《高级算法分析与设计》课程教学大纲.docx
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_05.gif)
《《高级算法分析与设计》课程教学大纲.docx》由会员分享,可在线阅读,更多相关《《高级算法分析与设计》课程教学大纲.docx(3页珍藏版)》请在得力文库 - 分享文档赚钱的网站上搜索。
1、高级算法分析与设计课程教学大纲一、课程基本信息中文名称:高级算法分析与设计英文名称:Advanced Algorithm Design and Analysis开课学院:计算机科学学院课程编码:学分:总学时:36适用专业:修读基础:数据结构,离散数学,数据库原理,面向对象程序设计语言(简述,修读本课程需要具备的基础)课程负责人:闵帆(教授)主讲教师:闵帆(教授)二、课程目的任务L课程地位作用(课程在实现培养目标中的地位作用)数据挖掘从上世纪70年代开始被研究,近年来获得飞速发展。本课程在计算机专 业处于核心地位。理论方面,数据挖掘涉及图论、信息熠、高维空间,NP问题等专业 基础。该课程有助于培
2、养研究生的建模能力。算法方面,数据挖掘需要多种启发式搜索算法,包括仿生算法的设计,对开拓研究 生的创造力有非常大的好处。应用方面,数据挖掘已在各行各业获得广泛应用。随着大数据时代的到来,数据挖 掘正在扮演越来越重要的角色。如何将数据挖掘应用于实际问题,并提出合适的解决方 案,有助于提高研究生的实践能力。从实际问题中抽象出模型,并设计高效、结果好的算法,最终应用于实际问题或公 开数据库,有助于全面提升研究生的科研能力。2 .课程主要内容(简述:主要内容、重点、难点等)课程主要包括数据挖掘的十大经典算法,仿生算法,以及回溯算法。具体包括:(1) kNN算法(重点)。(2) k-means算法(重点
3、)(3) Apriori算法(重点)(4) ID3算法(重点)CART算法(6) EM算法(7) PageRank 算法(难点)(8) AdaBoost 算法(9) Naive Bayes 算法(10) SVM (难点)(11)遗传算法(12)蜂群算法(13蚁群算法(14)回溯算法(重点).学生应达到的基本要求掌握各算法的原理,熟练掌握算法的基础版本的编码实现。掌握两种算法的最新发展。熟悉至少一种算法的最新研究动向,改进它并写出一篇论文。三、教学内容与学时分配(含各时段学生课外学习要求)(l)kNN算法(重点)。决策表,分类(监督学习)的概念。kNN分类算法的设计与 实现,各种距离的定义,k值
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 高级算法分析与设计 高级 算法 分析 设计 课程 教学大纲
![提示](https://www.deliwenku.com/images/bang_tan.gif)
限制150内