一. 概念解释
1、关系模型 2、DBMS、DBA 3、触发器、存储过程 4、数据仓库、数据挖掘
5、标称属性、二元属性、序数属性 6、闭频繁项集、极大频繁项集 7、分类、决策树归纳、朴素贝叶斯分类 8、聚类的划分方法、聚类的层次方法 9、ODBC，OLE DB，ADO，JDBC 10、Servlet和JSP 二. 叙述题
1、何谓视图？举例说明在数据库设计时引入视图有何益处。 2、为什么要引入事务的概念？何谓ACID性质？
3、数据库系统的那些故障可以自动恢复？那些故障需要人工干预恢复？ 4、使用触发器有何优点？举例说明如何使用触发器保证数据的一致性。 5、为什么说触发器和存储过程可以实现安全控制的目的？ 6、在数据库系统中，日志和审计的作用是什么？
7、在3层Web应用体系架构里，Web服务器、应用服务器、数据库服务器分别完成什么任务？
8、数据的基本统计描述中，中心趋势度量包括哪几种？请举例说明。 9、数据挖掘的常用方法有那些？ 10、简述数据挖掘对聚类的典型要求。
11、举例说明何谓关联规则挖掘中的支持度和置信度。
12、为什么朴素贝叶斯分类称为“朴素”的？简述朴素贝叶斯分类的主要思想。 三. SQL语言
表 T_st
SNO 08300205 07010412 08080929 09350124 SNAME 李媛媛 张明凯 刘超世 王彤 SSEX 女 男 男 女 AGE 19 20 19 19 DEPT 软件工程 机械设计制造 计算机应用技术 通信工程 09620233 09300218 陈晓丽 王海超 女 男 21 19 计算机应用技术 软件工程 表 T_Course
SNO 08300205 08300205 08300205 07010412 08080929 09350124 09620233 09300218 09010122 07010412 08080929 09010122 08300516 07010412
1、在表T_st中查询所有软件工程专业学生的姓名和性别； 2、在表st_1中统计出女同学的人数； 3、查询陈晓丽同学所有课程的成绩；
4、查询所有选修了数据库课程的学生的学号、姓名、专业和成绩； 5、把表T_st中陈晓丽的专业修改为通信工程，删除张明凯的记录；
6、为保证T_st和T_Course的数据一致性，在表T_st上建立一个删除触发器和一个更新触发器。
四、某公司拟开发一个简单的进销存管理系统（不涉及入库管理部分），其中包括订单信息、客户信息、商品信息、库存信息、出库信息等。
请你给出一个详细的数据库设计方案（包括ER图、关系图、主键、外键或触发器）。
五、下面的相依表汇总了超市的事务数据。其中，hot dogs表示包含热狗的事务，¬hot dogs表示不包含热狗的事务，hamburgers表示包含汉堡包的事务，¬hamburgers表示不包含汉堡包的事务。
hamburgers ¬hamburgers ∑col Hot dogs 2000 1000 3000 ¬hot dogs 500 1500 2000 ∑row 2500 2500 COURSE 数据库 程序设计 力学 数据库 数据库 数据库 数据库 数据库 数据库 程序设计 程序设计 程序设计 程序设计 机械原理 CREDIT 2.5 4 5 2.5 2.5 2.5 2.5 2.5 2.5 4 4 4 4 4 GRADE 90 88 92 87 85 92 80 78 87 90 86 80 76 88 （1）假设挖掘出了关联规则“hot dogs＝＞hamburgers”。给定最小支持度阈值25%，最小置信度阈值50%，该关联规则是强规则吗？
（2）根据给定的数据，买hot dogs独立于买 hamburgers 吗？如果不是，两者之间存在何种相关联系？
（3）再给定的数据上，将全置信度、最大置信度、Kulczynski和余弦的使用与提升度和相关度进行比较。
六、顾客数据如下表所示：
RID 1 2 3 4 5 6 7 8 9 10 11 12 13 14 Age Youth Youth Middle_aged Senior Senior Senior Middle_aged Youth Youth Senior Youth Middle_aged Middle_aged Senior Income High High High Student Credit_ratiing Class:buys_computer No No No Fair Excellent Fair Fair Fair Excellent excellent Fair Fair Fair Excellent Excellent Fair Excellent No No Yes Yes Yes No Yes No Yes Yes Yes Yes Yes No Medium No Low Low Low Yes Yes Yes Medium No Low Yes Medium Yes Medium Yes Medium No High Yes Medium no 请使用决策树分类方法判断：
X=（Age=Youth,Student=Yes）的类标号。
七、假设数据挖掘的任务是将如下的8个点聚类为3个簇。
A1（2,10），A2(2,5),A3(8,4),B1(5.8),B2(7.5),B3(6,4),C1(1,2),C2(4,9)
距离函数是欧式距离。假设初始我们选择A1，B1和C1分别为每个簇的中心，用k-均值算法给出：
（1）在第一轮执行后的3个簇中心； （2）最后的3个簇。
因篇幅问题不能全部显示，请点此查看更多更全内容