实验1 数据的收集、整理和图表展示
一、实验目的：
了解数据的收集方法，掌握在EXCEL、SPSS中如何进行数据的整理和图表展示。
二、实验环境：
Microsoft EXCEL；加载EXCEL 宏：数据分析工具；SPSS分析软件
三、实验内容：
1、为评价家电行业售后服务的质量，随机抽取了由100个家庭构成的一个样本。服务质量的等级分别表示为：A.好；B.较好；C.一般；D.差；E.较差。调查结果见1.1。
（1）指出上面的数据属于什么类型？
（2）用Excel制作一张频数分布表；
（3）绘制一张条形图，反映评价等级的分布。
2、为了确定灯泡的使用寿命（单位：h），在一批灯泡中随机抽取100只进行测试，所得结果见1.2。
（1）利用计算机对上面的数据进行排序；
（2）以组距为10进行等距分组，整理成频数分布表；
（3）根据分组数据绘制直方图，说明数据分布的特点。
（4）制作茎叶图，并与直方图作比较。
3、甲乙两个班各有40名学生，期末统计学考试成绩的分布见1.3。
（1）根据上面的数据，画出两个班考试成绩的复合柱形图、环形图和图饼图。
（2）比较两个班考试成绩分布的特点。
（3）画出雷达图，比较两个班考试成绩的分布是否相似。
4、1997年我国几个主要城市各月份的平均相对湿度数据见1.4，试绘制箱线图，并分析各城市平均相对湿度的分布特征。
实验2 数据的概括性度量
一、实验目的：
为了全面掌握数据分布的特征，需要找到反映数据分析特征的各个代表只。掌握在EXCEL、SPSS中如何进行数据特征值的计算。
二、实验环境：
Microsoft EXCEL；加载EXCEL 宏：数据分析工具；SPSS分析软件
三、实验内容：
1、在excel中运用函数和描述统计两种方法计算反映集中、离散及分布形态的特征值；
2、运用SPSS对表2.1进行探索分析，计算不同性别收入情况的描述统计量，绘制茎叶图、箱线图，并进行正态性检验。
3、结合2种方法的计算结果，分析收入与性别是否有关系？
四、实验内容：
课堂独立完成上述实验内容，并提交到数字大学城。
—178 — 基于数据挖掘的符号序列聚类相似度量模型 郑宏珍，初佃辉，战德臣，徐晓飞 (哈尔滨工业大学智能计算中心，264209) 摘 要：为了从消费者偏好序列中发现市场细分结构，采用数据挖掘领域中的符号序列聚类方法，提出一种符号序列聚类的研究方法和框架，给出RSM 相似性度量模型。调整RSM 模型参数，使得RSM 可以变为与编辑距离、海明距离等价的相似性度量。通过RSM 与其他序列相似性度量的比较，表明RSM 具有更强的表达相似性概念的能力。由于RSM 能够表达不同的相似性概念，从而使之能适用于不同的应用环境，并在其基础上提出自组织特征映射退火符号聚类模型，使得从消费者偏好进行市场细分结构研究的研究途径在实际应用中得以实现。 关键词：符号序列聚类；数据挖掘；相似性模型 Symbolic Sequence Clustering Regular Similarity Model Based on Data Mining ZHENG Hong-zhen, CHU Dian-hui, ZHAN De-chen, XU Xiao-fei (Intelligent Computing Center, Harbin Institute of Technology, Harbin 264209) 【Abstract 】From a consumer point of the sequence of preference, data mining is used in the field of symbolic sequence clustering methods to detect market segmentation structure. This paper proposes a symbolic sequence clustering methodology and framework, gives the similarity metric RSM model. By adjusting RSM model, parameters can be changed into RSM and edit distance, Hamming distance equivalent to the similarity metric. RSM is compared with other sequence similarity metric, and is more similar to the expression of the concept of capacity. As to express different similarity, the concept of RSM can be applied to different applications environment. Based on the SOM annealing symbol clustering model, the consumer preference for market segmentation can be studied in the structure, which means it is realized in practical application. 【Key words 】symbolic sequence clustering; data mining; similarity model 计 算 机 工 程Computer Engineering 第35卷 第1期 V ol.35 No.1 2009年1月 January 2009 ·人工智能及识别技术·文章编号：1000—3428(2009)01—0178—02文献标识码：A 中图分类号：TP391 1 概述 在经济全球化的环境下，面对瞬息万变的市场和技术发展，企业要想在国内外市场竞争中立于不败之地，必须对客户和市场需求做出快速响应。目前，通过市场调研公司或企业自身的信息系统，收集来自市场和消费者的数据相对容易，而如何理解数据反映的市场细分结构和需求规律却是相当困难的。 为解决这一问题，许多研究者选择消费者的职业、收入、年龄、性别等特征数据作为细分变量，利用统计学传统聚类方法得到市场细分结构[1-2]。在实际应用中，不同的细分变量会导致不同的市场细分结果[3]。 为此，本文从用户偏好序列数据对市场进行细分。通过对符号序列数据相似性的研究，给出一个可形式化的RSM 相似性度量模型和算法概要。该度量模型考虑了2对象之间相似与相异2个方面的因素，通过参数的调整，可以根据问题的具体性质表达不同的相似性概念。并在此基础上，将在数值型数据领域表现良好的SOM 神经网络引入到符号序列数据的聚类问题上，给特征符号序列的机器自动识别提供了可能性。 2 符号序列聚类问题 序列聚类问题作为发现知识的一种重要的探索性技术，受到数据挖掘与知识发现研究领域的极大重视。企业决策者在进行市场和产品相关战略时，迫切需要某些技术手段来理解序列数据，这也正是本文研究的序列聚类问题的工程背景。 下面给出符号序列的相关定义。 定义1 设12{,,,}n A a a a ="为有限符号表，A 中的l 个符号12,,,l a a a "构成的有序集称为符号序列，记为s = 12{,,,}l a a a "，并称l 是s 的长度，记为s 。A 上所有有限长 度符号序列集合记为A *。例如：符号表{a , b , c , d , e , f , g }，则
第四单元线与角 第3课时角的认识和度量 教学内容： 教材第40~42页。 教学目标： 1、经历从具体事物中找角、认识角，用已有的经验和测量方法比较两个角大小的过程。 2、认识表示角的符号“∠”，会读、写角，能用量角器测量指定角的度数。 3、积极参与数学活动，获得成功的情感体验，感受测量工具的科学性。 教学重点： 1、认识表示角的符号、角的表示方法、书写方法和读法。 2、认识量角器并用量角器测量角。 教学难点： 用量角器测量开口向左、向右的角。 教学准备： 量角器、课件、折扇 教学过程： 一、复习导入 问题1、角由什么组成？ 问题2、两条边是线段？直线？射线？ 师：今天我们继续来学习有关角的知识。 二、新课授知 1、角的表示，课件出示情境图。 （1）让学生观察情境图，说一说每幅图是什么？然后在图中找角，并指出来。 （2）让学生拿出折扇或有角的物体，进行描角。然后展示描出的角。 （3）教师画出两个角，先介绍表示角的符号，再讲解用数字表示角和用字母表示角的方法，以及相应的读法。 4、注意区别“∠”和“<”的不同，请同学们随意画几个角，训练一下这三种读法。 2、角的度量 课件出示，比较下面两个角的大小。 （1）鼓励学生用自己的方法比较两个角的大小。 （2）交流学生的比较方法。 ①把一个角用透明纸描下来。
②用三角板上的角分别比一比。 ③把两个角剪下来，重合在一起比一比。 （3） 比较两个角的大小有多种方法。但这些方法只能比较出哪个角大，哪个角小，却不能准确比较出两个角相差多少。要准确知道两个角的大小，可以用量角器测量，既方便又准确。“度”是计量角的单位，用符号“。”表示，写在数的右上角。 3、介绍量角器。 师生同时拿出量角器。 ①先说一说量角器是什么样的？再认真观察量角器上的数字，了解量角器的排列特点。 ②教师介绍量角器的中心点、零刻度线、内刻度线、外刻度线(板书)然后说明，量角器的里、外两圈度数，是为了测量开口方向不同的角。 ③认识1°角 课件演示：把这样的一个半圆分成180等份,每份所对的角度就是1度角,通常我们用1°表示1度。 ④用量角器测量40页的∠1 和∠2，教师口述测量步骤，学生实际测量，最后交流测量结果。 量角器中心点与角的顶点重合-----点对点，板书。 零刻度线与角的一条重合---线对边，板书。 所要量的角的另一条边对着多少度，这个角就是多少度。要分清内外圈。⑤复述量法。 4、出示40°和140°角 师：当看另一边时有二个数,应该读哪一个数呢？ 小结: 角的一边对着里面的零度刻度线, 就应当读内刻度线度数了。当角的一边对着外面的零度刻度线,就应当数外刻度线了---0在内数内，0在外数外，板书。学生齐读。 三、巩固练习 完成41页“试一试”。 四、课堂小结 师生共同回顾本小节所学内容。 五、布置作业 课后42页1、2、3题。 板书设计： 角的认识和度量 角的符号“∠”注意区别“∠”和“<”
4.3.2 角的度量与计算 ——执教人：朱丽 一、教学目标： 1. 知识与技能： 会用量角器测量角的大小；理解1度的角的概念；掌握周角、平角、直角的大小以及它们之间的关系；角的大小计算。 2. 过程与方法： 经历观察、推理、交流等活动，发展学生的空间观念，培养学生的推理能力和有条理的表达能力。 3. 情感、态度与价值观： 体验数学知识的发生、发展过程，善于面对数学活动中的困难，建立学好数学的自信心。 二、教学重点：角的单位转换和大小计算 三、教学难点：角的大小计算 四、教学过程： （一）创设情境，导入新课： 1、展示课件上三幅图片，（让学生体验角在生活中随处可见，角的大小差异性） 提问导入：我们用什么来衡量角的大小呢？ （二）快乐预习，自主探究： 1、组织学生自学课本126-127页，讨论交流回答下列问题； （1）我们用什么来度量角的大小，它又是如何表示的？ （肯定学生的回答，指出我们将一个周角平均分成360等份，其中每一等份所对的角的大小就是1度，记作1.通常把它作为度量角的单位。） （2）在我们的实际应用中，有哪些特殊角，它们之间存在着怎样的等量关系？ （3）如何测量一个角的大小，利用什么工具？ （三）师生合作，探究新知： （当测量出来的角不是一个整数时，就需用更小的单位来度量角。）过渡提问：我们如何定义更小的角的度量单位的？ 1、教师提问：谁知道1分，1秒又是如何规定的？它们之间有什么样的关系？三者之间的进率是多少？ 1度=60分，1分=60秒，1度=3600秒
1秒=1/60分=1/3600度，1分=1/60度。 2、度、分、秒的计算 （1）出示例题一：计算： 1.45度等于多少分，等于多少秒？ 1800秒等于多少分，等于多少度？ 练一练A：0.25度等于多少分，等于多少秒？ 2700秒等于多少分？等于多少度? (鼓励学生独立完成，指定两名学生上台板演，师生一起评价) （2）出示例题二：用度、分、秒表示54.26°； 用度表示48°25′48″； 练一练B：1、用度、分、秒表示16.24°； 2. 39°36′＝°。 （3）讨论：38°15 ′和38.15°相等吗？哪个大？ （三）应用迁移、巩固提高： 1、出示例题3：计算 （1）37°28′+ 24°35′（2）83°20′- 45°38′20″ 2、练一练C：计算： （1）36°40′+ 23°27′（2）113°50′40″- 57°48′42″（四）课堂总结： 这节课我们了解了什么新的知识？ 1.角的度量与特殊角的认识； 2.角的换算与有关角的计算。 （五）、知识拓展： 把一个周角7等分，每一份是多少度的角（精确到分）？ 五、教学板书： 4.3.2 角的度量与计算 角的度量单位转换： 1度=60分，1分=60秒，1度=3600秒 1秒=1/60分=1/3600度，1分=1/60度。 例1：例2：例3：
三、角的度量 本单元教学大纲 【教学目标】 1．使学生进一步认识线段、射线和直线，知道线段、射线和直线的区别。 2．使学生认识常见的几种角，会比较角的大小，会用量角器量角的度数和按指定的度数画角。 【重点难点】 重点：直线、线段、射线的区别，角的度数和比较角的大小，角的分类。 难点：角的认识、用量角器量角的方法。 【课时安排】本单元建议安排3课时 第1课时线段、直线、射线和角 第2课时角的度量 第3课时角的分类与画角 第1课时线段、直线、射线和角 【教学内容】 教材第38～39页的内容。 【教学目标】 1．进一步认识线段，认识射线和直线，知道它们之间的联系与区别。 2．认识角，知道角的各部分名称。 【教学重难点】 重点：直线、线段、射线的区别与联系。 难点：角的认识。 【教学准备】 多媒体课件，直尺。 一、情景导入 1．复习： 提问：关于线和角，你已经知道了哪些知识？ 指名回答，引导学生回忆所学知识，重点引导学生回忆有关角的知识。 2．引入： 从这节课开始，我们将继续探索有关线与角的知识。 (板书课题：线段、直线、射线和角) 二、探究新知 1．认识线段、直线和射线。 (1)课件出示教材第38页主题图。 线段：一根拉紧的线，绷紧的弦，都可以看作线段。线段可以用字母表示，如图中线段AB。
直线：把线段向两端无限延伸，就得到一条直线。如图中直线AB，还可用小写字母表示，如直线l。 射线：把线段向一端无限延伸，就得到一条射线。射线可用端点和射线上的另一点来表示，如图中射线AB。 2．线段、直线、射线的联系与区别。 3.认识角。 (1)课件出示第39页角的图形，建立角的概念。(老师在黑板上画角，学生观察体会画角的方法) (2)总结角的概念 从一点引出两条射线所组成的图形叫做角。这个点叫做角的顶点，这两条射线叫做角的边。 (3)角的符号 角通常用符号“∠”来表示，如前面的角可以记作“∠1”。 注意：不能把角写成小于号。 4．尝试练习。 完成教材第39页中间和下面的“做一做”。(数角时要注意根据角的概念来判断，不要遗漏或重复。) 三、巩固提高 完成教材第44第1题。(明确：过一点能画无数条直线；过两点只能画一条直线。) 四、课后作业 教材第45页第8题。 【板书设计】 线段、直线、射线和角 1. 2．从一点引出两条射线所组成的图形叫做角。
（一）概述 为什么要数据挖掘（Data Mining）？ 存在可以广泛使用的大量数据，并且迫切需要将数据转转换成有用的信息和知识 什么是数据挖掘？ 数据挖掘（Data Mining）是指从大量数据中提取或“挖掘”知识。 对何种数据进行数据挖掘？ 关系数据库、数据仓库、事务数据库 空间数据 超文本和多媒体数据 时间序列数据 流数据 （二）数据预处理 为什么要预处理数据？ 为数据挖掘过程提供干净、准确、简洁的数据，提高数据挖掘的效率和准确性，是数据挖掘中非常重要的环节； 数据库和数据仓库中的原始数据可能存在以下问题： 定性数据需要数字化表示 不完整 含噪声 度量单位不同 维度高 数据的描述 度量数据的中心趋势：均值、加权均值、中位数、众数 度量数据的离散程度：全距、四分位数、方差、标准差 基本描述数据汇总的图形显示：直方图、散点图 度量数据的中心趋势 集中趋势：一组数据向其中心值靠拢的倾向和程度。 集中趋势测度：寻找数据水平的代表值或中心值。 常用的集中趋势的测度指标： 均值： 缺点：易受极端值的影响 中位数：对于不对称的数据，数据中心的一个较好度量是中位数 特点：对一组数据是唯一的。不受极端值的影响。 众数：一组数据中出现次数最多的变量值。 特点：不受极端值的影响。有的数据无众数或有多个众数。
度量数据的离散程度 反映各变量值远离其中心值的程度（离散程度），从另一个侧面说明了集中趋势测度值的代表程度。 常用指标： 全距（极差）：全距也称极差，是一组数据的最大值与最小值之差。 R=最大值-最小值 组距分组数据可根据最高组上限-最低组下限计算。 受极端值的影响。 四分位距 (Inter-Quartilenge, IQR)：等于上四分位数与下四分位数之差（q3-q1） 反映了中间50%数据的离散程度，数值越小说明中间的数据越集中。 不受极端值的影响。 可以用于衡量中位数的代表性。 四分位数： 把顺序排列的一组数据分割为四（若干相等）部分的分割点的数值。 分位数可以反映数据分布的相对位置（而不单单是中心位置）。 在实际应用中四分位数的计算方法并不统一（数据量大时这些方法差别不大）。对原始数据： SPSS中四分位数的位置为(n+1)/4， 2(n+1)/4， 3 (n+1)/4。 Excel中四分位数的位置分别为(n+3)/4， 2(n+1)/4，（3 n+1)/4。 如果四分位数的位置不是整数，则四分位数等于前后两个数的加权平均。 方差和标准差：方差是一组数据中各数值与其均值离差平方的平均数，标准差是方差正的平方根。 是反映定量数据离散程度的最常用的指标。 基本描述数据汇总的图形显示 直方图(Histogram)：使人们能够看出这个数据的大体分布或“形状” 散点图 如何进行预处理 定性数据的数字化表示： 二值描述数据的数字化表示 例如：性别的取值为“男”和“女”，男→1，女→0 多值描述数据的数字化表示 例如：信誉度为“优”、“良”、“中”、“差” 第一种表示方法：优→1，良→2，中→3，差→4 第二种表示方法：
冀教版数学四年级第四单元第三课时角的认识和度量教学设计
（3）认识角各部分的名称。 ”尖”叫顶点，它决定角的位置。 边：是两条射线。 （4）学习角的表示方法： 教师讲解：角通常用符号“∠”来表示。 2、学习测量角。 （1）出示加1和角1 你会比较两个角的大小吗？ 教师总结： 方法一：把一个角同透明纸描下来，和另一个角去 对比。∠1＜∠2 方法二：我用三角板是的角比一比……∠1＜∠2 （2）这两个角哪个大那个小？ 这次用三角板比不出来了！怎么办呢？ （3）认识量角器。 师：要准确知道两个角的大小，可以用量角器 测量。“度”是计量角的单位，用符号“°”表示。 1）仔细观察量角器，你能发现什么？ 2）测量角。 量一量∠1和∠2的度数。 教师演示，并指出注意事项： 注意：顶点对准中心点，角的一边对准0°， 另一边对准几就是几°。 3）试一试。 论，展示汇报。 学生聆听，记 忆。 学生聆听，记 忆。 学生自己试一 试，小组内说 说自己的方 法。汇报。 培养学生的抽象 概括能力和语言 表达能力。培养 学生的合作意 识，体验合作学 习的愉悦感。 培养学生独立解 决问题的能力。 培养学生合作意 识和动手操作的 能力。
用量角器量一量三角板上的角各是多少度。 二、课堂练习。 1、我是大法官，对错我来判。 （1）角的两边张开的越小，角的度数越小。( ）（2）把一个30度的角放在一个可以放大5倍的放大镜下，我们看到的角是150度。（）（3）时钟在9点整时，时针和分针成直角。( ) （4）角的两条边越长，这个角越大。( ) 2、先说出钟面上的时间，再量出角的度数。 3、量出下图中各角的度数。并说说你的发现。 ∠1=（）° ∠2=（）° ∠3=（）° ∠4=（）° 发现 ∠1=（）∠2=（） 三、拓展提高。 用一幅三角板拼出下面的度数。（只能用一幅）（1）75°（2）120°（3）180°学生观察量角 器，组内说说 自己观察到的 内容，然后班 上说一说。 学生专心听 讲。 学生动手测 量。 学生试着独立 完成。 通过小组内讨论 培养学生的抽象 概括能力和语言 表达能力。培养 学生的合作意 识，体验合作学 习的愉悦感。 培养学生独立解 决问题的能力。 培养学生的动手 能力。 对本节课内容加 以巩固练习。 课堂小结这节课你学会了什么？ 1、认识了角和角各部分的名称。 2、知道怎样表示角。
《角的认识和度量》教学设计 一、教材分析 《角的认识和度量》是冀教版四年级数学上册第三单元第二部分《角》的第一课时，教材通过呈现生活中常见事物中不同的角，引导学生学习角的表示法和读写方法，并通过比较两个角的大小，引出认识量角器和角的度量单位，并学会用量角器测量角的度数。 二、学情分析 四年级学生对生活中的角已经具有初步的感知，对这部分的学习具有一定的认知基础，但是对使用量角器测量角的度数还很陌生，需要重点讲解和练习。 三、教学目标 结合学生的学习特点和认知规律，根据“以学生的发展为本”的理念，拟订以下教学目标： 1、知识目标： （1）使学生学会角的表示方法，能正确读、记角。 （2）使学生认知角的计量单位------“度”，学会用量角器正确测量角的度数。 2、能力目标：使学生能够熟练使用量角器测量角的度数，能用所学到的知识解决生活中的数学问题。 3、情感目标：激发学生参与数学活动的积极性，培养合作、探究意识。
四、重点难点 认识和使用量角器测量角的度数 五、教、学法分析 新课标明确指出：积极倡导自主、合作、探究的学习方式，充分发挥学生的主体作用。为了有效的达到教学目标，科学合理的突出重点、突破难点，本节课计划利用教具的直观演示，学具的实际操作，引导学生采用小组学习的形式，通过自主探索、合作交流，让学生经历知识的产生和形成过程，从而实现知识的“再创造”。 六、教学具准备：本课课件、三角板等 七、课时安排：一课时 八、基于上述设想，设计如下的教学过程： （一）情景导入板书课题 通过观察折扇、圆规、剪刀张开时的形状引出课题---角的认识和度量。（投影） （二）合作交流探究新知 1、认识角 （1）观察投影，师生交流，得出结论：角是由一点画出的两条射线所组成的图形 （2）介绍角的读法和写法 首先，观察投影，小组交流； 接下来，师生互动，指导学生正确的读、记角。并板书：记作∠1，读作角1；记作∠ABC或∠B读作角ABC或角B
小学数学冀教版二年级上册四角的认识《认识直角、锐角和钝角》优质课教案省级比赛获奖教案公开课教师面试试讲教案 【名师授课教案】 1教学目标 1、结合生活情境及操作活动,使学生经历认识直角、锐角、钝角的过程。 2、会辩认直角、锐角和钝角。 2学情分析 学生在学习角的有关知识前,通过对许多物体的感知,已经积累了有关角、直角、锐角、钝角的感性经验。我们应从学生已有的知识经验出发,根据儿童的年龄特点和认知规律设计教学。 3重点难点 学生初步认识并会判断各种角。 4教学过程 4.1第一学时 4.1.1教学活动 活动1【导入】谈话导入 同学们你们看老师手中拿的是什么?(一副三角板)这个三角板中藏着很多知识,你们想知道是什么吗? (想)那我们今天就一起来把这些秘密都找出来吧。出示课题并板书。 活动2【讲授】出示学习目标，讲授新课 一、出示学习目标: 我能通过学习,认识直角、锐角和钝角,并借助三角板辨认这些角。 过渡语:你们有信心学会新本领吗?(好)你们非常自信,老师也相信你们。怎样才能学会新本领呢?请大家按老师的指导认真看书,比一比谁的坐姿最端正,谁看书最认真。 二、出示自学指导: 认真看课本33-34页内容,看图思考并讨论以下问题: 1.仔细观察33页的的内容,里面的小三角形和三角板形状一样吗?三角形有几个角?(小对子间交流并讨论自己的想法) 2、三角板中直直的角叫什么角?它可以用什么符号表示? 3、什么叫锐角,什么叫钝角,怎样来判断呢?(小对子间互相说说自己的方法) (8分钟后,比一比谁能完成和例题类似的检测过关题。) 三.自学共探: 1.学生根据自学指导,先看书,再观察三角板,自己试着判断。
1.4 数据仓库和数据库有何不同？有哪些相似之处？ 答：区别：数据仓库是面向主题的，集成的，不易更改且随时间变化的数据集合，用来支持管理人员的决策，数据库由一组内部相关的数据和一组管理和存取数据的软件程序组成，是面向操作型的数据库，是组成数据仓库的源数据。它用表组织数据，采用ER数据模型。 相似：它们都为数据挖掘提供了源数据，都是数据的组合。 1.3 定义下列数据挖掘功能：特征化、区分、关联和相关分析、预测聚类和演变分析。使用你熟悉的现实生活的数据库，给出每种数据挖掘功能的例子。 答：特征化是一个目标类数据的一般特性或特性的汇总。例如，学生的特征可被提出，形成所有大学的计算机科学专业一年级学生的轮廓，这些特征包括作为一种高的年级平均成绩(GPA：Grade point aversge)的信息， 还有所修的课程的最大数量。 区分是将目标类数据对象的一般特性与一个或多个对比类对象的一般特性进行比较。例如，具有高GPA 的学生的一般特性可被用来与具有低GPA 的一般特性比较。最终的描述可能是学生的一个一般可比较的轮廓，就像具有高GPA 的学生的75%是四年级计算机科学专业的学生，而具有低GPA 的学生的65%不是。 关联是指发现关联规则，这些规则表示一起频繁发生在给定数据集的特征值的条件。例如，一个数据挖掘系统可能发现的关联规则为：major(X, “computing science”) ? owns(X, “personal computer”) [support=12%, confidence=98%] 其中，X 是一个表示学生的变量。这个规则指出正在学习的学生，12% （支持度）主修计算机科学并且拥有一台个人计算机。这个组一个学生拥有一台个人电脑的概率是98%（置信度，或确定度）。 分类与预测不同，因为前者的作用是构造一系列能描述和区分数据类型或概念的模型（或功能），而后者是建立一个模型去预测缺失的或无效的、并且通常是数字的数据值。它们的相似性是他们都是预测的工具： 分类被用作预测目标数据的类的标签，而预测典型的应用是预测缺失的数字型数据的值。 聚类分析的数据对象不考虑已知的类标号。对象根据最大花蕾内部的相似性、最小化类之间的相似性的原则进行聚类或分组。形成的每一簇可以被看作一个对象类。聚类也便于分类法组织形式，将观测组织成类分 层结构，把类似的事件组织在一起。 数据演变分析描述和模型化随时间变化的对象的规律或趋势，尽管这可能包括时间相关数据的特征化、区分、关联和相关分析、分类、或预测，这种分析的明确特征包括时间序列数据分析、序列或周期模式匹配、和基于相似性的数据分析 2.3 假设给定的数据集的值已经分组为区间。区间和对应的频率如下。――――――――――――――――――――――――――――――――――――― 年龄频率――――――――――――――――――――――――――――――――――――― 1~5 200 5~15 450 15~20 300 20~50 1500 50~80 700 80~110 44 ―――――――――――――――――――――――――――――――――――――计算数据的近似中位数值。 解答：先判定中位数区间：N=200+450+300+1500+700+44=3194；N/2=1597 ∵ 200+450+300=950<1597<2450=950+1500； ∴ 20~50 对应中位数区间。
认识角1 教学内容： 角的表示、角的度量。 教学目标： 知识目标： 1．学会角的表示方法，会读角。 2．认识量角器的构造，知道读量角器的度数的方法。 3．会用量角器度量角。 能力目标： 培养学生观察，动手操作及思考、概括能力。 情感目标： 体会数学与生活的密切联系，增强学习数学的兴趣，培养学生的创新意识。 教学重难点： 会用量角器度量角。 教学过程： 一、复习导入 问题1：角由什么组成？ 问题2：两条边是线段？直线？射线？ 师：知道了这些，让我们一起来数一数这几张图中共有几个角吧！ 出示数角的一系列图片。 二、新授 （一）角的表示 师：每张图中都有这么多的角，我们该怎样区分它们呢？ 师：给它们各自取个名字，好吗？接下来我们就来学习怎样表示一个角，怎样去读角。角的表示方法：
（1）可以标出三个大写字母，写作∠ABC或∠CBA读作：角ABC或角CBA （2）观察这两种方法，有什么特点（字母B在中间） （3）所以，在只有一个角的时候，我们可以写作：∠B读作：角B （4）为了方便，有时我们可以标上数字，写作：∠1，读作：角1。 （５）注：区别“∠”和“﹤”的不同，请同学们随意画几个角，训练一下这三种读法。 （二）角的度量 1．引入 展示图片《比较角的大小》 个别回答，集体核对。 师:我们以前学过用米、分米、厘米等计量线段的长度,大家能不能想出一种合适的计量角的大小的单位呢？ 分小组讨论、汇报。 2．介绍量角器 师生同时拿出量角器。 你看到了什么？这个量角器像一个大迷宫，一点也看不明白,是不是?老师告诉大家在这个迷宫里有4座大城堡:中心点、零刻度线、内刻度线、外刻度线(板书) 现在请同学们走一走这迷宫,看看你能找到几座城堡。 反馈：请找到中心点这座城堡的小朋友,指着它 (零刻度线、内刻度线、外刻度线) 总结：半圆的圆心是量角器的中心内半圆的数所在的刻度线称为内刻度线, 外半圆的数所在的刻度线称为外刻度线。 以右边的0°为起点,起点处的0°这条刻度线是内刻度0°的刻度线。 3．认识1°角 课件演示。 把这样的一个半圆分成180等份,每份所对的角度就是1度角,而度就是角的大小单位,通常我们用1°表示1度。 4．学习量角
角的度量教案 《角的度量》 苏教版小学数学四年级（上） 1教学目标 知识与技能：认识角的度量单位及量角器，学会利用量角器进行角的度量。 过程与方法：通过动手操作，用量角器测量角的过程，锻炼学生的实践操作能力。 情感态度与价值观：养成学生独立思考、合作交流探究的良好品质。 2教学重难点 教学重点：用量角器测量角的步骤。 教学难点：用量角器测量角的步骤。 3教学过程 一、新课导入 根据游戏“愤怒的小鸟”，向学生提出问题：我们平时玩游戏的时候，是调整什么才能打到小 猪呢?让学生初步对于角度这个概念有一定的认识，并在黑板上画出在游戏过程中，发现会 存在不同大小的角，向学生提问：对于两个角来说如何确切的知道它们之间差多少呢?继而引出本节课的课题，角的度量。 二、新课教学 1)学生根据之前学习过的经验，会用三角板先测量角的大小，但是会发现这种方法还是不能具体知道两角之间究竟相差多少。 2)通过多媒体展示出角被平均分为360份，每一份就叫做1度，写作1。从而引出角的度量单位。 3)指导阅读：让学生观察手中的量角器，自学书本上第18页下半部分的内容。 提出要求：思考并在小组内交流，关于量角器你知道些什么? 班级反馈对量角器的认识。(多媒体出示量角器的放大图片供学生交流使用) 提问：量角器上有角吗?有多大的角?最大的角?最小的角? 要求：指出量角器上不同度数的角，并找到量角器上的角的顶点。 读出量角器上的一些角的度数。 多媒体课件显示量角器上1°、30°、78°、140°的角。(读内、外圈数的角都有) 4)请学生动手尝试用量角器量出书上∠1的度数，并在小组里说说是怎样量的? 班级交流量角的方法。(学生利用实物投影讲解自己量角的过程。)师生共同总结量角的方法。多媒体展 示用量角器量角的动态步骤。(每一步在关键部位闪烁提示) 用量角器量角的方法：
第一章 1、数据仓库就是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合。 2、元数据是描述数据仓库内数据的结构和建立方法的数据，它为访问数据仓库提供了一个信息目录，根据数据用途的不同可将数据仓库的元数据分为技术元数据和业务元数据两类。 3、数据处理通常分成两大类：联机事务处理和联机分析处理。 4、多维分析是指以“维”形式组织起来的数据（多维数据集）采取切片、切块、钻取和旋转等各种分析动作，以求剖析数据，使拥护能从不同角度、不同侧面观察数据仓库中的数据，从而深入理解多维数据集中的信息。 5、ROLAP是基于关系数据库的OLAP实现，而MOLAP是基于多维数据结构组织的OLAP实现。 6、数据仓库按照其开发过程，其关键环节包括数据抽取、数据存储与管理和数据表现等。 7、数据仓库系统的体系结构根据应用需求的不同，可以分为以下4种类型：两层架构、独立型数据集合、以来型数据结合和操作型数据存储和逻辑型数据集中和实时数据仓库。 8、操作型数据存储实际上是一个集成的、面向主题的、可更新的、当前值的（但是可“挥发”的）、企业级的、详细的数据库，也叫运营数据存储。 9、“实时数据仓库”以为着源数据系统、决策支持服务和仓库仓库之间以一个接近实时的速度交换数据和业务规则。 10、从应用的角度看，数据仓库的发展演变可以归纳为5个阶段：以报表为主、以分析为主、以预测模型为主、以运营导向为主和以实时数据仓库和自动决策为主。 第二章 1、调和数据是存储在企业级数据仓库和操作型数据存储中的数据。 2、抽取、转换、加载过程的目的是为决策支持应用提供一个单一的、权威数据源。因此，我们要求ETL 过程产生的数据（即调和数据层）是详细的、历史的、规范的、可理解的、即时的和质量可控制的。 3、数据抽取的两个常见类型是静态抽取和增量抽取。静态抽取用于最初填充数据仓库，增量抽取用于进行数据仓库的维护。 4、粒度是对数据仓库中数据的综合程度高低的一个衡量。粒度越小，细节程度越高，综合程度越低，回答查询的种类越多。 5、使用星型模式可以从一定程度上提高查询效率。因为星型模式中数据的组织已经经过预处理，主要数据都在庞大的事实表中。 6、维度表一般又主键、分类层次和描述属性组成。对于主键可以选择两种方式：一种是采用自然键，另一种是采用代理键。 7、雪花型模式是对星型模式维表的进一步层次化和规范化来消除冗余的数据。 8、数据仓库中存在不同综合级别的数据。一般把数据分成4个级别：早期细节级、当前细节级、轻度综合级和高度综合级。 第三章 1、SQL Server SSAS提供了所有业务数据的同意整合试图，可以作为传统报表、在线分析处理、关键性能指示器记分卡和数据挖掘的基础。 2、数据仓库的概念模型通常采用信息包图法来进行设计，要求将其5个组成部分（包括名称、维度、类别、层次和度量）全面地描述出来。 3、数据仓库的逻辑模型通常采用星型图法来进行设计，要求将星型的各类逻辑实体完整地描述出来。 4、按照事实表中度量的可加性情况，可以把事实表对应的事实分为4种类型：事务事实、快照事实、线性项目事实和事件事实。 5、确定了数据仓库的粒度模型以后，为提高数据仓库的使用性能，还需要根据拥护需求设计聚合模型。 6、在项目实施时，根据事实表的特点和拥护的查询需求，可以选用时间、业务类型、区域和下属组织等多种数据分割类型。
人教版小学四年级数学上册教案 第三单元角的度量 (2) 第1课时线段、直线、射线和角 (3) 第2课时角的度量 (5) 第3课时角的分类 (7) 第4课时角的画法 (9) 第5课时练习课 (11)
第三单元角的度量 一、单元教学内容 课本P38——P46页 二、单元教学目标 1．使学生进一步认识线段，认识射线和直线，知道线段、射线和直线的区别。 2．使学生认识常见的几种角，会比较角的大小，会用量角器量角的度数和按指定度数画角。 三、单元教学重难点 重点：加深对角的认识，形成画角和量角的技能，初步培养学生的作图能力。 难点：认识平角和周角，以及平角、周角、锐角、钝角和直角之间的关系。 四、单元教学安排 角的度量……………………………………………………………5课时
第1课时线段、直线、射线和角 教学内容：课本P38——P39页 教学目标： 1、使学生认识射线，直线，能识别射线、直线和线段三个概念之间的联系和区别。使学生认识角和角的表示方法，知道角的各部分名称。 2、通过观察、操作学习活动，让学生经历直线、射线和角的表象的形成过程。 3、培养学生观察、比较和概括的初步能力。体会到数学知识与实际生活紧密联系，能够感受到生活中处处有数学。 教学重难点： 重点：角的意义。 难点：射线、直线和线段三者之间的关系。 教学准备： 课件、活动角、尺或三角板 教学过程： 一、导入新授 复习线段的特点。 请你自己画一条线段，想一想它有什么特点？（线段必须直，且有两个端点） 师：为了表述方便，可以用字母来表示线段，如线段AB。 二、探索发现 1、如果将线段两端无限延长就得到一条直线。 （1）直线有什么特点？（没有端点，两端是无限延伸的） （2）直线可以用“直线AB”来表示，还可以用小写字母表示，如直线l. （3）学生尝试画直线。 （4）线段和直线有什么关系？ 2、认识射线。 （1）课件显示，学生感知线段一端无限延长就得到一条射线。 （2）射线有什么特点？（只有一个端点，另一端无限延伸） （3）生活中你见过射线吗？ （4）指导学生用尺或三角板画射线。 思考：线段、射线和直线三者之间的联系和区别。 出示表格：以小组为单位填表 名称图形端点数延伸度量
中南林业科技大学 课程论文 院系理学院 专业信息与计算科学 课程名称数据挖掘 论文题目面向社会网络分析的数据挖掘方法 姓名王磊 学号20104255 指导教师孙玉荣 2013年10月
面向社会网络分析的数据挖掘方法 摘要 随着信息技术的发展，越来越多的社会关系数据被收集。如果能够有效地对它们进行分析，必将加深人们对社会学的理解，促进社会学的发展。但是数据量的增大同时对分析技术提出了巨大的挑战。如今社会网络的规模早已超出了原有分析手段的处理能力，必须借助更为有效的工具才能完成分析任务。数据挖掘作为一种帮助人们从海量数据中发现潜在有用的知识的工具，在很多领域发挥了重要的作用。社会网络分析又称为链接挖掘，是指用数据挖掘的方法处理社会网络中的关系数据。本文对数据挖掘和社会网络分析中的一些方法进行了介绍并对数据挖掘算法在社会网络分析的应用进行了概括。 关键词：设会网络分析；数据挖掘；链接挖掘
1.引言 传统的机器学习处理的社会学中的对象是单独的数据实例，这些数据实例往往可以用一个包含多个属性值的向量来表示，同时这些数据实例之间假设是统计上独立的。例如要训练一个疾病诊断系统，它的任务是诊断一个被试者是否患有某种传染病。传统的学习算法用一个向量来表示一个被试者，同时假设两个被试者之间的患病情况是相互独立的，即知道一个确诊病人对于诊断其他被试者是否患病不能提供任何帮助。直观经验告诉我们这种假设是不合理的。直到二十世纪30 年代，Jacob Moreno 和哈佛大学的一组研究人员分别提出了社会网络模型来分析社会学中的现象和问题。现代社会学主要研究现代社会的发展和社会中的组织性或者团体性行为。社会学家发现社会实体之间存在着相互的依赖和联系，并且这种联系对于每个社会实体有着重要的影响。基于这样的观察，他们通过网络模型来刻画社会实体之间的关系，并进一步用来分析社会关系之间的模式和隐含规律。为了更好的研究这个问题，他们试图用图结构来刻画这种社会网络结构。一个社会网络由很多节点（node）和连接这些节点的一种或多种特定的链接（link）所组成。节点往往表示了个人或团体，也即传统数据挖掘中的数据实例，链接则表示了他们之间存在的各种关系（relation），如朋友关系、亲属关系、贸易关系、性关系等。 由于数据收集方式的限制，早期的社会网络局限于一个小的团体之内，往往仅包含几十个结点。借助于图论和概率统计的知识，人工处理可以从中分析出一些简单的性质和模式。但是，随着现代的通信技术的发展，越来越多的数据被收集和整合在一起，建立一个大的社会网络成为可能。例如，可以通过电子邮件的日志来建立使用者之间的联系网络，或者通过网络日志及网络通讯录等方式将用户提交的联系人信息建立社会网络。所以，现在的社会网络规模比早期网络庞大，通常包含几千或者几万的结点，甚至有多达百万个结点的网络。面对这样庞大复杂的网络，简单的数学知识和原始的人工处理已经不可能进行有效的分析。数据挖掘是从巨量数据中发现有效的、新颖的、潜在有用的并且最终可理解的模式的非平凡过程。数据挖掘就是为了解决当今拥有大量数据，但缺乏有效分析手段的
讨论一般时间序列相似的度量方式 1、概念： 时间序列的相似性度量是衡量两个时间序列的相似程度的方法。它是时间序列分类、聚类、异常发现等诸多数据挖掘问题的基础；也是时间序列挖掘的核心问题之一。 2、意义： 时间序列式进行序列查询、分类、预测的基本工作，寻求一种好的度量对提高挖掘任务的效率和准确性有着至关重要的意义。 3、影响因素： 两个序列是否相似，主要看它们的变化趋势是否一致。由于时间序列数据的复杂性特点，实际中不可能存在两条完全相同的时间序列，即使相似的时间序列往往也会呈现出各种各样的变化。所以，任何两个序列之间都存在着某种差异，影响这种差异的主要因素有： （1）噪声：现实的大多数时间序列数据都存在噪声，体现在图形上式指数据的曲线不光滑，即存在“毛刺”。 （2）振幅平移：即两条形态相似的时间序列分别绕高低不同的均值波动。（3）振幅伸缩：即两条时间序列的变化趋势相同，但其中一条时间序列在纵轴上似乎被拉伸或者压缩过一样，即两个序列的振幅不同。 （4）时间轴伸缩：是指两条时间序列的波形相似，但其中一条时间序列在时间轴上按比例伸缩。 （5）线性漂移：是指两条时间序列的波动节奏相似，但其中一条时间序列呈现线性递增或递减趋势。 （6）不连续性：是指两条时间序列整体的波动趋势相同，只是在别的时间点或段出现间断。
然而，在实际应用中情况要复杂得多，往往是以上多种因素交织在一起。时间序列的相似性并没有一个客观的定义，具有一定的个人偏好性，也就是说，不同的人或不同的应用场合对各种差异影响的重视程度是不一样的。给定两条时间序列 {}12,,....,n X x x x =和{}12=,,....m Y y y y ，相似性度量的问题就是在各种各样差异因素的影响下，寻求一个合适的相似性度量函数(),Sim X Y ，使得该函数能很好地反映时间序列数据的特点。 4、方法：目前时间序列相似性度量，最常用的有Minkowski 距离和动态时间弯曲。 一、Minkowski 距离 给定两条时间序列{}{}1 212....=....n n X x x x Y y y y =和 它们之间的Minkowski 距离如下： ()11,n p p i i i d X Y x y =??=- ???∑ Minkowski 距离是一种距离度量，因为它满足距离的三个条件： （1） 非负性：()(),0,,,0d X Y X Y d X Y ≥==当且仅当； （2） 对称性：()(),,;d X Y d Y X = （3） 三角不等式：()()(),,,d Y Z d X Y d X Z ≤+ 大多简单的相似性度量是Minkowski 距离及其它的变种，Minkowski 距离的优点是简单、直观且计算复杂度不高，与时间序列的长度成线性关系即序列长度的增加不会造成计算复杂程度的迅速提高。所以当训练集比较大时，Minkowski 距离比其他更有效。但是Minkowski 距离不支持时间序列的线性漂移和时间弯曲，且无法处理不等长的时间序列。