更新时间：2018-12-27 19:01:15
封面
版权信息
前言
第1部分 数据挖掘应用基础
第1章 数据挖掘概述
1.1 数据挖掘的社会需求
1.2 数据挖掘的定义
1.3 数据挖掘系统分类
1.4 数据挖掘的应用领域
1.5 数据挖掘标准和规范
1.6 数据挖掘面临的挑战和局限性
1.7 数据挖掘的发展趋势
1.8 小结
第2章 数据挖掘可挖掘的知识类型
2.1 概念与类描述
2.2 关联模式
2.3 分类
2.4 聚类分析
2.5 预测
2.6 时间序列
2.7 偏差检测
2.8 小结
第3章 数据挖掘的体系结构与模型
3.1 数据挖掘的体系结构
3.2 数据挖掘的过程模型
3.3 小结
第4章 数据选择
4.1 数据挖掘的对象
4.2 选择建模数据
4.3 构造建模数据集
4.4 小结
第5章 数据预处理
5.1 数据预处理基本功能
5.2 数据预处理的方法
5.3 小结
第2部分 数据挖掘经典算法
第6章 回归分析
6.1 回归分析的基本原理
6.2 一元线性回归分析
6.3 多元线性回归分析
6.4 非线性回归分析
6.5 应用实例分析
6.6 小结
第7章 贝叶斯分析
7.1 贝叶斯定理
7.2 贝叶斯分类
7.3 朴素贝叶斯分类
7.4 EM算法
7.5 贝叶斯信念网络
7.6 应用实例分析
7.7 小结
第8章 聚类分析
8.1 聚类分析原理
8.2 聚类分析常用算法分类
8.3 划分聚类方法
8.4 层次聚类方法
8.5 基于密度的聚类方法
8.6 基于网格的聚类方法
8.7 基于模型的聚类方法
8.8 高维数据的聚类方法
8.9 模糊聚类FCM
8.10 应用实例分析
8.11 小结
第9章 决策树算法
9.1 决策树算法原理
9.2 常用决策树算法
9.3 决策树剪枝
9.4 由决策树提取分类规则
9.5 应用实例分析
9.6 小结
第10章 关联规则算法
10.1 关联规则基础
10.2 关联规则算法原理
10.3 分层搜索经典算法——Apriori算法
10.4 并行挖掘算法
10.5 增量更新挖掘算法
10.6 多层关联规则挖掘
10.7 约束性关联规则挖掘
10.8 数量关联规则挖掘
10.9 多维关联规则挖掘
10.10 负关联规则挖掘算法
10.11 加权关联规则挖掘算法
10.12 应用实例分析
10.13 小结
第11章 粗糙集理论
11.1 粗糙集基本概念
11.2 知识表达
11.3 粗糙集在数据预处理中的应用
11.4 小结
第12章 神预处理
12.1 神经网络基本原理
12.2 BP神经网络
12.3 径向基函数神经网络
12.4 Hopfield神经网络
12.5 自组织神经网络
12.6 神经网络的应用
12.7 神经网络在数据挖掘中的应用
12.8 小结
第13章 遗传算法
13.1 遗传算法概述
