5.1 回溯法算法框架 （ Backtracking Algorithm Paradigm ） 5.2 NP完全性问题简介 （ Introduction to NP-Complete） 5.3 旅行商问题 （ Travelling Salesman Problem） 5.4 0/1背包问题 （ 0/1 Backpack Problem） 5.5 装载问题 （ The Container Loading Problem） 5.6 n-皇后问题 （ The n-queens puzzle） 5.7 最大团问题 （ Maximum Clique Problem） 5.8 批处理作业调度问题 （ Batch Job Scheduling Problem） 5.9 图的m着色问题 （ The M-Coloring Problem） 5.10 回溯法的效率分析

4.1 活动安排问题 （ Activity-Selection Problem） 4.2 贪心算法的基本要素 4.4 单源最短路径 （Single Source Shortest Paths） 4.5 多机调度问题 （ MultiProcessor Scheduling）

 理解动态规划算法的概念  掌握动态规划算法的基本要素 最优子结构性质 重叠子问题性质  掌握动态规划算法的设计方法 找出最优解的性质，并刻划其结构特征 递归地定义最优值 以自底向上的方式计算出最优值 根据计算最优值时得到的信息，构造最优解  通过应用范例学习动态规划算法设计策略  矩阵连乘问题 (Matrix-Chain Multiplication)  最长公共子序列问题  最大子段和问题 Maximum Sub-Sequence Sum  凸多边形最优三角剖分问题 Optimal Triangulation of a Convex Polygon  图像压缩问题  0-1背包问题（0/1 Knapsack Problem） 最优二叉查找树 （Optimal Binary Search Tree）

 递归的概念和典型的递归问题  阶乘、Fibonacci数列、hanoi塔等问题  分治法的基本思想  分治法的典型例子  二分搜索、矩阵乘法、归并排序、快速排序  大整数的乘法、最接近点对问题

❑ 理解算法的概念。 ❑ 理解什么是程序，程序与算法的区别和内在联系。 ❑ 掌握算法的计算复杂性概念。 ❑ 掌握算法渐近复杂性的数学表述。 ❑ 掌握用C++语言描述算法的方法

 6.1 Basic Concepts  6.2 Decision Tree Induction  6.3 Bayes Classification Methods  6.4 Rule-Based Classification  6.5 Model Evaluation and Selection  6.6 Techniques to Improve Classification Accuracy

 4.1 The basic concept of association rules  4.2 Low-dimensional binary association rules  4.3 Multi-level association rules  4.4 Multidimensional association rules  4.5 The Affinity analysis based on the association mining

电子科技大学：《数据分析与数据挖掘 Data Analysis and Data Mining》课程教学资源（课件讲稿）Lecture 04 Association Rules of Data Reasoning（FP-growth Algorithm）

电子科技大学：《数据分析与数据挖掘 Data Analysis and Data Mining》课程教学资源（课件讲稿）Lecture 04 Association Rules of Data Reasoning（Apriori Algorithm、Improve of Apriori Algorithm）

 5.1 Introduction of clustering analysis  5.2 Similarity calculation  5.3 Overview of basic clustering techniques  5.4 Partitioning method  5.5 Hierarchical method  5.6 Clustering based on density and grid  5.7 Clustering based on models  5.8 Outlier analysis