醫(yī)學(xué)數(shù)據(jù)挖掘

內(nèi)容概要

　　《全國(guó)高等醫(yī)藥類院校計(jì)算機(jī)規(guī)劃教材：醫(yī)學(xué)數(shù)據(jù)挖掘（SQL Server2005案例分析）》是一本很值得一讀的醫(yī)學(xué)案例數(shù)據(jù)挖掘教材，較全面地介紹了醫(yī)學(xué)數(shù)據(jù)挖掘的基本任務(wù)、方法及數(shù)據(jù)挖掘技術(shù)及基于SQL Server 2005的醫(yī)學(xué)實(shí)踐。　　全書共7章，內(nèi)容涵蓋核心的數(shù)據(jù)挖掘技術(shù)，包括：決策樹(shù)算法、回歸與時(shí)序算法、人工神經(jīng)網(wǎng)絡(luò)、關(guān)聯(lián)規(guī)則和聚類分析。此外，還提供了醫(yī)學(xué)數(shù)據(jù)挖掘的最佳實(shí)踐方法論，介紹了SQL Server 2005中數(shù)據(jù)挖掘的功能，并且對(duì)這些功能結(jié)合醫(yī)學(xué)實(shí)例作了較為詳細(xì)的講述。在附錄中還提供了SQL Server 2005的安裝方法。通過(guò)學(xué)習(xí)《全國(guó)高等醫(yī)藥類院校計(jì)算機(jī)規(guī)劃教材：醫(yī)學(xué)數(shù)據(jù)挖掘（SQL Server2005案例分析）》，讀者能理解數(shù)據(jù)挖掘的重要性并學(xué)會(huì)如何實(shí)踐數(shù)據(jù)挖掘。

書籍目錄

第1章 醫(yī)學(xué)數(shù)據(jù)挖掘概述1.1 數(shù)據(jù)挖掘概念1.1.1 數(shù)據(jù)挖掘的產(chǎn)生1.1.2 數(shù)據(jù)挖掘的定義1.2 數(shù)據(jù)挖掘的任務(wù)1.3 數(shù)據(jù)挖掘技術(shù)1.4 數(shù)據(jù)挖掘工具——SQL Server 20051.5數(shù)據(jù)挖掘技術(shù)在醫(yī)學(xué)領(lǐng)域中的應(yīng)用特點(diǎn)、現(xiàn)狀及展望本章小結(jié)習(xí)題第2章 數(shù)據(jù)挖掘方法和最佳實(shí)踐2.1 為什么需要方法論2.1.1 獲取不真實(shí)的知識(shí)2.1.2 獲取真實(shí)但無(wú)用的知識(shí)2.2 假設(shè)測(cè)試2.3 數(shù)據(jù)挖掘的方法本章小結(jié)習(xí)題第3章 決策樹(shù)3.1 決策樹(shù)的概念3.2 決策樹(shù)算法的基本原理3.2.1 ID3算法3.2.2 ID3算法的特點(diǎn)和面臨的問(wèn)題3.2.3 樹(shù)枝修剪3.2.4 其他決策樹(shù)算法3.3 利用Microsoft SQL Server 2005實(shí)踐決策樹(shù)算法3.3.1 案例背景3.3.2 Microsoft SQL Server 2005 Analysis Services操作步驟本章小結(jié)習(xí)題第4章 回歸與時(shí)序算法4.1 算法介紹4.2 回歸分析4.2.1 一元線性回歸分析4.2.2 多元線性回歸分析4.2.3 非線性回歸分析4.3 時(shí)間序列分析4.3.1 確定性時(shí)間序列分析方法4.3.2 隨機(jī)時(shí)間序列分析4.4 利用Microsoft SQL Server 2005實(shí)踐回歸與時(shí)序分析4.4.1 案例背景4.4.2 Microsoft SQL Server 2005 Analysis Services操作步驟本章小結(jié)習(xí)題第5章 人工神經(jīng)網(wǎng)絡(luò)5.1 人工神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介5.2 人工神經(jīng)網(wǎng)絡(luò)建?；A(chǔ)5.2.1 生物神經(jīng)網(wǎng)絡(luò)5.2.2 人工神經(jīng)元5.2.3 M.P模型5.2.4 人工神經(jīng)網(wǎng)絡(luò)分類5.2.5 人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)5.3 感知器神經(jīng)網(wǎng)絡(luò)5.3.1 單層感知器5.3.2 多層感知器5.3.3 誤差反傳（BP）算法5.4 利用Microsoft SQL Servet 2005實(shí)踐神經(jīng)網(wǎng)絡(luò)算法5.4.1 案例背景5.4.2 Microsoft SQL Server 2005 Analysis Services操作步驟本章小結(jié)習(xí)題第6章 關(guān)聯(lián)規(guī)則6.1 關(guān)聯(lián)規(guī)則概述6.2 關(guān)聯(lián)規(guī)則算法6.2.1 單維布爾關(guān)聯(lián)規(guī)則挖掘6.2.2 多層關(guān)聯(lián)規(guī)則挖掘6.2.3 多維關(guān)聯(lián)規(guī)則挖掘6.3 利用Microsoft SQL Server 2005實(shí)踐關(guān)聯(lián)規(guī)則算法6.3.1 案例背景6.3.2 Microsoft SQL Server 2005 Analysis Setvices操作步驟本章小結(jié)習(xí)顥第7章 聚類分析7.1 聚類分析相關(guān)概念及其分類7.1.1 相似性測(cè)量7.1.2 聚類分析算法簡(jiǎn)介7.2 k-Means算法7.3 EM算法7.4 利用Microsoft SQL Serlver 2005實(shí)踐聚類分析算法7.4.1 案例背景7.4.2 Microsoft SQL Server 2005 Analysis Setvices操作步驟本章小結(jié)習(xí)題附錄A SQL Server 2005數(shù)據(jù)庫(kù)的安裝附錄B 數(shù)據(jù)挖掘模擬試題（一）附錄C 數(shù)據(jù)挖掘模擬試題（二）參考文獻(xiàn)

編輯推薦

　　《全國(guó)高等醫(yī)藥類院校計(jì)算機(jī)規(guī)劃教材：醫(yī)學(xué)數(shù)據(jù)挖掘（SQL Server2005案例分析）》將醫(yī)學(xué)實(shí)例、數(shù)據(jù)挖掘技術(shù)、計(jì)算機(jī)應(yīng)用程序三者結(jié)合起來(lái)。首先介紹了數(shù)據(jù)挖掘任務(wù)；然后介紹了完成數(shù)據(jù)挖掘任務(wù)的方法論基礎(chǔ)；最后根據(jù)數(shù)據(jù)挖掘任務(wù)，依據(jù)數(shù)據(jù)挖掘的方法論，借助于SQL Server 2005詳細(xì)介紹了醫(yī)學(xué)數(shù)據(jù)挖掘領(lǐng)域的重要問(wèn)題——決策樹(shù)算法、回歸與時(shí)序算法、人工神經(jīng)網(wǎng)絡(luò)、關(guān)聯(lián)規(guī)則和聚類分析。

圖書封面

圖書標(biāo)簽Tags

無(wú)

評(píng)論、評(píng)分、閱讀與下載

---

    醫(yī)學(xué)數(shù)據(jù)挖掘 PDF格式下載

---