助您高榜提名 一、 设计内容： 1. 选题范围 （1） A.基础选题：选择以现实中的各类数据为背景（如商业客户数据，商品数据等），运用SPSS Modeler等数据挖掘软件进行数据分析和模式挖掘。 （2） 扩展选题：选择以算法为主要研究对象，对数据挖掘相关算法（如关联规则、分类算法、聚 类算法等）进行程序设计并运用测试数据进行对比分析，同时对结果进行分析总结。 请在A或B范国内自行确定选题。 2. 要求 （1） 提出所要解决的问题，问题要符合实际： （2） 根据主题，分别形成多个子问题，并且子问题必须用绕整体主题展开，不能偏离主题； （3） 掌握数据挖掘工具的基本操作功能，并将理论课程的算法应用于数据分析。 3. 主要内容 选题A：可以运用并种数据挖掘工具软件（如Microsoft Business Intelligence Development Studio （BIDS））、SPSS Modeler. Weka等）进行具有背景资料的数拯主题分析为主，数据挖掘报 告主要内容应具有：确左挖掘主题和方法、数据选择和预处理、挖掘方法实现、挖掘数据、模式 可视化表达与解释流程几部分。 选题B：以某一方而（如关联规则、聚类、分类）算法对比进行分析为主，则注重对比算法的 选择，测试数据的选择和处理以及相应的程序实现软件行。在设汁中体现聚类分析、分类发现和 关联规则等数据挖掘算法的使用环境、算法特点，并能进行算法复杂性的分析。 二、 设计步骤、要点与关键分析： 1. 设计步骤： （1） 查找数据及背景资料，收集数据； （2） 熟悉相关算法及软件： （3） 根据选题确定研究主题或所要对比的算法； （4） 利用SPSS Modeler. Mat lab等软件进行数据挖掘或算法测试； （5） 进行结果分析，撰写出符合要求的综合实践报告。 2. 设计要点 选题A的主要设计要点： （1） 确定挖掘主题和方法：根据挖掘的主题和目标，确定合适的挖掘方法。 （2） 数据选择和预处理：根据所收集数据，填充缺失值，平滑噪声数拯，消除异常值，解决数据 不一致等问题。 （3） 挖掘方法实现：规划挖掘过程，界而设讣，挖掘方法实现。 （4） 挖掘数据：对预处理后的数据进行算法选择及挖掘。 （5） 模式的可视化表达与解释：根拯应用领域的信息和知识需求，以直观有效的形式，如图表等 显示数据挖掘出的模式，用特左领域的知识加以解释，使得用户能够理解和接受。 选题B的主要设计要点： （1） 需求和规格说明描述问题，简述题目要对比的算法，规定开发软件。 （2） 设计 1） 设计思想：程序结构（如类图），重要的数据结构。主要算法思想（文字描述为主，可以画框 图为辅） 2） 设计表示：各模块数据描述和算法描述，可以用表格形式表达。 3） 详细设计表示：主要算法的框架及实现此算法的成员函数接口。 （3） 用户手册：即使用说明（包括数据输入时的格式要求）。 （4） 调试：调试过程中遇到的主要问题是如何解决的。 （5） 运行结果：上而测试数据输入后程序运行的结果及算法对比结果。程序运行的时空效率分析: 测试数据集：运行实例：改进设想：经验和体会。 （6） 附录 1） 源程序淸单：打印文本和电子版文件，电子版文件是必须的。源程序要加注释。 2） 测试数据：即列岀测试数据集 注意事项：以上要求为一般的要求，针对具体问题和具体的开发过程，某些方面可以做适当的增减。 三、设计进度安排： 第1天：学习课程设计资料，依据个人兴趣决左设计题目，查阅相关专业词典、手册或其它工具 书，收集数据，确定预期研究主题。 第2-4天：撰写研究流程及方案，选择相关算法，操作数据软件收集数据，进行分析数据前的准 备工作。 第5天：处理数据，撰写分析过程，针对结果要求调整策略，并对结果进行对比分析。 第6-14天：按规范格式撰写并提交报告。 2019年12月12日提交课程设计文档（打印版）和设计过程文件（包括数拯文件、算法、模型 等与课程设计有关的文件），由学委收齐统一上交。 三、 课设分组 要求每班同学2-3人一组完成课程设讣，并以书面形式写岀具体分工。 四、 设计参考资料 [11麼开际.《数据仓库与数据挖掘》，北京：北京大学出版社，2008年11月 [2] Jiawei han.《数据挖掘：概念与技术》（第二版）机械工业岀版社2007年3月 [3] Gordon S. Linoff, Michael J. A. Berry.《数据挖掘技术：应用于市场营销、销售与客户关 系管理（第3版）》，北京：军事医学科学出版社，2013年3月 [4] 王国平，郭伟宸等.UBM SPSS Modeler数据与文本挖掘实战》，北京：淸华大学出版社,2014 年11月 [5] 张大斌，《数据挖掘与商务智能实验教程》，华中师范大学出版社，2015年1月 [6] 薛薇，《基于SPSS Modeler的数据挖掘》，中国人民大学出版社，2014年10月 [8] 李春葆等，《数据仓库与数据挖掘实践》，电子工业出版社2014 [9] 张兴会，《数据仓库与数据挖掘技术》,淸华大学岀版社,2014. [10] 张兴会，《数据仓库与数据挖掘工程实例》，淸华大学出版社,2014. [11] 袁梅宇，《数据挖掘与机器学习WEKA应用技术与实践》，淸华大学岀版社,2016.8 [12] 浙江大学，《概率论与数理统计》，淸华大学出版社2008 [13] 李航，《统计学习方法》，淸华大学出版社,2019. 本文来源：https://www.wddqw.com/doc/255ef32da78da0116c175f0e7cd184254a351b39.html