數據挖掘

內容概要

數據挖掘技術，又稱數據庫知識發(fā)現(xiàn)，是20世紀90年代在信息技術領域開始迅速興起的計算機技術。作者結合自己10余年來所從事的專家系統(tǒng)、機器學習、數據發(fā)掘，以及互聯(lián)網信息智能處理等方面科研與教學經驗，編著完成了本書。    本書系統(tǒng)地介紹了數據挖掘中的主要挖掘方法和對復雜數據進行挖掘的方法，以及在互聯(lián)網信息智能處理領域中，數據挖掘方法與技術的主要應用。    本書的主要內容包括：數據挖掘基本知識、數據挖掘處理流程、數據預處理方法、定性概念歸納、決策樹分類方法、回歸統(tǒng)計預測方法、關聯(lián)規(guī)則發(fā)現(xiàn)方法、各種聚類算法，以及復雜數據，尤其是多媒體數據挖掘方法的最新研究成果；此外還詳細介紹了利用數據挖掘方法獲取互聯(lián)網信息，挖掘互聯(lián)網使用知識，以及網絡安全中數據挖掘方法應用等。    本書作為學習、掌握和應用數據挖掘方法和技術的綜合指導書，是從事數據挖掘研究與設計人員、開發(fā)人員，以及需要了解數據挖掘有關方法與技術的IT技術人員的良師益友。同時也是一本較好的大學高年級或研究生相關課程的教材和參考書。

書籍目錄

前言第一章  數據挖掘導論  1.1  數據挖掘發(fā)展簡述    1.1.1  數據豐富與知識匱乏    1.1.2  從數據到知識    1.1.3  數據挖掘產生  1.2  數據挖掘基本知識    1.2.1  數據挖掘定義    1.2.2  數據挖掘深入  1.3  數據挖掘功能    1.3.1  概念描述：定性與對比    1.3.2  關聯(lián)分析    1.3.3  分類與預測    1.3.4  聚類分析    1.3.5  異類分析    1.3.6  演化分析  1.4  數據挖掘結果的評估  1.5  數據挖掘系統(tǒng)    1.5.1  數據挖掘系統(tǒng)分類    1.5.2  數據挖掘系統(tǒng)應用  1.6  數據挖掘研究重點  1.7  本章小結  參考文獻第二章  數據預處理  2.1  數據預處理的重要性  2.2  數據清洗     2.2.1  遺漏數據處理    2.2.2  噪聲數據處理    2.2.3  不一致數據處理  2.3  數據轉換處理    2.3.1  數據集成處理    2.3.2  數據轉換處理  2.4  數據消減    2.4.1  數據立方合計    2.4.2  維數消減    2.4.3  數據壓縮    2.4.4  數據塊消減  2.5  離散化和概念層次樹生成    2.5.1  數值概念層次樹生成    2.5.2  類別概念層次樹生成  2.6  本章小結  參考文獻第三章  定性歸納  3.1  概念描述基本知識  3.2   數據泛化與概要描述    3.2.1  數據泛化中的數據立方方法    3.2.2  基于屬性歸納方法    3.2.3  基于屬性歸納算法    3.2.4  基于屬性歸納結果的表示  3.3  屬性相關分析    3.3.1  屬性相關分析意義    3.3.2  屬性相關分析方法    3.3.3  分析定性描述示例  3.4  挖掘概念對比描述    3.4.1  概念對比方法與實現(xiàn)    3.4.2  要領對比描述的表示    3.4.3  概念的定性與對比描述的表示  3.5  挖掘大數據庫的描述型統(tǒng)計信息    3.5.1  計算中心趨勢    3.5.2  計算數據分布  3.6  方法討論    3.6.1  概念描述：經典機器學習比較    3.6.2  概念描述的遞增和并行挖掘  3.7  本章小結第四章  分類與預測  4.1  分類與預測基本知識  4.2  基于決策樹的分類  4.3  基于決策  …………第五章  關聯(lián)挖掘第六章  聚類分析第七章  復雜數據的挖掘第八章  互聯(lián)網信息挖掘第九章  互聯(lián)網使用挖掘第十章  網絡安全數據挖掘參考文獻

圖書封面

圖書標簽Tags

無

評論、評分、閱讀與下載

---

    數據挖掘 PDF格式下載

---