《医学数据挖掘教学大纲》由会员分享，可在线阅读，更多相关《医学数据挖掘教学大纲（4页珍藏版）》请在金锄头文库上搜索。
1、 医学数据挖掘医学数据挖掘教学大纲教学大纲（供四年制信息管理与信息系统（医药卫生信息方向）等专业使用）（依据普通高校本科计算机专业特色教材精选）计算机教研室修订二 00 六年七月一日一、前一、前 言言本课程是信息管理与信息系统（医药卫生信息方向）专业本科学生的专业必修课。医学数据挖掘是计算机技术、人工智能、统计学等与现代医学信息相结合的产物，是一门涉及面广、技术难度大的新兴交叉学科。作为一个年轻的技术，数据挖掘面临着很大的挑战和许多亟待解决的问题，但它的应用前景十分乐观。由于医学信息自身具有的特殊性和复杂性，与常规数据挖掘相比，医学数据挖掘在挖掘对象的广泛性、挖掘算法的高效性和鲁棒性、提供知识
2、或决策的准确性方面有着更高的要求。在医学数据挖掘方法中，决策树、神经网络、模糊逻辑、进化计算、粗糙集理论和支持向量机等算法都显示出了各自独特的优越性，已经在医学数据挖掘中得到了成功的应用。随着理论研究的深入和进一步的实践摸索，数据挖掘技术在疾病的诊断和治疗、医学科研与教学以及医院的管理等方面将会发挥巨大的作用。医学数据挖掘课程的目的主要是让学生学习掌握数据挖掘理论以及如何用数据挖掘来解决实际问题，并将数据挖掘技术应用到医学信息数据库中，可以发现其中的医学诊断规则和模式，从而辅助医生进行疾病诊断。学习本课程要求有一定的程序设计经验，且涉及到数据结构、数据库等的一些知识和概念，因此先修课程为：程序
3、设计语言、数据结构与算法、数据库原理等。本课程教学大纲是医学数据挖掘课程的要求编写。章节顺序与医学数据挖掘 （崔雷主编，高等教育出版社，2006 年）教材相同。二、二、理论内容和要求理论内容和要求第一章第一章 概述概述 教学内容教学内容 数据挖掘与知识发现的基本概念；知识发现和数据挖掘的步骤、算法和工具；数据挖掘系统的体系结构；数据挖掘和知识发现的应用。 教学要求教学要求 1.掌握数据挖掘的知识表示，数据挖掘的基本步骤。2.熟悉数据挖掘系统的体系结构。3.了解数据挖掘的产生，数据挖掘和知识发现在科学和商业中的应用。第二章第二章 数据挖掘的对象数据挖掘的对象 教学内容教学内容 关系数据库；数据仓
4、库，文本数据库；复杂类型数据库。 教学要求教学要求 1.掌握关系型数据库的数据挖掘。2.熟悉数据仓库的结构和特征，数据仓库的数据挖掘。3.了解文本数据库和复杂类型数据库的数据挖掘。第三章第三章 数据挖掘的步骤数据挖掘的步骤 教学内容教学内容 跨行业数据挖掘过程标准；业务理解；数据准备；模型建立和评估。 教学要求教学要求 1.掌握数据挖掘的步骤。2.熟悉数据准备、模型建立和评估步骤。3.了解业务理解步骤。第四章第四章关联规则与关联分析关联规则与关联分析 教学内容教学内容 关联规则基本概念和关联规则挖掘分类；关联分析的原理；关联分析的应用和实例。 教学要求教学要求 1.掌握 Apriori 算法及
5、其应用。2.熟悉关联规则的概念和基本过程。3.了解多维关联规则挖掘和多层关联规则挖掘。第五章第五章聚类分析聚类分析 教学内容教学内容 聚类分析概述；聚类分析中的数据结构和数据类型；聚类分析方法；孤立点分析；聚类分析的应用和实例。 教学要求教学要求 1.掌握 k-平均算法、k-中心点算法及其应用。2.熟悉基于划分聚类方法，基于层次的聚类方法、基于密度的聚类方法、基于网格的聚类方法和基于模型的聚类方法的基本思路。3.了解孤立点分析。第六章第六章决策树决策树 教学内容教学内容 决策树的概念和原理；ID3 算法和树剪枝；决策树应用；决策树的可扩展性和优缺点。 教学要求教学要求 1.掌握 ID3 算法及
6、其应用。2.熟悉决策树概念和原理。3.了解决策树的可扩展性和优缺点。第七章第七章 支持向量机支持向量机 教学内容教学内容 概述；线性可分问题的 SVM 方法；线性不可分问题的 SVM 方法；核函数。 教学要求教学要求 1.掌握核函数，支持向量机分类算法。2.熟悉线性可分问题和不可分问题的 SVM 方法。3.了解支持向量机概念。第八章第八章 人工神经网络人工神经网络 教学内容教学内容 人工神经网络概述；神经元的结构、组成及基本模型；人工神经网络的结构、工作原理及模型；人工神经网络在医学中的应用。 教学要求教学要求 1.掌握神经网络的工作原理。2.熟悉人工神经网络的结构、工作原理及模型。3.了解人
7、工神经网络的发展史。第九章第九章 遗传算法遗传算法 教学内容教学内容 遗传算法概述；遗传算法步骤与实现。 教学要求教学要求 1.掌握遗传算法的基本思想和原理。2.熟悉遗传算法的处理步骤和实现基础。3.了解遗传算法产生、发展和特点。第十章第十章 粗糙集理论粗糙集理论 教学内容教学内容 粗糙集理论概念；决策表；应用实例。 教学要求教学要求 1.掌握等价集上近似、下近似和依赖度计算，决策表中条件属性重要度计算。2.熟悉决策表的简化，决策表获取规则及规则简化。3.了解粗糙集理论的产生和发展。第十一章第十一章 数据挖掘在医学中应用数据挖掘在医学中应用 教学内容教学内容 数据挖掘在临床领域中应用；数据挖掘
8、在分子生物学领域中的应用；数据挖掘在预防 医学领域中的应用；数据挖掘在医院管理中中的应用。 教学要求教学要求 1.了解数据挖掘在医学中应用。三、实验（讨论）内容和要求三、实验（讨论）内容和要求1.1.学生实验（讨论）课的基本要求学生实验（讨论）课的基本要求通过实验（讨论）让学生掌握采用医学数据挖掘方法应用。2.2.实验（讨论）项目实验（讨论）项目次数内容时数1.Apriori 算法实现及其应用3 2.k-平均算法、k-中心点算法及其应用3 3.ID3 算法实现及其应用3 4.支持向量机分类算法实现及其应用3四、学时分配四、学时分配章节安排章节安排讲授讲授实验实验讨论讨论合计合计 第 1 章 概
9、述11 第 2 章 数据挖掘的对象11 第 3 章 数据挖掘的步骤22 第 4 章 关联规则与关联分析336 第 5 章 聚类分析336 第 6 章 决策树336 第 7 章 支持向量机336 第 8 章 人工神经网络22 第 9 章 遗传算法22 第 10 章 粗糙集理论22 第 11 章 数据挖掘在医学中应用22 合 计24H12H36H五、参考文献五、参考文献1. Jiawei Han Micheline Kamber.范明，孟小峰等译.数据挖掘概念与技术 （第 1 版）.北 京：电子工业出版社,2001. 2.数据仓库与数据挖掘技术.陈京民编著. 北京：电子工业出版社,2002. 3.数据挖掘原理与技术张云涛等著.北京：电子工业出版社,2004.
