data Mining》
36 学时； 2 学分
一、课程简介
数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。
数据挖掘是一门与多学科交叉的计算机专业课程，在商业、金融、医学、科学研究、工程与政府部门管理等众多领域都有广泛应用。
数据挖掘涉及计算机科学、统计、在线分析处理、情报检索、机器学习、专家系统和模式识别等诸多方法。
通过课程的学习，学生可掌握：数据挖掘的基本概念、功能、处理过程及应用领域；数据预处理技术，包括数据样本的缺失处理、数据清理和数据降维等；针对不同挖掘任务的各种算法，包括概念描述、关联规则分析、分类、聚类和离群点的检测等；提取模式的评价和分析；数据挖掘的发展趋势和研究前沿。
二、预修课程及适用专业
预修课程：算法设计与分析，程序设计
适用专业：计算机科学与技术、计算机技术、软件工程、信息安全
三、课程内容及学时分配
第1章序论
讲授内容：数据挖掘技术的发展、概念与处理步骤、功能、应用领域及其研究发展方向。
教学目标：了解数据挖掘的基本概念、研究方向和应用领域，结合自己研究方向，思考数据挖掘具体可以解决什么问题。
学时分配：2学时
第2章认识数据和数据预处理
讲授内容：包括数据对象与属性类型、数据的基本统计描述、度量数据的相似性和相异性、数据清理（缺失数据、噪声或离异点数据的处理），数据集成与转换，数据的约简与降维及其应用实例。
教学目标：认识数据，了解数据挖掘过程的第一步——数据预处理的重要性和必要性，掌握一些经典算法。
学时分配：6学时
第3章挖掘频繁模式
讲授内容：讲述频繁模式挖掘的基本概念，讲述Apriori算法的基本思想、算法实现和优缺点分析，讲授模式评估方法。
教学目标：了解频繁模式挖掘的基本概念，掌握频繁项集挖掘方法Apriori算法的实现，并进行分析和改进，掌握评估方法。
学时分配：6学时
第4章分类
讲授内容：讲述分类基本概念，讲述多种分类算法，如基于概率统计的Bayes分类、基于归纳的决策数分类、基于判别平面或多面体的分类方法、基于统计原理的支撑向量机分类与回归等，并辅以实例描述。
教学目标：认识到分类是使用最广泛的数据挖掘方法，掌握几种经典分类技术，实现算法编程与具体应用。
学时分配：8学时
第5章聚类分析
讲授内容：讲述聚类基本概念，讲述聚类的主要方法，如聚类分析概述、划分方法、层次方法、基于密度的方法、基于网格的方法等，并辅以实例描述。
教学目标：熟悉各种聚类算法，掌握几种经典聚类算法的实现与应用。
学时分配：8学时
第6章离群点检测
讲授内容：讲述离群点和离群点分析的基本概念，离群点检测方法：统计学方法、基于邻近性的方法、基于聚类的方法、基于分类的方法，并辅以实例描述。
教学目标：掌握离群点的检测方法，并可以将其应用于实际。
学时分配：4学时
第7章数据挖掘的发展趋势和研究前沿
讲授内容：挖掘复杂的数据类型、数据挖掘的其他方法、数据挖掘应用、数据挖掘与社会、数据挖掘的发展趋势。
教学目标：数据挖掘的发展趋势，了解数据挖掘研究的前沿。
学时分配：2学时
四、教学方法及要求
课堂讲授和课堂讨论相结合，案例教学相结合。
教师课堂进行理论和方法的讲授，进行案例分析并启发学生，学生应能够根据应用背景选择相应方法，实现并分析。
五、考核办法
考核方式：考查。
成绩评定：考勤10%，课堂表现20%，案例实现20~30%，研究论文40~50%。
六、参考书籍及阅读文献资料
[1] Jiawei Han,Micheline Kamber. 数据挖掘概念与技术（原书第3版）. 北京：机械工业出版社，2012。
[2] 陈封能，斯坦巴赫，库玛尔. 数据挖掘导论.北京：机械工业出版社，2011。
[3] 威滕，弗兰克，霍尔. 数据挖掘：实用机器学习工具与技术（原书第3版）. 北京：机械工业出版社，2014。
[4] 坎塔尔季奇.数据挖掘：概念、模型、方法和算法(第2版). 北京：清华大学出版社，2014。
[5] Xindong Wu,Xingquan Zhu, Gong-Qing Wu,“Data mining with big data,” Knowledge and Data Engineering,Vol.26 , no. 1，pp.97 – 107,2014.
[6] Wei Fan,Mining big data: current status, and forecast to the future, ACM SIGKDD Explorations Newsletter archive,Vol.14,no.2, pp.1-5,2012.
[7] Ramón García-Martínez, Paola Britos, Dario Rodríguez, “Information Mining Processes Based on Intelligent Systems,”Recent Trends in Applied Artificial Intelligence, Vol.7906, pp.402-410,2013.
[8]Wu He, Examining students’ online interaction in a live video streaming environment using data mining and text mining, Computers in Human Behavior,Vo.29, no.1,pp.90–102, 2013.
开课单位：计算机科学与技术学院
编写人：王煜
审定人：王亮
编写日期：2015年6月3日。