|
友情提示：本站提供全國400多所高等院校招收碩士、博士研究生入學考試歷年考研真題、考博真題、答案，部分學校更新至2012年，2013年；均提供收費下載。 下載流程： 考研真題 點擊“考研試卷””下載; 考博真題 點擊“考博試卷庫” 下載
北京化工大學 2014 攻讀博士學位研究生入學考試
《數據分析與挖掘》考博大綱
一、 適用的專業
管理科學與工程。
二、 考試方法和考試時間
考試為閉卷考試，考試時間為 3 小時。
三、 考試的主要內容
1、 數據挖掘理論基礎
數據挖掘的定義；可以進行數據挖掘的模式類型；數據挖掘的技
術；數據挖掘的面向類型；數據挖掘的主要問題；數據對象與屬性；
數據基本統計描述；數據可視化；度量數據的相似相異性；數據清理；
數據集成；數據集成；數據歸約；數據變化與離散化；數據倉庫的概
念；數據倉庫建模；數據倉庫的設計與使用；數據倉庫的實現；數據
泛化。
2、 數據挖掘模式
數據挖掘頻繁項集、閉項集、關聯規則的基本概念；頻繁項集挖
掘方法；模式評估方法；模式挖掘：一個路線圖；多層、多維空間中
的模式挖掘；基于約束的頻發模式挖掘；挖掘高維數據和巨型模式；
挖掘壓縮或近似模式；模式探索與應用。
3、 分類
分類的基本概念；決策樹歸納；貝葉斯分類方法；基于規則的分
類；模型評估與選擇；提高分類準確度的方法；貝葉斯信念網絡；向
后傳播分類的方法；支持向量機；用頻繁模式分類；惰性學習法或從
近鄰學習；其他分類方法如遺傳算法、粗糙集方法、模糊集方法；有
關分類的相關問題：多類分類、半監督分類、主動學習、遷移學習。
4、 聚類分析
聚類分析的定義；劃分的方法；層次方法；基于密度的方法；
基于網格的方法；聚類評估；基于概率模型的聚類；聚類高維
數據；聚類圖和網絡數據；具有約束的聚類。
5、 離群點檢測
離群點和離群點分析；離群點檢測方法；統計學方法；基于
臨近性的方法；基于聚類的方法；基于分類的方法；挖掘情境離
群點和集體離群點；高維數據中離群點檢測。
6、 數據挖掘的前沿和趨勢
挖掘復雜的數據類型；數據挖掘的其他方法；數據挖掘的應
用；數據挖掘與社會
7、 機器學習的基本理論與知識
線性模型：基本形式，線性回歸，對數幾率回歸，線性判別
分析，多分類學習；決策樹：基本流程，劃分選擇，剪枝處理，
連續與缺失值，多變量決策樹；神經網絡：神經元模型，感知機
與多層網絡，誤差逆傳播算法，全局最小與局部最小；支持向量
機：間隔與支持向量，對偶問題，核函數，軟間隔與正則化，支
持向量機回歸，核方法；貝葉斯分類器：貝葉斯決策論，極大似
然估計，樸素貝葉斯分類器，EM 算法；半監督學習：未標記樣
本，生成式方法，半監督 SVM，圖半監督方法，基于分歧的方法，
半監督聚類。
四、 試卷結構
試卷滿分 100 分，基礎知識題目（簡答題）占 20%，解答題占
60%，綜合性論述題占 20%。
五、 主要參考書
韓家煒 編著，數據挖掘概念與技術，北京：機械工業出版社，2012。
周志華 著，機器學習，北京：清華大學出版社，2016
免責聲明：本文系轉載自網絡，如有侵犯，請聯系我們立即刪除，另：本文僅代表作者個人觀點，與本網站無關。其原創性以及文中陳述文字和內容未經本站證實，對本文以及其中全部或者部分內容、文字的真實性、完整性、及時性本站不作任何保證或承諾，請讀者僅作參考，并請自行核實相關內容。
|
文章搜索
您現在的位置： 
