1、厦门理工学院2017 年专业学位硕士研究生复试考试专业课课程考试大纲一、 考试科目名称: 数据仓库与数据挖掘二、 招生专业（领域）：电气工程 考查形式：考试要求：要求考生能比较全面的理解与掌握计算机数据库仓库的背景、基本概念和相关技术；熟练数据挖掘的基本概念和经典算法。具有一定的独立进行数据操纵及软件设计的水平。考试内容比例：问答题（100%）基本内容及范围：1、数据挖掘概述什么是数据挖掘？数据挖掘的目的、功能，知识发现过程；数据挖掘的多维视图：需要挖掘的数据，挖掘出的知识；数据挖掘的相关学科；数据挖掘的相关应用；2、数据类型和描述实例与特征的关系；特征数据的类型(标称变量、分类变量、序数变量
2、、区间变量、比例变量，二值变量，对称变量)；数据的基本统计描述，评估中心趋势的指标，数据分散度评估指标，数据的五数概括法，基本统计描述图形（盒图、直方图、分位数图、Q-Q 图） ；数据可视化方法的分类；数据相似性和相异性评估指标3、数据预处理数据质量的评价方法，数据预处理的主要任务，数据清洗的原因、过程和常见方法，数据集成的方法和常见问题，相关分析的常见算法（卡方检验、相关系数、协方差） ，数据规约策略及常见方法（主成分分析、属性子集选择、回归模型、log-linear 模型、抽样、数据立方体聚集） ，数据归一化和离散化的常见方法4、数据仓库和联机分析处理数据仓库的定义和特征，OLAP 与 O
3、LTP 的区别和联系，数据仓库的多层体系结构；ETL 操作的含义，数据立方体含义，数据仓库数据模型的类型：星型、雪花型、事实星座型；OLAP 服务器的类型，典型的 OLAP 操作，数据立方体的高效实现方案5、关联规则挖掘关联规则挖掘的目的、应用场景及缺点；支持度和置信度的定义和计算；Apriori性质；Apriori 算法的过程及改进；FPGrowth 算法的过程及 FP-tree 的构建方法；关联规则的评价方法和度量，零不变的模式评估指标；6、分类有监督学习与无监督学习的区别和联系，分类与数值预测的区别，分类的步骤，信息熵的含义及计算公式；ID3 算法的过程；增益率的计算；C4.5 算法与
4、ID3 算法的关系；CART 算法与 ID3 算法的不同点；GINI 指数的含义及计算公式；CART 算法的步骤；前剪枝与后剪枝；子树置换与子树提升的含义；贝叶斯定理和基于贝叶斯定理的推测方法，朴素贝叶斯分类器的用法及问题，避免零概率问题的常见方法；常见的基于规则的分类方法，顺序覆盖方法的过程及与决策树相比的优缺点，数据的保持方法（留一法、轮转法、自助法） ，代价敏感的学习的含义；混淆矩阵的含义；准确率、灵敏性、特效性、查全率、查准率、F-measure、Kappa 系数、反馈率和精确率的定义；常见的模式评估指标；零不变的模式评估指标；ROC 曲线的含义及绘制；最小描述长度（MDL）的含义；模
5、型组合（Bagging、Boosting、Ensemble 方法的区别与联系）7、高级分类算法后向传播分类算法过程和应用，神经网络的优缺点，支持向量机的原理和优缺点，支持向量机与神经网络的比较，常见的懒学习器，9、聚类分析聚类分析的含义及应用范围；传统聚类方法的基本类型（划分算法、层次算法） ；聚类算法的期望特征；层次聚类的优缺点；离群值的定义和基本的检测方法；K-均值（k-means）聚类的含义、目标函数及步骤；k-均值聚类的优点和缺点；k-中心点算法的含义及步骤；现代聚类方法的类型（层次方法、划分方法、基于密度的方法、基于网格的方法、基于模型的方法） ；常见的层次方法（BIRCH、CURE 和ROCK） ；常见的划分方法（k-均值、PAM、CLARA、CLARANS 和 k-众数） ；常见的基于密度方法（DENCLUE、DBSCAN、OPTICS） ；常见的基于网格的方法（STING、小波聚类） ；常见的基于模型的方法（COBWEB、CLASSIT、AutoClass、竞争学习和自组织映射）参考教材：1、数据挖掘概念与技术（第 3 版）机械工业出版社 韩家炜等著 2、数据挖掘：实用机器学习工具与技术（第 3 版） 机械工业出版社 Ian H.Witten 等著3、数据挖掘基础教程 机械工业出版社 K. P. Soman 等著
