课程提纲
一、数据挖掘概论: [概念、原因、功能]
二、数据仓库基本理论 [概念、与操作数据库的区别、建立原因、数据模型、结构]
三、某银行BI系统结构与功能设计
四、挖掘关联规则 [概念、意义、Apriori算法]
五、其它关联规则挖掘方法 [多层关联规则挖掘、多维关联规则挖掘、关联规则相关分析]
六、基于模糊神经网络的数值预测算法 [趋势分析、FNN算法步骤及流程图、FNN拓扑图 ]
七、时序数据与序列数据的挖掘 [时序数据库、序列数据库、趋势分析方法等]
八、挖掘贯序模式（时序模式） [背景、目的、条件、Agrawal算法]
九、分类的概念与技术 [概念、步骤、数据准备、方法]
十、判定树分类 [组成、属性选择度量、信息增益、分类步骤及规则]
十一、贝叶斯分类 [贝叶斯定理、朴素贝叶斯分类、贝叶斯信念网络]
十二、BP神经网络分类 [BP网的作用、BP网络计算、BP网算法]
十三、聚类分析 [概念、聚类算法的要求、聚类中的数据类型]
十四、划分方法 [K－均值方法、变种法中符号的含义、K－中心点方法]
十五、层次方法 [层次方法的思想、簇间距离度量方法、最小距离方法]
十六、基于密度的方法 [基于密度的方法、密度聚类的思想及其改进]
十七、WEB挖掘 [基本问题、分类、搜索引擎原理、WEB内容与结构挖掘等]
十八、对银行BI系统的进一步讨论