教学方法与手段：采用多媒体计算机辅助教学手段，提高课堂信息量，通过大量例题和 习题的讲解帮助学生理解基本概念、掌握算法，对于“难点”部分为学生提供进一步的 课件、参考书籍、网络资源等作为自主学习工具。 第1节数据仓库的概念、特点与组成 一、数据仓库的特点 二、数据仓库的组成 第2节数据仓库的技术、方法与产品 一、OLAP技术 二、 数据仓库实施的关键环节和技术 三、数据仓库实施方法论 四、常用的数据仓库产品 第3节数据仓库系统的体系结构 一、独立的数据仓库体系结构 二、基于独立数据集市的数据仓库体系结构 三、基于依赖型数据集市和操作型数据存储的数据仓库体系结构 四、基于逻辑型数据集市和实时数据仓库的体系结构 第4节数据仓库系统的设计与开发概述 一、建立数据仓库系统的步骤 二、数据仓库系统的生命周期 三、建立数据仓库系统的思维模式 四、数据仓库数据库的设计步骤 第5节数据仓库的产生、发展与未来 一、数据仓库的产生 二、数据仓库的发展 三、数据仓库的未来 第二章数据仓库的数据存储与处理 重点：数据仓库的数据特征，数据仓库的数据ETL过程，多维数据模型 难点：多维数据模型 教学方法与手段：采用多媒体计算机辅助教学手段，提高课堂信息量，通过大量例题和 习题的讲解帮助学生理解基本概念、掌握算法，对于“难点”部分为学生提供进一步的 课件、参考书籍、网络资源等作为自主学习工具。 第1节数据仓库的数据结构 第2节数据仓库的数据特征 一、 状态数据与事件数据 二、当前数据与周期数据 三、元数据 第3节数据仓库的数据ETL过程 一、ETL的目标 二、ETL过程描述 三、数据抽取 四、数据清洗 五、数据转换 六、数据加载和索引 19
19 第 1 节 数据仓库的概念、特点与组成 一、数据仓库的特点 二、数据仓库的组成 第 2 节 数据仓库的技术、方法与产品 一、OLAP 技术 二、数据仓库实施的关键环节和技术 三、数据仓库实施方法论 四、常用的数据仓库产品 第 3 节 数据仓库系统的体系结构 一、独立的数据仓库体系结构 二、基于独立数据集市的数据仓库体系结构 三、基于依赖型数据集市和操作型数据存储的数据仓库体系结构 四、基于逻辑型数据集市和实时数据仓库的体系结构 第 4 节 数据仓库系统的设计与开发概述 一、建立数据仓库系统的步骤 二、数据仓库系统的生命周期 三、建立数据仓库系统的思维模式 四、数据仓库数据库的设计步骤 第 5 节 数据仓库的产生、发展与未来 一、数据仓库的产生 二、数据仓库的发展 三、数据仓库的未来 第二章 数据仓库的数据存储与处理 第 1 节 数据仓库的数据结构 第 2 节 数据仓库的数据特征 一、状态数据与事件数据 二、当前数据与周期数据 三、元数据 第 3 节 数据仓库的数据 ETL 过程 一、ETL 的目标 二、ETL 过程描述 三、数据抽取 四、数据清洗 五、数据转换 六、数据加载和索引 教学方法与手段：采用多媒体计算机辅助教学手段，提高课堂信息量，通过大量例题和 习题的讲解帮助学生理解基本概念、掌握算法，对于“难点”部分为学生提供进一步的 课件、参考书籍、网络资源等作为自主学习工具。 重点：数据仓库的数据特征，数据仓库的数据 ETL 过程，多维数据模型 难点：多维数据模型 教学方法与手段：采用多媒体计算机辅助教学手段，提高课堂信息量，通过大量例题和 习题的讲解帮助学生理解基本概念、掌握算法，对于“难点”部分为学生提供进一步的 课件、参考书籍、网络资源等作为自主学习工具
第4节多维数据模型 一、 多维数据模型及其相关概念 二、多维数据模型的实现 三、多维建模技术 四、星型模式举例 第三章关联规则 重点：关联规则的概念，支持度和可信度计算，Apriori算法和FP-growth算法 难点：FP-growth算法 教学方法与手段：采用多媒体计算机辅助教学手段，提高课堂信息量，通过大量例题和 习题的讲解帮助学生理解基本概念、掌握算法，对于“难点”部分为学生提供进一步的 课件、参考书籍、网络资源等作为自主学习工具。 第1节关联规则的概念和分类 一、 关联规则的概念 二、关联规则的分类 第2节Apriori算法 一、产生频繁项集 二、产生频繁项集的实例 三、从频繁项集产生关联规则 第3节FP-growth算法 一、FP-growth算法计算过程 二、FP-growth算法示例 第4节相关研究与应用 第四章数据分类 重点：决策树算法ID3,决策树算法C4.5,k-近邻分类法 难点：决策树算法C4.5 教学方法与手段：采用多媒体计算机辅助教学手段，提高课堂信息量，通过大量例题和 习题的讲解帮助学生理解基本概念、掌握算法，对于“难点”部分为学生提供进一步的 课件、参考书籍、网络资源等作为自主学习工具。 第1节分类问题概述 一、分类的过程 二、分类的评价准则 第2节决策树 一、决策树的基本概念 二、决策树算法D3 三、D3算法应用举例 四、决策树算法C4.5 五、决策树剪枝 第3节近邻分类方法 一、最近邻分类方法 二、k-近邻分类方法 三、 近邻分类方法应用举例 20
20 第 4 节 多维数据模型 一、多维数据模型及其相关概念 二、多维数据模型的实现 三、多维建模技术 四、星型模式举例 第三章 关联规则 第 1 节 关联规则的概念和分类 一、关联规则的概念 二、关联规则的分类 第 2 节 Apriori 算法 一、产生频繁项集 二、产生频繁项集的实例 三、从频繁项集产生关联规则 第 3 节 FP-growth 算法 一、FP-growth 算法计算过程 二、FP-growth 算法示例 第 4 节 相关研究与应用 第四章 数据分类 第 1 节 分类问题概述 一、分类的过程 二、分类的评价准则 第 2 节 决策树 一、决策树的基本概念 二、决策树算法 ID3 三、ID3 算法应用举例 四、决策树算法 C4.5 五、决策树剪枝 第 3 节 近邻分类方法 一、最近邻分类方法 二、k-近邻分类方法 三、近邻分类方法应用举例 重点：关联规则的概念，支持度和可信度计算，Apriori 算法和 FP-growth 算法 难点：FP-growth 算法 教学方法与手段：采用多媒体计算机辅助教学手段，提高课堂信息量，通过大量例题和 习题的讲解帮助学生理解基本概念、掌握算法，对于“难点”部分为学生提供进一步的 课件、参考书籍、网络资源等作为自主学习工具。 重点：决策树算法 ID3，决策树算法 C4.5，k-近邻分类法 难点：决策树算法 C4.5 教学方法与手段：采用多媒体计算机辅助教学手段，提高课堂信息量，通过大量例题和 习题的讲解帮助学生理解基本概念、掌握算法，对于“难点”部分为学生提供进一步的 课件、参考书籍、网络资源等作为自主学习工具
第五章数据聚类 重点：聚类分析中相似度的计算方法，k-meas聚类算法，凝聚型层次聚类方法 难点：凝聚型层次聚类方法 教学方法与手段：采用多媒体计算机辅助教学手段，提高课堂信息量，通过大量例题和 习题的讲解帮助学生理解基本概念、掌握算法，对于“难点”部分为学生提供进一步的 课件、参考书籍、网络资源等作为自主学习工具。 第1节聚类分析概述 第2节聚类分析中相似度的计算方法 一、连续型属性的相似度计算方法 二、二值离散型属性的相似度计算方法 三、多值离散型属性的相似度计算方法 四、混合类型属性的相似度计算方法 第3节k-means聚类算法 第4节层次聚类方法 一、层次聚类方法的基本概念 二、层次聚类方法应用举例 第六章文本和Web挖掘 重点：信息检索模型、文档间相似性计算 难点：文档相似性计算 教学方法与手段：采用多媒体计算机辅助教学手段，提高课堂信息量，通过大量例题和 习题的讲解帮助学生理解基本概念、掌握算法，对于“难点”部分为学生提供进一步的 课件、参考书籍、网络资源等作为自主学习工具。 第1节文本和Web挖掘概述 第2节文本挖掘 一、文本信息检索概述 二、基于关键字的关联分析 三、文档自动聚类 第3节Web挖掘 一、Web内容挖掘 二、Web结构挖掘 三、Web使用挖掘 六、学时分配 作业 教学内容 各教学环节学时分配 备注 题量 章节 主要内容 讲授 实 实 课 讨 习 小计 验 训 外 论 题 第一章 数据仓库的概念与体系结构 6 6 第二章 数据仓库的数据存储与处理 4 4 第三章 关联规则 6 6 第四章 数据分类 6 6 第五章 数据聚类 5 第六章文本和Web挖掘 5 5 合计 32 32 21
21 第五章 数据聚类 第 1 节 聚类分析概述 第 2 节 聚类分析中相似度的计算方法 一、连续型属性的相似度计算方法 二、二值离散型属性的相似度计算方法 三、多值离散型属性的相似度计算方法 四、混合类型属性的相似度计算方法 第 3 节 k-means 聚类算法 第 4 节 层次聚类方法 一、层次聚类方法的基本概念 二、层次聚类方法应用举例 第六章 文本和 Web 挖掘 第 1 节 文本和 Web 挖掘概述 第 2 节 文本挖掘 一、文本信息检索概述 二、基于关键字的关联分析 三、文档自动聚类 第 3 节 Web 挖掘 一、Web 内容挖掘 二、Web 结构挖掘 三、Web 使用挖掘 重点：聚类分析中相似度的计算方法，k-means 聚类算法，凝聚型层次聚类方法 难点：凝聚型层次聚类方法 教学方法与手段：采用多媒体计算机辅助教学手段，提高课堂信息量，通过大量例题和 习题的讲解帮助学生理解基本概念、掌握算法，对于“难点”部分为学生提供进一步的 课件、参考书籍、网络资源等作为自主学习工具。 重点：信息检索模型、文档间相似性计算 难点：文档相似性计算 教学方法与手段：采用多媒体计算机辅助教学手段，提高课堂信息量，通过大量例题和 习题的讲解帮助学生理解基本概念、掌握算法，对于“难点”部分为学生提供进一步的 课件、参考书籍、网络资源等作为自主学习工具。 六、学时分配 教学内容 各教学环节学时分配 作业 题量 备注 章节 主要内容 讲授 实 验 实 训 课 外 讨 论 习 题 小计 第一章 数据仓库的概念与体系结构 6 6 第二章 数据仓库的数据存储与处理 4 4 第三章 关联规则 6 6 第四章 数据分类 6 6 第五章 数据聚类 5 5 第六章 文本和 Web 挖掘 5 5 合计 32 32
七、课程教材及主要参考资料 （一)教材： [1]陈志泊.数据仓库与数据挖掘.北京：清华大学出版社，2009.5. (二)教学参考资料： [1]K.P.Soman.范明牛常勇译.数据挖掘基础教程.北京：机械工业出版社， 2009.1. [2]周丽珍.数据仓库与数据挖掘原理及应用（第2版）.北京：科学出版社， 2009.9. [3]张兴会.数据仓库与数据挖掘技术.北京：清华大学出版社，2011.6. [4]周根贵.数据仓库与数据挖掘（第2版）.杭州：浙江大学出版社，2010.3. 八、其他说明 本课程以理论教学为主，没有实验内容。课外作业不少于三次，要求学生以书面形 式完成作业。 22
22 七、课程教材及主要参考资料 (一)教材： [1]陈志泊．数据仓库与数据挖掘．北京：清华大学出版社，2009．5． （二）教学参考资料： [1]K.P.Soman．范明 牛常勇译．数据挖掘基础教程．北京：机械工业出版社， 2009．1． [2]周丽珍．数据仓库与数据挖掘原理及应用（第 2 版）．北京：科学出版社， 2009．9． [3]张兴会．数据仓库与数据挖掘技术．北京：清华大学出版社，2011．6． [4]周根贵．数据仓库与数据挖掘（第 2 版）．杭州：浙江大学出版社，2010．3． 八、其他说明 本课程以理论教学为主，没有实验内容。课外作业不少于三次，要求学生以书面形 式完成作业
《数据库系统原理》课程教学大纲 Principles of Database System 执笔者：朱扬清 审核人：王东 编写日期：2017年9月 一、 课程基本信息 适用专业 物联网工程 开课单位 电子信息工程学院 课程类型 专业基础课 课程性质 必修课 是否为双语 否 学分数 3.5学分 学时数 总学时56学时，其中：实验（实训）12学时：课外0学时 先修课程 离散数学、高级语言程序设计等 后续课程 《数据仓库与数据挖掘》等 二、课程简述(300字左右) 数据库系统原理是物联网工程专业重要的专业基础必修课。 本课程的教学目的是：通过本课程的学习，使学生掌握数据库的基本概念、数据库设 计理论及设计方法，并能使用理论解决实际问题，了解数据库发展新技术，运用数据库技 术解决本专业和相关领域实际问题的能力。 本课程主要讲解数据模型、数据库系统结构、关系数据库、$QL语言、数据库安全性、 数据库完整性、关系数据理论、数据库设计、数据库编程、数据库恢复、并发控制等内容。 本课程教学以混合学习、建构主义等教育理论作为指导，以学生为中心、教师为主导， 利用互联网技术和传统教学构建混合教学模式，培养学生分析问题和解决问题的综合能力。 同时，引导学生爱国敬业，利用所学知识和能力为国家和个人创造美好未来。 三、本课程所支撑的毕业要求 本课程支撑的毕业要求如下： 序号 毕业要求 课程内容对应的毕业要求指标点 指标点1-2：掌握从事物联网工程所 毕业要求1一工程知识：能够将数学、自 需的电工电子、计算机、自动化和通 然科学、工程基础和专业知识用于解决 信学科等专业基础知识，能用于物联 复杂工程问题。 网工程问题的建模、推理和计算。 23
23 《数据库系统原理》课程教学大纲 Principles of Database System 执 笔 者：朱扬清 审 核 人：王东 编写日期：2017 年 9 月 一、课程基本信息 适用专业 物联网工程 开课单位 电子信息工程学院 课程类型 专业基础课 课程性质 必修课 是否为双语 否 学分数 3.5 学分 学时数 总学时 56 学时，其中：实验（实训）12 学时；课外 0 学时 先修课程 离散数学、高级语言程序设计等 后续课程 《数据仓库与数据挖掘》等 二、课程简述（300 字左右） 数据库系统原理是物联网工程专业重要的专业基础必修课。 本课程的教学目的是：通过本课程的学习，使学生掌握数据库的基本概念、数据库设 计理论及设计方法，并能使用理论解决实际问题，了解数据库发展新技术，运用数据库技 术解决本专业和相关领域实际问题的能力。 本课程主要讲解数据模型、数据库系统结构、关系数据库、SQL 语言、数据库安全性、 数据库完整性、关系数据理论、数据库设计、数据库编程、数据库恢复、并发控制等内容。 本课程教学以混合学习、建构主义等教育理论作为指导，以学生为中心、教师为主导， 利用互联网技术和传统教学构建混合教学模式，培养学生分析问题和解决问题的综合能力。 同时，引导学生爱国敬业，利用所学知识和能力为国家和个人创造美好未来。 三、本课程所支撑的毕业要求 本课程支撑的毕业要求如下： 序号 毕业要求 课程内容对应的毕业要求指标点 1 毕业要求 1━工程知识：能够将数学、自 然科学、工程基础和专业知识用于解决 复杂工程问题。 指标点 1-2：掌握从事物联网工程所 需的电工电子、计算机、自动化和通 信学科等专业基础知识，能用于物联 网工程问题的建模、推理和计算