讲授课程

西安交通大学本科生课程简介

课程编码:AUTO*****

课程名称:(中)数据挖掘与知识发现

课程名称:(英)Data Mining and Knowledge Discovery

学分数:

上课时间:秋下

课内总学时数:36

上机(实验)学时数:4

 

 

课程内容简介200字以内,含实验内容)

        数据挖掘与知识发现是一个涉及多学科的研究领域。数据库技术、统计学、机器学习、模式识别、

高性能计算等均与数据挖掘相关。主要研究数据挖掘和知识发现领域的基本原理和研究方法。讲授的

主要内容包括: KDD与数据挖掘的概念、对象、过程、方法和相关领域的应用、数据预处理与数据泛

化、数据仓库技术、关联规则挖掘技术、数据流、时间序列、序列模式挖掘技术、数据挖掘在金融与工

业等方面的应用以及发展趋势。所讲授内容侧重于工业的设备级故障诊断支撑技术、车间的生产与物流

规划决策支持、到企业的长期策略决策支持技术。实验包括关联规则算法、时间序列数据相似性匹配的

程序实现和频繁序列模式挖掘算法的程序实现。

 

 

 

先修课(最低要求):

程序设计语言 数据结构

课程水平(适合年级)三年级及三年级以上

 

 

 

    参考书目:

      [1] Jiawei Han, Micheline Kamber 著,范明 孟小峰等译 ,《数据挖掘概念与技术》,机械工业出版社,

2001

[2] Jiawei Han, Micheline Kamber 著,范明 孟小峰等译 ,《数据挖掘概念与技术》第二版,机械工业

出版社,2006

[3] David Hand  Heikki Mannila  Padhraic Smyth著,张银奎 廖丽 宋俊等译,《数据挖掘原理》,机械工业

出版社,2003

 

AUTO542105-数据挖掘与知识发现

 
 
Data mining and knowledge discovery
上课时间地点:
 
1-8周 星期二 5-6节 中3-3310,1-8周 星期四 1-2节 中3-3310
上课班级:自动化61,自动化62,自动化63,自动化64,自动化65,自动化66
上课教师:田锋

 

选课人数:80
======================================================================================================================
======================================================================================================================

 

     研究生课程(数据挖掘)课程编号053175,也是在这时间上课

2017-2018学年,秋季学期上课时间和地点安排

地点:中2-1242

时间:1-8周 星期一3-4节,星期4  7-8节   

 

2013-2014学年,秋季学期上课时间和地点安排

地点:中3-3315;

时间:第1-8周星期二(3-4节);星期五(1-2)

          

考试时间:2013年11月17日,晚上19:00-21:30;

考试地点:主D205。

 

 

===========================================================================

西安交通大学云计算菁英班课程(本硕)

===========================================================================

“大数据分析与知识发现”课程教学大纲

英文名称Big Data analytic and knowledge discovery

课程编号AUTO441405

学时32 (理论学时:32 实验学时:0 上机学时:0 课外学时:0 (课外学时不计入总学时))          

学分2

适用对象人工智能及自动化专业本科生

先修课程程序设计语言、数据结构、线性代数、概率论

使用教材及参考书

[1] 王宏志编著,《大数据分析原理与实践》,北京:机械工业出版社,2017

[2] Jiawei Han, Micheline Kamber 著,范明 孟小峰等译 ,《数据挖掘概念与技术》第二版,北京:

机械工业出版社,2006.

[3] 简祯富、许嘉裕著,《大数据分析与数据挖掘》,清华大学出版社,2016

[4]林子雨编著,《大数据技术原理与应用》(2),人民邮电出版社,2017

[5]Anand Rajaraman, Jeffrey David Ullman著,王斌译,《大数据:互联网大规模数据挖掘与分布

式处理》,北京:人民邮电出版社,2012

 

2018-2019学年,秋季
9-16周 星期日 5-8节 中2-2250

任课教师:田锋,王平辉,吕娜,朱海萍,李辰,魏笔凡

=============================================================================

2019-2020学年,秋季

AUTO441405-大数据分析与知识发现

 
 
Big data analysis and knowledge discovery
上课时间地点:
 
9-16周 星期日 5-8节 中3-3318
上课班级:
上课教师:田锋,朱海萍,吕娜,王平辉,李辰、魏笔凡

 

选课人数:36

============================================================================

============================================================================

西安交通大学研究生课程简介

课程编码:52110

课程名称:(中)复杂网络与社会网络分析

课程名称:(英) Complex networks and social network analysis

学分数:2

上课时间:秋下

课内总学时数:36

上机(实验)学时数:4

 

课程内容简介:

        从互联网到万维网、从大型电力网络到全球交通网络、从生物体中的大脑到各种新陈代谢网络、

从科研合作网络到各种经济、政治、社会关系网络等,人们已经生活在一个充满着各种各样的复杂

网络的世界中。复杂网络的定量与定性分析已经成为网络时代科学研究中极具挑战性的课题。本课

程注重从网络建模、分析和控制的角度来介绍复杂网络的分析手段。

        本课程首先介绍复杂网络的研究简史;其次,从网络分析的角度介绍复杂网络基本模型,包括

随机图、小世界网络、无标度网络等;再介绍复杂网络的传播和动力学分析,以及复杂网络上的同

步与控制方法;然后,以社会网络为分析对象,介绍已有的社会网络分析方法(SNA)及其成果,

与此同时,介绍UcinetNetDrawPajek等软件工具。

先修课:

 离散数学、数据结构、概率论

参考书目:

[1]  汪小帆,李翔,陈关荣,复杂网络理论及其应用,清华大学出版社,2006

[2]  郭雷,许晓鸣,Complex Networks,上海科技教育出版社,2006

[3] 郭世泽,陆哲明,复杂网络基础理论,科学出版社,2012

[4] 斯坦利.沃瑟曼,凯瑟琳。福斯特,社会网络分析:方法与应用,中国人民大学出版社

[5]   景天魁主编,林聚任著,社会网络分析:理论、方法与应用

 

2019-2020学年,秋季学期上课时间和地点安排

  • 课程:复杂网络与社会网络分析
  • 班级:1班
  • 主讲教师:田锋
  • 教室:创新港校区-4-6208
  • 周次:第10-17周 (连续周)
  • 选课人数:37

 

2018-2019学年,秋季学期上课时间和地点安排

 

复杂网络与社会网络分析

计算机与自动化硕士

10-17

周一(56节);周三(56节)

科学馆406

 

 

2015-2016学年,秋季学期上课时间和地点安排

 

复杂网络与社会网络分析

计算机与自动化硕士

10-17

周二(1112节);周三(910节)

科学馆406

 请大家注意时间的调整和房间。

 

2015-2016学年,秋季学期上课时间和地点安排

 

复杂网络与社会网络分析

计算机与自动化硕士

9-16

周二(1112节);周三(1112节)

科学馆406

 

 

 

2014-2015学年,春季学期上课时间和地点安排

 

复杂网络与社会网络分析

计算机与自动化硕士

9-16

周二(78节);周四(56节)

科学馆406

 

 

2013-2014学年,秋季学期上课时间和地点安排

地点:科学馆406

时间:第11-18周星期一早上12节;星期三晚上910

 

考试时间待定。

考试内容:提交复杂网络Project

 

参考2012年复杂网络Project

1、Sensible Organizations: Technology and Methodology for Automatically Measuring Organizational Behavior(论文分析比较与实现类型)

2、Random walks on different kinds of networks (scale-free, random graphs, small-worlds), and connection to PDEs(做出书中的例子,包括程序及分析)

3 Coordination of groups of mobile autonomous agents using nearest neighbor rules (论文分析比较与实现类型)

4 Network Motifs: Simple Building Blocks of Complex Networks(论文分析比较与实现类型)

5 Dataset analysis: Obtain and analyze a network dataset (e.g., by downloading a dataset online, or by crawling an online service). You may perform conceptually

or theoretically new experiments with existing datasets.

1 http://www.genome.jp/kegg/pathway.html

2 Reality community

6 Network formation: Choose a specific applied domain, and discuss how networks form in that domain. For example, you might discuss the formation and

dissolution of contracts among Internet service providers; the formation of links in social networks; or the evolution and dissolution of political alliances.

7 Theory development: Propose a new theoretical direction and specify a research agenda. You might develop a new method to analyze networks (e.g., dynamic

characteristics of biological networks).

8 Characterization of epidemics: Study several specific examples of epidemic phenomena, such as: fads in online content; virus and worm spreading in information

networks; and word-of-mouth in product marketing.

9 空手道俱乐部网络也称为Zachary网络,是检验不同社团发现算法(一个经典实际网络)

 

2013project题目(不限于,可以自选)

 

1  不同规模小世界模型上各种搜索策略的比较与优化;(Broadfirst search random walk degree-related)两人

2  典型社团结构上各种搜索策略的比较与优化(Broadfirst search random walk degree-related)两人

3  (大规模节点领域社团)复杂网络上舆情传播传播导致(动态)信任动态演化的仿真与估计;(相当于舆情情况下,个体与社团信任值的

变化趋势,信任值模型请选择Sznajd模型,deffuant模型,Galam模型,Panic模型,majority-Minority模型;个人状态:选择服从泊松分布的传

播意愿模型)----三个人

4  加权网络上上各种搜索策略的比较与优化;(Broadfirst search random walk degree-related2个人

5  规则网络上的囚徒窘境博弈(NowakMay)设计与仿真分析(网络规模从100-1000至少)一个人

6  小世界网络上的的囚徒窘境博弈(2001AbramsonKuperman)设计与仿真分析(网络规模从100-1000至少);一个人

7  基于社会学分级聚类的社团结构挖掘算法设计与实现;(两个人)

8  基于图形分割的社团结构挖掘算法设计与实现;(两个人)

2016年

1

Recommendations in Location-based Social Networks: A Survey

可以分两

2

Content-Aware Point of Interest Recommendation on LBSN

2

3

Epidemic modeling and complex networks

2

4

Epidemic processes in complex networks

2

5

Motif structure and cooperation in real-world complex networks

2

 

2017年复杂网络与社会网络分析课堂项目:“社团发现”算法,大家投票选出的Top关键词排名

版权所有:西安交通大学 站点设计:网络信息中心 陕ICP备05001571号 联系电话:82668579 82668902 QQ群号:496666580
欢迎您访问我们的网站,您是第 位访客
推荐分辨率1024*768以上 推荐浏览器IE7 Firefox 以上