《数据挖掘》教学大纲(2)

要求学生对复杂类型数据的挖掘方法有一个概括的认识，理解并掌握时间序列数据挖掘模型的构建方法及应用。 二、授课方法

自学。 三、学习内容

（一）复杂数据对象的多维分析和描述性挖掘

1、结构化数据的概化

2、空间和多媒体数据概化中的聚集和近似计算 3、对象标识符和类 4、类复合层次的概化 5、对象立方体的构造与挖掘

6、用分而治之方法对规则数据库进行基于概化的挖掘 （二）空间数据库挖掘

1、空间数据立方体构造和空间OLAP 2、空间关联分析 3、空间聚类方法

4、空间分类和空间趋势分析 5、光栅数据库挖掘

（三）时序数据和序列数据的挖掘

1、趋势分析

2、时序分析中的相似搜索 3、序列模式挖掘 4、周期分析 四、重点难点

时间序列数据挖掘模型的构建方法及应用 五、思考与讨论

1、什么是复杂类型数据？

2、复杂类型数据的数据挖掘模型主要有哪些？ 3、时间序列数据挖掘模型的构建方法及软件实现。

第五章 数据挖掘的应用和发展趋势

一、基本要求

要求学生了解数据挖掘的应用和发展趋势。 二、授课方法

自学。 三、学习内容 （一）数据挖掘的应用

1、针对生物医学和DNA数据分析的数据挖掘 2、针对金融数据分析的数据挖掘 3、零售业中的数据挖掘 4、电信业中的数据挖掘 （二）数据挖掘的发展趋势 四、重点难点

数据挖掘的应用范围和发展趋势。 五、思考与讨论

1、数据挖掘的主要应用领域。 2、数据挖掘的发展趋势。