东莞理工学院：《数字建模》课程教学大纲（2024-2025第一学期）

东莞理工学院：《多媒体概论》课程教学大纲（2024-2025第一学期）

东莞理工学院：《短视频创作》课程教学大纲（2024-2025第一学期）

东莞理工学院：《程序设计I》课程教学大纲（2024-2025第一学期）

东莞理工学院：《UE4基础应用》课程教学大纲（2024-2025第一学期）

东莞理工学院：《WEB前端应用开发》课程教学大纲（2024-2025第一学期）

东莞理工学院：《场景建模设计》课程教学大纲（2024-2025第一学期）

《物联网编程技术》课程实验指导书（Python，共三十个实验）

5.1 概述. 2 5.1.1 什么是分类.2 5.1.2 分类的一般步骤.3 5.2 Rocchio 方法. 4 5.3 k-近邻法. 5 5.4 决策树方法. 6 5.4.1 决策树的概念.6 5.4.2 属性选择度量.6 5.4.3 决策树的常用算法.10 5.5 贝叶斯方法. 11 5.5.1 贝叶斯原理.11 5.5.2 朴素贝叶斯分类.11 5.6 分类结果评估. 13 5.6.1 常用评估度量.13 5.6.2 文本分类的评估.14 5.7 自动分类的案例与软件操作. 15 5.7.1 决策树案例（SPSS Modeler） .15 5.7.2 决策树案例（R 语言）.19

4.1 概述. 1 4.1.1 什么是聚类分析.1 4.1.2 基本聚类方法概述.2 4.1.3 文本聚类.3 4.2 数据间的相似性度量. 4 4.2.1 数据对象间的距离.4 4.2.2 数据对象间的相似系数.5 4.2.3 数据类间的距离.5 4.2.4 数据标准化.7 4.3 基本聚类方法. 7 4.3.1 k-均值聚类方法 .7 4.3.2 层次聚类方法.8 4.3.3 聚类要注意的问题.10 4.4 基于密度的聚类（待更新）. 10 4.5 聚类结果的评估. 10 4.5.1 基于用户验证的评估方法.11 4.5.2 基于真实数据的聚类结果评估.11 4.6 聚类分析的案例与软件操作. 11 4.6.1 K-MEANS 聚类案例(SPSS Modeler).11 4.6.2 K-MEANS 聚类案例(R 语言) .15 4.6.3 层次聚类案例（SPSS）.20 4.6.4 层次聚类案例（R 语言）.23