《数据仓库与数据挖掘》课程教学大纲

1、数据仓库与数据挖掘一、课程概况所属专业:物联网工程开课单位：数学计算机科学学院课程类型:方向必选课课程代码:07495710开课学期:6学分：3学时：48核心课程:否拟使用教材：1 陈立伟著,数据仓库与数据挖掘教程，清华大学出版社，20062 林宇编著. 数据仓库原理与实践，人民邮电出版社，20033 彭木根著数据仓库技术与实现，电子工业出版社，2002.64 加韩家炜、加坎伯，范明等译，数据挖掘概念与技术，机械工业出版社，20055 张云涛、龚玲著，数据挖掘原理与技术，电子工业出版社，2003二、课程描述数据仓库与数据挖掘技术出现在20世纪80年代，90年代有了突飞猛进的发展，并可望在新的千

2、年继续繁荣。数据仓库与数据挖掘是一个多学科领域，从多个学科汲取营养。这些学科包括数据库技术、人工智能、机器学习、神经网络、统计学、模式识别、知识库系统、知识获取、信息检索、高性能计算和数据可视化。三、课程目标数据仓库与数据挖掘是信息管理与信息系统专业本科生的一门必修课程。本课程的目的主要是要求学生能对数据仓库与数据挖掘的基本方法和基本概念有整体的了解，掌握建立数据仓库的原理和方法，从理论上掌握数据仓库、OLAP联机的基本概念、原理、主要算法及应用系统解决方案，对数据挖掘的关联规则，分类方法，聚类方法有深入的了解，并能够在软件开发过程中熟练掌握这些方法加以应用.四、教学要求本课程理论知识与实践能

3、力并重，具有良好的应用背景。学生通过本课程的理论学习与实践，教学的基本要求分三个层次：了解：数据仓库与数据挖掘的产生、发展，数据挖掘的应用，操作型处理(事务型处理)和分析型处理，数据仓库的应用，熟悉应用领域与管理，数据挖掘动机、数据挖掘功能，数据挖掘系统的分类和数据挖掘实施控制，多层关联规则、多维关联规则的基本思想，利用神经网络算法进行数据挖掘的应用。理解：OLAP概念，以多维数据库为基础的OLAP服务，数据仓库的设计步骤，数据仓库的数据组织目的，学习组织方法和方式，认识决策数分类的基本思想，神经网络原理等掌握：数据库中的知识发现过程，数据仓库的基本原理，展现方式、OLAP的体系结构和分类，螺

4、旋式开发过程, 熟悉应用领域与管理，掌握数据仓库开发设计过程，数据仓库的开发方法等。五、考核方式及要求为实现课程教学目标，本门课程考核方式及要求为：出勤率占10%，点到不少于3次，其中缺席2次以上，按无成绩计算；课程大论文1次，成绩按20%折算后计入总成绩；课程作业5次，按批改成绩30%折算后计入总成绩；期末考试分卷面考试占总成绩的40%。六、课程内容第一单元：数据仓库与数据挖掘概述（授课时间：第六学期第一周）教学目标：掌握数据仓库基本概念，认识数据挖掘的关键技术，了解数据仓库与数据挖掘的主要应用。教学重点：数据挖掘应用实例及类型，数据挖掘的挑战，特点，关键技术。教学难点：数据挖掘的关键方法。

5、学时：课堂教学3学时，课外自主学习时间不少于2学时教学方法：讲授法、演示法主要内容：数据仓库的兴起；数据挖掘的兴起；数据仓库和数据挖掘的结合。学习方法：小组讨论课后作业：数据仓库与数据挖掘的关键方法。第二单元：数据仓库原理（授课时间：第六学期第二-三周）教学目标：掌握数据仓库结构体系和数据模型，熟悉数据抽取、转换和装载，了解元数据。教学重点：数据仓库的结构体系，数据抽取、转换和装载以及元数据的概念。教学难点：数据模型、数据抽取、转换和装载。学时：课堂教学6学时。教学方法：讲授法/演示法。主要内容：数据仓库结构体系；数据仓库的数据模型；数据抽取、转换和装载；元数据。学习方法：小组讨论。课后作业：

6、数据抽取、转换和装载。第三单元：联机分析处理（授课时间：第六学期第四-五周）教学目标：掌握OLAP的基本概念和数据模型，掌握多维数据的可视化显示，掌握OLAP中多维数据的分析方法，了解相关结构与分析工具。教学重点：OLAP的数据模型，OLAP的多维数据分析。教学难点：OLAP的数据模型，多维数据分析。教学方法：讲授法、演示法。学时：课堂教学6学时，课外自主学习时间不少于2学时。主要内容：OLAP概念；OLAP的数据模型；多维数据的显示；OLAP的多维数据分析；OLAP结构与分析工具。学习方法：小组讨论、实验操作课后作业：OLAP的数据模型，OLAP的多维数据分析。第四单元：数据仓库设计与开发（

7、授课时间：第六学期第六-八周）教学目标：掌握数据仓库分析与设计方法，常见的数据仓库开发模式。了解数据仓库技术与开发的困难。教学重点：数据仓库分析与设计，数据仓库的开发。教学难点：数据仓库分析与设计以及开发。学时：6学时教学方法：讲授法、演示法主要内容：数据仓库分析与设计；数据仓库开发；数据仓库技术与开发的困难。学习方法：小组讨论、实验操作课后作业：数据仓库分析与设计与开发。第五单元：数据仓库管理和应用（授课时间：第六学期第九-十一周）教学目标：掌握数据仓库的管理，掌握数据仓库的决策支持与决策支持系统，了解数据仓库应用实例。教学重点：数据仓库管理，决策支持与决策支持系统。教学难点：决策支持与决策

8、支持系统。学时：6学时。教学方法：讲授法/演示法。主要内容：数据仓库管理；数据仓库的决策支持与决策支持系统；数据仓库应用实例。学习方法：小组讨论/实验操作。课后作业：决策支持与决策支持系统。第六单元：数据挖掘原理（授课时间：第六学期第十一-十二周）教学目标：掌握知识发现过程，掌握数据挖掘方法和技术，了解数据挖掘的知识表示等。教学重点：知识发现，数据挖掘方法和技术，知识表示。教学难点：知识发现，知识表示，覆盖算法与协议。学时：6学时。教学方法：讲授法/演示法。主要内容：知识发现过程；数据挖掘方法和技术；数据挖掘的知识表示。学习方法：小组讨论/实验操作。课后作业：具体数据挖掘方法和技术。第七单元：

9、决策树（授课时间：第六学期第十三周）教学目标：掌握决策树方法，了解决策树概念，掌握ID3方法基本思想，ID3算法，C4.5方法。教学重点：决策树方法，ID3方法，C4.5方法。教学难点：决策树方法。学时：3学时教学方法：讲授法/演示法。主要内容：决策树方法；决策树概念；ID3方法基本思想，ID3算法；C4.5方法。学习方法：小组讨论、实验操作。课后作业：决策树方法，ID3方法，C4.5方法。第八单元：关联规则（授课时间：第六学期第十四周）教学目标：掌握关联规则的挖掘原理，学习Apriori算法的基本思想，基于FP一树的关联规则挖掘算法。教学重点：关联规则，Apriori算法，基于FP一树的关联规则挖掘算法。教学难点：Apriori算法，基于FP一树的关联规则挖掘算法。学时：3学时。教学方法：讲授法/演示法。主要内容：关联规则的挖掘原理；Apriori算法的基本思想，Apriori算法程序；基于FP一树的关联规则挖掘算法。学习方法：小组讨论/实验操作。课后作业：Apriori算法，基于FP一树的关联规则挖掘算法。第九单元：神经网络（授课时间：第六学期第十五-十六周）教学目标：了解神经网络概念及几