数据仓库与数据挖掘-北京邮电大学计算机学院（国家示范性软件学院）

课程信息

当前位置：网站首页 > 师资建设 > 教师一览 > 计算机应用技术中心

数据仓库与数据挖掘

课程编号	512.5*073
课程名称	数据仓库与数据挖掘
任课老师	潘维民
课程类型	必修/学位课
课程阶段	硕士
学时学分	36学时2学分
基本要求	通过本课程学习，要求学生掌握数据仓库体系结构设计、数据仓库模型设计、数据仓库中的应用设计等。同时掌握数据挖掘过程，并对数据挖掘算法有一定的了解。能够灵活运用本课所学知识，设计数据仓库系统并用数据挖掘算法解决具体的问题。
内容提要	第一章引言本章叙述了智能信息处理技术的发展历史、与计算机科学各个学科之间的关系、智能信息处理技术的主要组成部分以及他们的功能和应用领域介绍等。第二章数据仓库本章从三个方面阐述数据仓库：数据仓库概述：阐述数据仓库的组成部分。（2学时）数据仓库的逻辑设计：阐明数据仓库的逻辑设计结构。针对数据仓库的建设过程和数据仓库的扩展性介绍数据仓库的逻辑设计标准和方法。（4学时）数据仓库的屋里设计：阐述在设计数据仓库系统是应该注意的屋里结构问题。（1学时）多维分析系统介绍：阐述多维分析系统的构造特点和方法。（2学时）元数据结构：阐述数据仓库管理和元数据的表现形式。（以及OMG的CWM标准）第三章数据挖掘技术本章主要阐述数据挖掘技术的算法和功能：聚类分析算法：K－MEANS算法、CHAID算法、反馈神经网络等。（4学时）决策树算法：介绍C4.5算法的理论和方法。（4学时）关联分析算法：介绍APROIRI算法以及算法的改进。（2学时） Bayesian net学习算法：介绍Bayesian net的基本方法和理论。（4学时）第四章智能信息处理技术的未来本章主要介绍国际上最新发展，或者可能成为未来技术热点的话题。知识管理和数据仓库技术：介绍知识管理技术的主要内容，探讨知识管理和数据仓库技术结合的可能性和存在的主要技术难点。 MIT动态决策框架，以及其与数据挖掘技术的结合。 WEB farming、知识管理以及数据仓库的作用第五章应用技术介绍本章主要介绍以上技术在企业和电子商务等领域的应用。商品推荐系统：介绍怎样利用数据仓库和数据挖掘技术，满足电子商务企业的需求，提高企业的竞争力。 CRM技术：介绍怎样将以上的技术用于企业级的CRM系统建设（以移动通信企业为例）
教学方式
指定教材
参考书目	1. 1. Data Warehouse Lifecycle Tools, Raph Kimball, 1998 2. 2. Building Data Warehouse, W. H. Inmon, 1998 3. Introduction to OWM
先修课程	《数据结构》、《程序设计》、《高等数学》、《数据库原理》
开课学期	秋

版权所有 © 北京邮电大学计算机学院

地址:北京市海淀区西土城路10号北京邮电大学教三10层邮编:100876

【师德师风监督举报途径】电话：010-62282980，邮箱：buptcs@bupt.edu.cn

北邮计语公众号

计算机学院