数据挖掘原理与算法教案 讲授：王志明 **************湖南农业大学理学院信息科学系 第一章 绪论 教学目的：掌握数据挖掘的概念，背景，基本理论，基本应用，发展趋势 教学重点难点：数据挖掘的概念，粗糙集方法 教学课时：2 教学过程： 一、概念 数据挖掘(Data mining)属一交叉学科，融合了数据库技术(Database)，人工智能(Artificial Intelligence)，机器学习(Machine Learning)，统计学(Statistics)，知识工程(Knowledge Engineering),面向对象方法(Object-Oriented Method)，信息检索(Information Retrieval)，高性能计算(High-Performance Computing)以及数据可视化（Data Visualization）等技术。 联机事物处理（On Line Transaction Processing，OLTP）是在网络环境下的事务处理工作，以快速的响应和频繁的数据修改为特征，使用户利用数据库能够快速地处理具体的业务。 知识：广义讲就是数据、信息的表现形式。人们常把概念、规则、模式、规律和约束等看成知识。 数据挖掘：又称数据库中的知识发现(Knowledge Discovery in Database, KDD),就是从大量数据中获取有效地、新颖的、潜在有用的、最终可理解的模式的非平凡过程。简单的说就是从大量数据中提取或挖掘知识。 数据仓库是面向主题的、集成的、稳定的，不同时间的数据集合，用于支持经营管理中决策制定过程。 二、数据挖掘产生与发展 1）查询、统计、报表等简单传统的数据处理无法获取知识。这样促使数据挖掘技术的发展。利用数据仓库存储数据。 2）数据挖掘技术产生的技术背景：（1）数据库、数据仓库、Internet等信息技术的发展；(2)计算机性能的提升；(3)统计学和人工智能等数据分析方法的应用。 3）数据挖掘技术发展应用以及重点需要的研究的方面： （1）商业中的应用 （2）与特定数据存储类型的适应问题 （3）大型数据的选择与规格化问题 （4）数据挖掘系统的构架与交互式挖掘技术 （5）数据挖掘语言与系统的可视化问题 （6）数据挖掘理论与算法研究 三、数据挖掘的分类 见书 P11 四、广义知识挖掘 1、概念描述，包括特征性描述和区别性描述 2、多维数据分析，如求和，计数，平均，最大值等 3、多层次概念描述 （1）模式分层；（2）集合分组分层；（3）操作导出层；（4）基于规则分层 五、类知识挖掘 1、分类：决策树、贝叶斯分类、神经网络、遗传算法与进化理论、类比学习、粗糙集、模糊集等 2、聚类：基于划分的聚类算法、...
