学科前沿课学习感想与心得(精品)

第一篇：学科前沿课学习感想与心得(精品)

“学科前沿课”学习感想与心得

学院：电气工程学院

专业：电气工程及其自动化

班级：

姓名： 学号： 那年九月，我拿着燕山大学录取通知书来到了燕山大学，来到了电气工程及其自动化专业。

做为一名电气工程及其自动化专业的大一学生，我对自己的专业并不是很了解，对于未来所接触到的工作方向更是没有头绪，我想不光是我自己，大部分大一新生都对自己的专业不是很了解，包括未来要学的，将来的工作方向都不是太了解。因此，在大一开设“学科前沿课”是很有必要的，给不知方向的我们指引了方向，从中我也了解和学习了很多的知识，对自己的专业有个大致的了解。下面说一说自己通过此课程和查阅相关资料所了解到的东西和感想。

对于电气工程及其自动化，它的触角伸向各行各业，小到一个开关的设计，大到宇航飞机的研究，都有它的身影。这个专业的学生（包括我自己）能够从事于电气工程有关的系统运行，自动控制，电力电子技术，信息处理，实验技术，研制开发，经济管理以及电子与计算机技术等领域的工作。电气工程及其自动化专业是电气信息领域的一门新兴学科，但由于和人们的日常生活以及工业生产密切相关，发展的非常迅速，现在也相对比较成熟。已经成为高新技术产业的重要组成部分，广泛应用于工业，农业，国防等领域，在国民经济中发挥着越来越重要的作用。控制理论和电力网理论是电气工程及其自动化专业的基础，电力电子技术，计算机技术则为其主要技术手段，同时也包含了系统分析，系统设计，系统开发以及系统管理与决策等研究领域，该专业还有一些特点，就是强弱电的结合，电工电子技术相结合，软件与硬件相结合，具有交叉学科的性质。电力，电子，控制，计算机多学科综合，使毕业生具有较强的适应能力，是“宽口径”专业。

在介绍一下主要课程。包括电气工程、控制科学与工程、计算机科学与技术、电路理论、电子技术、电力电子技术、自动控制原理、微机原理与应用、电气工程基础、电机学、电器学、电力系统分析、电机设计、高低压电器、电机控制、智能化电器原理与应用、电力系统继电保护、电力系统综合自动化、建筑供配电等。

通过上面自己专业的介绍，我对我的专业有了一定的了解。不错，我自己的专业是个“宽口径”专业，它综合了很多学科很多技术相结合，正如自己之前所说，我喜欢我所选择的这个专业，但是仅仅是喜欢是远远不够的，我还要衡量自己的综合素质。电气工程及其自动化专业需要具有扎实的数学，物理基础，较强的外语综合能力，为今后能够掌握并且灵活运用专业知识做准备。该专业方向的人才需求虽然大，但可供选择的人也很多，如果没有非常强的综合素质，很难在众人之中脱颖而出，取得突出成绩。

对于自己的这个专业，谈到我未来计划的工作方向，电气工程及其自动化专业培养的毕业生就业面宽、适应性强。该专业的毕业生主要面向电力行业就业，可从事电力设计、建设、调试、生产、运行、市场运营、科技开发和技术培训等工作，也可从事其他行业中的电气技术工作。主要就业单位有电力公司、电力设计院、电力规划院、电力建设部门、电力生产单位、电气工程研究开发公司和研究院以及具有电气相关专业的院校。自动控制、电力电子技术、信息处理、试验分析、研制开发、经济管理以及电子与计算机技术应用等领域的工作。

1、电业局

最好的是电业局。福利好，待遇高。

2、设计院

然后是设计院，工作相对比较轻松。

3、工程局 最艰苦的是工程局。因为要随着工程地点到处跑。但是工资也不低。总的来说是很不错的。而且还可以向自动化、电子等方向转行。

4、工业部门

“自动化”一是属于信息产业。信息产业被人们誉为“朝阳产业”，发展快、需要人才多、待遇高，是当今科技发展的趋势所在。因此，作为信息产业中的重要一员，自动化专业同样有着光辉的前途。二是自动化应用范围广。目前，几乎所有的工业部门都可以同自动控制挂上钩，现代化的农业、国防也都与自动化息息相关。三是本专业对于个人发展非常有利。本专业课程设置的覆盖面广，所学的东西与其他学科交叉甚多。这也与本专业的来历有关，自动化专业大部分源于计算机或者电子工程系的自动控制专业。

随着我国经济的不断发展，现代化工业的不断发展使电气自动化技术方面的人才市场有着相当大的潜力。尤其是广东地区，自动化生产技术不断提高，自动化产品不断普及，智能楼宇和智能家居的应用，智能交通的不断发展，为电气自动化技术专业提供了广阔的发展前景。

这个专业，强电，弱电都有的。因为，主要学习系统的东西。专业科目，主要是，电路、数学电子、模拟电子、控制系统、经典控制理论、现代控制理论、微机控制理论、还有电机拖动、PLC、电厂供电、单片机等。

当今是个人才竞争的时代，我们也正处于这个时代，我们有可能会被社会认可，也或许被社会淘汰，但这两者的根源还要归结为最主要的一点，就是自己是否已经为自己的前程铺好了路，学好本专业知识。有了知识，掌握了技术，不会使你迷茫；同时还可以让你的生活充实，不会使你虚度每一天。这就是我的感想与体会，当然感想与体会是一方面，最重要的还是要看未来行动，我是一个绝对能按计划做事的人，所以我相信只要按部就班的走下去，学好专业课，一定可以取得成果，这每一步也正是硕果的积累，四年之后，一个硕大的果儿将属于自己。

第二篇：学科前沿体验课感想

学科前沿体验课感想

来到了燕山大学，当初什么也不明白，只是听家长的选了这个专业，也不知道专业将来是干什么的，学校开了一门学科前沿体验课，这正好可以帮助我们这些不是很了解这个专业的内容和将来的就业方向等问题，让我们可以提早为将来做一些准备。

从老师为我们讲的课上，我知道了我所学的专业将来在大三的时候要分为两个方向，一个是焊接，另一个是热处理，我听了老师的介绍后，对焊接比较感兴趣，尤其是听了老师讲了鸟巢的焊接后，我对焊接有了更大的兴趣，鸟巢用钢4.8万吨，使用焊接材料超过2000吨，钢结构焊缝达到30万延米。自开始建设，科技人员就在炼钢、焊接、钢结构卸载等多个领域取得了重大突破，实现了Q460E-Z35高强钢的完全国产化，屡屡获得国家级工法认证、国家发明专利、国家实用新型专利和北京市科学技术奖项。鸟巢不仅为国家取得了荣誉，而且也攻克了一个有一个的难关，取得了一个又一个进步。在老师讲授的过程中，由于我们还没有上专业课，有很多东西我们都无法理解，所以，老是尽量以简单的方式给我们讲解，让我们可以理解。

还有一位老师讲解了有关稀土的知识，我国是世界上稀土资源最丰富的国家，稀土元素是典型的金属元素。它们的金属活泼性仅次于碱金属和碱土金属元素，而比其他金属元素活泼。在17个稀土元素当中，按金属的活泼次序排列，由钪，钇、镧递增，由镧到镥递减，即镧元素最活泼。稀土元素能形成化学稳定的氧化物、卤化物、硫化物。稀土元素可以和氮、氢、碳、磷发生反应，易溶于盐酸、硫酸和硝酸中。我国稀土产业从稀土资源大国逐渐发展成为生产大国、应用大国和出口大国的的历程。稀土有工业“黄金”之称，由于其具有优良的光电磁等物理特性,能与其他材料组成性能各异、品种繁多的新型材料，其最显著的功能就是大幅度提高其他产品的质量和性能。比如大幅度提高用于制造坦克、飞机、导弹的钢材、铝合金、镁合金、钛合金的战术性能。而且，稀土同样是电子、激光、核工业、超导等诸多高科技的润滑剂。稀土科技一旦用于军事，必然带来军事科技的跃升。从一定意义上说,美军在冷战后几次局部战争中压倒性控制，以及能够对敌人肆无忌惮地公开杀戮，正缘于稀土科技领域的超人一等。我国是名副其实的世界第一大稀土资源国，已探明的稀土资源量约6588万吨。我国稀土资源不但储量丰富，而且还具有矿种和稀土元素齐全、稀土品位及矿点分布合理等优势，为我国稀土工业的发展奠定了坚实的基础。中国稀土资源成矿条件十分有利、矿床类型齐全、分布面广而有相对集中，目前，地质科学工作中已在全国三分之二以上的省（区）发现上千处矿床、矿点和矿化地。但集中分布在内蒙古的白云鄂博、江西赣南、广东粤北、四川凉山和山东微山等地，形成北、南、西、东的分布格局，并且有北轻南重的分布特点。

还有一位老师讲了有关表面处理的知识，这样可以尽量的利用资源，做到了经济和资源的双重节约，表面处理在很多领域和方面都有应用。表面处理在基体材料表面上人工形成一层与基体的机械、物理和化学性能不同的表层的工艺方法。表面处理的目的是满足产品的耐蚀性、耐磨性、装饰或其他特种功能要求。对于金属铸件，我们比较常用的表面处理方法是，机械打磨，化学处理，表面热处理，喷涂表面，表面处理就是对工件表面进行清洁、清扫、去毛刺、去油污、去氧化皮等。表面处理包括有机械抛光，化学抛光，磷化涂装，喷漆喷塑、电镀电泳、氧化发黑、着色染色等。

其中一位老师也为我们讲解了一些关于我们专业在航空航天等方面的应用，飞行器所经受的高温环境是空气动力加热、发动机燃气以及太空中太阳的辐照造成的。航空器要长时间在空气中飞行，有的飞行速度高达3倍音速,所使用的高温材料要具有良好的高温持久强度、蠕变强度、热疲劳强度，在空气和腐蚀介质中要有高的抗氧化性能和抗热腐蚀性能，并应具有在高温下长期工作的组织结构稳定性。火箭发动机燃气温度可达3000°C以上，喷射速度可达十余个马赫数，而且固体火箭燃气中还夹杂有固体粒子，弹道导弹头部在再入大气层时速度高达20个马赫数以上，温度高达上万摄氏度，有时还会受到粒子云的侵蚀，因此在航天技术领域中所涉及的高温环境往往同时包括高温高速气流和粒子的冲刷。在这种条件下需要利用材料所具有的熔解热、蒸发热、升华热、分解热、化合热以及高温粘性等物理性能来设计高温耐烧蚀材料和发汗冷却材料以满足高温环境的要求。太阳辐照会造成在外层空间运行的卫星和飞船表面温度的交变，一般采用温控涂层和隔热材料来解决。低温环境的形成来自大自然和低温推进剂。飞机在同温层以亚音速飞行时表面温度会降到-50°C左右,极圈以内各地域的严冬会使机场环境温度下降到-40°C以下。在这种环境下要求金属构件或橡胶轮胎不产生脆化现象。液体火箭使用液氧(沸点为-183°C)和液氢(沸点为-253°C)作推进剂，这为材料提出了更严峻的环境条件。部分金属材料和绝大多数高分子材料在这种条件下都会变脆。通过发展或选择合适的材料，如纯铝和铝合金、钛合金、低温钢、聚四氟乙烯、聚酰亚胺和全氟聚醚等，才能解决超低温下结构承受载荷的能力和密封等问题。为了减轻飞行器的结构重量，选取尽可能小的安全余量而达到绝对可靠的安全寿命，被认为是飞行器设计的奋斗目标。对于导弹或运载火箭等短时间一次使用的飞行器，人们力求把材料性能发挥到极限程度。为了充分利用材料强度并保证安全，对于金属材料已经使用“损伤容限设计原则”。这就要求材料不但具有高的比强度，而且还要有高的断裂韧性。在模拟使用的条件下测定出材料的裂纹起始寿命和裂纹的扩展速率等数据，并计算出允许的裂纹长度和相应的寿命，以此作为设计、生产和使用的重要依据。对于有机非金属材料则要求进行自然老化和人工加速老化试验，确定其寿命的保险期。复合材料的破损模式、寿命和安全也是一项重要的研究课题。

最后，我要感谢老师老师为我们讲解的这些专业知识，他们让我们提前知道了我们要学习的内容，给我们指明了方向，让我们可以更好地了解我们所学的专业。

第三篇：学科前沿讲座心得

桂林电子科技大学 学科前沿技术讲座

心得体会

学号：10203110

5姓名：刘瑞

指导教师：王冲

专业名称：计算机应用技术

所属学院：计算机科学与工程学院

成绩：

近年来，数据挖掘引起了信息产业界的极大关注，其主要原因是存在大量数据，可以广泛使用，并且迫切需要将这些数据转换成有用的信息和知识。获取的信息和知识可以广泛用于各种应用，包括商务管理，生产控制，市场分析，工程设计和科学探索等。

机器学习和数据挖掘这些年一直是计算机应用方面研究的重点和热点，首先要了解什么是数据挖掘，简单地说，数据挖掘是从大量数据中提取或“挖掘”知识。我一直对这方面的知识颇感兴趣，这学期学院开设的学术前沿讲座的课程，很有幸听到了文益民教授对于自己在机器学习和数据挖掘方面研究的讲座，让我对这些知识有了深入浅出的理解，受益匪浅。

12月5号，文益民教授做了题为“大规模数据的分类”的讲座，在讲座的最开始，文教授提到了戈登·德莱顿《学习的革命》一书，皆在指导我们如何积累知识如何思考如何学习如何去做研究，具有抛砖引玉的指导意义。在这之后，又对了解机器学习和数据挖掘首先要了解的知识做了简要的说明，比如对于问题的分类是分为线性问题和非线性问题；比如聚类的含义是将物理或抽象对象的集合分成由类似的对象组成的多个类的过程；比如对于这个世界上计算机的分类可以只分成工人（maker）和思考者（thinker）两类。至此正式进入问题的讨论。

对于这次讲座，文教授从四个方面进行了讲授。第一，实际应用中的大规模数据分类问题。第二，大规模数据给机器学习带来的挑战。第三，大规模数据分类算法的研究。第四，展望发展前景。文教授主要是在第三点中做了很多工作也取得了可喜的成绩。

在机器学习的实际应用中，大规模数据分类问题一般会应用在以下几个方面，在高速高精度的工业图像检测方面，在专利分类方面，在生物信息数据快速增长方面，在支持向量机参数选择方面。

大规模数据给机器学习带来的问题有：

1、算法一般不是收敛太慢就是难以收敛，训练时间过长。

2、海量数据无法一次装入内存。

3、算法可靠性得不到保证。

4、已经训练好的学习器遇到心得训练样本时需要重新训练。

在最重要的部分，文教授提到了几个重要的研究方法，包括算法，这里面包含有：

1、基于并行计算的算法，2、以并行计算方法求解工作集方法中每个迭代步中二次规划的子问题，3、Meta-learning，最小最大模块化支持向量机以及快

速模块化支持向量机，4、Cluster-SVM，Cluster-based-SVM，Cascade-SVM。文教授在第三和第四点中都有自己的工作和贡献，在第三点中，他提出了分类面拼接算法，在第四点中，提出了分层并行支持向量机训练算法。对于分类面拼接算法我进行了比较仔细的了解，并下载阅读了文教授于2009年3月份在湖南大学学报上发表的论文“基于分类面的快速模块化支持向量机研究”，对于分类面拼接算法有了初步的研究，下面说说我对这个算法的理解。

信息采集和信息处理技术的快速发展导致了诸如公共健康数据、信用交易数据、国家经济普查数据、网络文本数据和地理信息数据等大规模数据集的产生。由于训练时间很长和空间需求很大，现有的大多数机器学习算法很难被直接用于大规模数据的机器学习。

这个算法是针对大多数现有的机器学习算法处理大规模问题时需要的训练时间很长和存储空间很大的难点而提出的，英文名是psfnr SVMs，在训练阶段，psfm2SVMs采用一簇平行超平面对大规模问题实施软划分，然后针对每个子问题并行训练支持向量机。在测试阶段，测试样本坐落于哪个子问题所在空间中，就由该子问题训练的支持向量机给出判别结果。在4个大规模问题上的实验表明:与采取硬划分的快速模块化支持向量机(fm2SVMs)相比，软划分能够使psfm2SVMs得到更加光滑的分类面，因而ps2fm2SVMs的泛化能力较高。在不增加训练时间的条件下，psfm2SVMs减少了由于训练集分割导致的分类器泛化能力下降。

支持向量机方法的本质是在训练集的一个高维像空间中寻找最大间隔分类超平面，这个分类超平面对应于训练集所在空间的一个光滑曲面。如果采用训练集分割的方法，将这个光滑曲面分段求出，然后进行连接，就可以得到这个光滑曲面的近似曲面。

该算法使用平行超平面簇对训练集实施软划分，使得拼接后的分类面相比fm2SVMs得到的分类面更光滑，更接近最优分类曲面。因而，psfm2SVMs 的泛化能力比fm2SVMs的泛化能力要高。在并行条件下，两者的训练时间和测试时间相同。在多核计算技术快速发展的今天，本文提出的算法，提供了一种可行的并行机器学习框架，对于研制高速高精度的机器学习算法具有一定的借鉴意义。未来计划研究随机向量w的方向对psfm2SVMs泛化能力的影响，并将

该算法用于高速高精度工业图像检测。

这就是我的心得体会，在讲座的最后，文教授还对机器学习和数据挖掘的未来进行了展望，诸如现在流行的云计算，还有动态数据流学习，例外的发现，学习更复杂的函数，粒计算等等，都是今后发展的的热点。听完这个讲座，我感到责任重大，即使是一个点，也还有很多方面值得拓展和探索，作为研究生，研究是我们主要的工作，想要取得满意的结果和优异的成绩，我们所要做的就是倍加努力，汲取现有的知识，在新的领域开拓新的研究道路，积极探索，永不止步。

第四篇：学科前沿讲座心得

学科前沿讲座心得

08营销一班

汤申萍

0806100117 在科学技术和信息技术的带动下，经济全球化的进程逐步加快，企业面临的竞争已演变为价值链与价值链之间的竞争，为了提高供应链管理对我绩效，要做到拥有高效运行机制的同时建立一个科学合理的供应链及其管理系统。因此，供应链优化势在必行。

今天企业面临的最大挑战之一，就是要对从未有过的需求变数做出快速的反应。很多原因导致了产品和技术的生命周期缩短，企业间的竞争压力也导致产品的频繁变化。为了应对这个挑战，企业需要集中力量做到比以前更敏捷，以便在更短的时间内对产量和种类的变化做出反应。一条快速的供应链能够是企业更加快速的发展。

供应链的定义是：供应链是围绕核心企业，将供应商、制造商、分销商、零售商，直至最终客户连成一个整体的功能网链结构，通过对信息流、物流，资金流的控制，从采购原材料开始，制成中间产品以及最终产品，最后由销售网络把产品送到消费者手中。供应链管理的基本概念使供应商、制造商、分销商、零售商和最终 用户形成整体的功能网链；包括所有加盟企业（节点企业）；从原材料供应开始，直至最终产品；通过供应商到用户的物料链、信息链和资金链，实现增值链，即使相关企业都有收益（多赢）。

首先，供应链管理把产品在满足客户需求的过程中对成本有影响的各个成员单位都考虑在内了，包括从原材料供应商、制造商到仓库再经过配送中心到渠道商。不过，实际上在供应链分析中，有必要考虑供应商的供应商以及顾客的顾客，因为它们对供应链的业绩也是有影响的。

其次，供应链管理的目的在于追求整个供应链的整体效率和整个系统费用的有效性，总是力图使系统总成本降至最低。因此，供应链管理的重点不在于简单地使某个供应链成员的运输成本达到最小或减少库存，而在于通过采用系统方法来协调供应链成员以使整个供应链总成本最低，使整个供应链系统处于最流畅的运作中。

第三，供应链管理是围绕把供应商、制造商、仓库、配送中心和渠道商有机结合成一体这个问题来展开的，因此它包括企业许多层次上的活动，包括战略层次、战术层次和作业层次等。

尽管在实际的物流管理中，只有通过供应链的有机整合，企业才能显著地降低成本和提高服务水平，但是在实践中供应链的整合是非常困难的，这是因为：首先，供应链中的不同成员存在着不同的、相互冲突的目标。比如，供应商一般希望制造商进行稳定数量的大量采购，而交货期可以灵活变动；与供应商愿望相反，尽管大多数制造商愿意实施长期生产运转，但它们必须顾及顾客的需求及其变化并作出积极响应，这就要求制造商灵活地选择采购策略。因此，供应商的目标与制造商追求灵活性的目标之间就不可避免地存在矛盾。

供应链是一个动态的系统，随时间而不断地变化。事实上，不仅顾客需求和供应商能力随时间而变化，而且供应链成员之间的关系也会随时间而变化。比如，随着顾客购买力的提高，供应商和制造商均面临着更大的压力来生产更多品种更具个性化的高质量产品，进而最终生产定制化的产品。

在听讲座的时候老师讲得很认真，我也带着解决以下五个问题尝试着学习。包括物流管理与供应链管理的关系处理，物流企业和生产制造企业物流的视觉差异、物流管理战略和战术问题的区分与协调、反映物流领域的最新研究与实践成果及理论性与实用性相合共五个问题。

学习的过程可以分为两个阶段，一从被动地听老师授课，起初就觉得讲座理论性太强，而可感性又不高，难以更好的理解书中的理论，没法更好地学习知识点，二对课本上所提到的案例加上老师的讲解后，案例具体的指出存在的相关问题，并提出的对应的解决措施，我对课程理论的学习进入了半知半解的状态，有了一定的认识、了解、感悟，通过听讲座我对书本的理论又有了进一步的认识，可感悟有了进一步的提升。对比自己本学期所学到的知识及能力，感觉自己再具体提出相关解决措施的时候，没办法更好的调研、分析，得出解决的方案，理论与实际的两者结合不够，没办法列出更为具体且行的方式以解决问题，提出方案的可操作性都有待提升。

自己学习方面的转变由只是老师讲解，转变到了自己主动去了解、学习。通过自己上网下载相关案例，学习更多的东西。这就是我这学期有学习进步的地方。

不足之处：由于是第一次听这一类的讲座，自己没办法去了解到哪些途径与方法能够更好的解决我们的问题。通过本学期的学习，我明显的感觉到了，在看待问题，分析、解决具体问题方面的能力，明显不足，心态上有些急切，很想学习相关方面的具体解决问题的知识，进一步提升自己。

在进一步学习的方面，我希望老师能再强化学生在这方面的意识，旨在合适的时候指出学生的不足和问题，让学生更好的意识到问题，有何途径去更好的解决问题，灌输树立学生们树立这方面的意识或习惯。

学生和老师的沟通不足，导致学生上课没办法更好的与老师所讲解的内容，能有知识。思想或思维上的碰撞，擦出思维碰撞的火花。在讲座之前，老师能先提前跟下节课有关的案例，课后让学生更好的在课前提出相关的问题，讲座上引导学生更好的在课前思考提出相关的问题，讲座上引导学生广泛地参与到思考与讨论中出现了什么问题，为什么会出现问题，怎么去解决问题，为什么要这么去解决问题，如何具体的提出相关可行具体的方案去落实。这样子就能更好地让学生对理论与运用有更深地认识了。

通过这次讲座我不仅学习到了专业知识，也使得我的视野更开阔了，学习能力也提高了。我觉得这是我踏上社会之前收获的一笔财富。

第五篇：学科前沿讲座心得

学科前沿讲座—数据挖掘

近年来，大数据、云计算等非常火热。听了老师所讲的关于《数据挖掘》这块的相关知识讲解，颇有感受。下面就是我听过讲座之后以及查阅资料之后，对数据挖掘的一些认识。

随着数据库技术和计算机网络的迅速发展以及数据库管理系统的广泛应用，人们积累的数据越来越多，而数据挖掘就是在这样的背景下产生的。简单的说，数据挖掘就是从大量数据中提取或“挖掘”出潜在的、有价值的知识、模型或者规则的过程。作为一类深层次的数据分析方法，它利用了数据库、人工智能和数理统计等方面的技术。

在听讲座时，老师主要讲解了一下数据挖掘中的有关关联规则、聚类、分类的方法以及相关的算法。老师在讲关联规则时，提到了关于“尿布与啤酒”的故事。一般，按照我们常规思维，这两种东西根本就是两个毫无关联的商品，但是借助数据挖掘技术对大量交易数据进行挖掘之后，却可以寻求到这一有价值的规律。从一定程度上可以表明数据挖掘技术的巨大价值。

另外还讲到了关联规则算法---Apriori算法。Apriori算法使用频繁项集的先验知识，使用一种称作逐层搜索的迭代方法，k项集用于探索(k+1)项集。首先，通过扫描事务（交易）记录，找出所有的频繁1项集，该集合记做L1，然后利用L1找频繁2项集的集合L2，L2找L3，如此下去，直到不能再找到任何频繁k项集。最后再在所有的频繁集中找出强规则，即产生用户感兴趣的关联规则。其中，Apriori算法具有这样一条性质：任一频繁项集的所有非空子集也必须是频繁的。因为假如P(I)< 最小支持度阈值，当有元素A添加到I中时，结果项集（A∩I）不可能比I出现次数更多。因此A∩I也不是频繁的。

说到数据挖掘，应该了解数据挖掘包含哪些步骤？第一，要确定研究对象，这是数据挖掘的重要一步。数据挖掘的最后结是不可预测的，但是要探索的问题是很明确的。第二，数据准备阶段。具体包含以下步骤：

1)数据的选择，即搜索所有与业务对象有关的内部和外部数据信息，并从中选择出适用于数据挖掘应用的数据

2)数据的预处理，即研究诗句的质量，为进一步分析做准备，并确定将要进行的挖掘操作的种类

3)数据的转换，将数据转换成一个分析模型，这个分析模型是针对挖掘算法建立的，能否建立一个真正适合挖掘算法的分析模型是数据挖掘成功的关键。

第三，数据挖掘阶段。即对经过预处理的数据进行挖掘，包括分析和预测，关联分析以及聚类分析相关算法等。第四，结果分析阶段，解释并对结果进行评估，通常使用到可视化技术。第五，知识的同化，将分析所得到的知识集成到业务信息系统的组织结构中去，从而得到有价值的信息。

通过上网查询资料，了解到数据挖掘有一下七种常用方法：

① 分类。分类是找出数据库中一组数据对象的共同特点并按照分类模式将其划分为不同的类，其目的是通过分类模型，将数据库中的数据项映射到某个给定的类别，使用到KNN算法。它可以应用到客户的分类、客户的属性和特征分析、客户满意度分析、客户的购买趋势预测等，如一个汽车零售商将客户按照对汽车的喜好划分成不同的类，这样营销人员就可以将新型汽车的广告手册直接邮寄到有这种喜好的客户手中，从而大大增加了商业机会。②回归分析。回归分析方法反映的是事务数据库中属性值在时间上的特征，产生一个将数据项映射到一个实值预测变量的函数，发现变量或属性间的依赖关系，其主要研究问题包括数据序列的趋势特征、数据序列的预测以及数据间的相关关系等。它可以应用到市场营销的各个方面，如客户寻求、保持和预防客户流失活动、产品生命周期分析、销售趋势预测及有针对性的促销活动等。③聚类。聚类分析是把一组数据按照相似性和差异性分为几个类别，其目的是使得属于同一类别的数据间的相似性尽可能大，不同类别中的数据间的相似性尽可能小。使用到 K-means算法。它可以应用到客户群体的分类、客户背景分析、客户购买趋势预测、市场的细分等。

④关联规则。关联规则是描述数据库中数据项之间所存在的关系的规则，即根据一个事务中某些项的出现可导出另一些项在同一事务中也出现，即隐藏在数据间的关联或相互关系。在客户关系管理中，通过对企业的客户数据库里的大量数据进行挖掘，可以从大量的记录中发现有趣的关联关系，找出影响市场营销效果的关键因素，为产品定位、定价与定制客户群，客户寻求、细分与保持，市场营销与推销，营销风险评估和诈骗预测等决策支持提供参考依据。

⑤特征。特征分析是从数据库中的一组数据中提取出关于这些数据的特征式，这些特征式表达了该数据集的总体特征。如营销人员通过对客户流失因素的特征提取，可以得到导致客户流失的一系列原因和主要特征，利用这些特征可以有效地预防客户的流失。

⑥变化和偏差分析。偏差包括很大一类潜在有趣的知识，如分类中的反常实例，模式的例外，观察结果对期望的偏差等，其目的是寻找观察结果与参照量之间有意义的差别。在企业危机管理及其预警中，管理者更感兴趣的是那些意外规则。意外规则的挖掘可以应用到各种异常信息的发现、分析、识别、评价和预警等方面。

⑦Web页挖掘。随着Internet的迅速发展及Web 的全球普及，使得Web上的信息量无比丰富，通过对Web的挖掘，可以利用Web 的海量数据进行分析，收集政治、经济、政策、科技、金融、各种市场、竞争对手、供求信息、客户等有关的信息，集中精力分析和处理那些对企业有重大或潜在重大影响的外部环境信息和内部经营信息，并根据分析结果找出企业管理过程中出现的各种问题和可能引起危机的先兆，对这些信息进行分析和处理，以便识别、分析、评价和管理危机。数据挖掘是一种决策支持过程，它通过高度自动化地分析企业的数据，做出归纳性的推理，从中挖掘出潜在的模式，帮助决策者调整市场策略，减少风险，做出正确的决策。这对于一个企业的发展十分重要。

通过听此次学科前沿讲座以及查阅相关资料，对数据挖掘有了一个较为全面的了解。在这个信息化时代，数据挖掘技术是一个发展很迅速的领域，随着数据挖掘技术在各个领域的发展和应用，未来会有很多人投入到数据挖掘技术的学习和研究中来。对我来说，作为一个计算机专业的人，数据挖掘也是我继续关注和学习的一个领域，现在应该学习更多相关的知识，为将来打好基础。