数据挖掘技术及应用

数据挖掘和知识发现是目前几乎所有涉及到海量数据处理的行业与领域都会采用的关键技术之一。本书从数据挖掘的概念、方法、技术及应用等多个角度描述了数据挖掘与知识发现的成果，是一本具有较高参考价值的学术著作。 本书对数据挖掘的技术进行了较为全面的介绍，针对每项技术在不同领域的应用进行了初步探讨，并给出了一个数据挖掘系统设计与开发的全过程。本书从一些数据挖掘中的具体应用案例出发，引出相关理论，从问题背景到数据挖掘方法的具体应用都有说明，对实践极富指导价值。全书七章内容包括关联规则挖掘方法、数据分类与聚类技术、预测与序列模式发现方法以及Web挖掘等。 本书可作为高等院校计算机及相关专业本科高年级学生的参考教材，也可作为计算机软件与应用、信息科学等专业研究生的专业课教材或参考书，还可作为信息产业管理部门、信息技术公司及其他从事海量数据处理的相关人员进行本行业领域研究与开发的参考书。

暂缺《数据挖掘技术及应用》作者简介

第1章 数据挖掘概述
1.1 数据挖掘技术产生的动力
1.2 数据挖掘的概念与方法概述
1.3 数据挖掘的分类
1.4 数据挖掘的主要功能
1.5 数据挖掘的工具及软件
1.6 数据挖掘的专利
1.7 数据挖掘技术的应用状况
1.8 本章小结
本章参考文献
思考题
第2章 关联规则发现
2.1 关联规则挖掘的典型问题--货篮数据分析
2.2 关联规则挖掘的基本概念
2.3 二值型关联规则挖掘
2.4 并行关联规则挖掘算法
2.5 数值型关联规则挖掘算法
2.6 多层次关联规则挖掘
2.7 增量式关联规则挖掘
2.8 关联规则挖掘的其他问题
2.9 关联规则挖掘在文献分析中的应用
2.10 本章小结
本章参考文献
思考题
第3章 数据分类
3.1 决策树
3.2 神经网络
3.3 遗传算法
3.4 支持向量机
3.5 其他分类方法
3.6 分类方法在人脸识别中的应用
3.7 本章小结
本章参考文献
思考题
第4章 聚类分析
4.1 聚类和聚类分析
4.2 数据类型
4.3 相似度量方法
4.4 聚类方法的分类
4.5 划分聚类方法
4.6 层次聚类方法
4.7 基于空间索引的聚类方法
4.8 自组织神经网络
4.9 其他聚类方法
4.10 聚类方法的评价
4.11 聚类应用案例
4.12 本章小结
本章参考文献
思考题
第5章 统计预测方法与序列模式挖掘
5.1 时间序列与序列模式
5.2 时间序列预测的基本方法
5.3 回归预测方法
5.4 统计预测案例分析
5.5 序列模式挖掘的基本概念与方法
5.6 多层次序列模式挖掘方法
5.7 多层次序列模式挖掘在供应链管理中的应用
5.8 本章小结
本章参考文献
思考题
第6章 Web上的数据挖掘
6.1 Web上的数据
6.2 Web上的数据挖掘
6.3 Web中数据挖掘的应用
6.4 XML与数据挖掘
6.5 电子商务的数据挖掘
6.6 本章小结
本章参考文献
思考题
第7章 数据挖掘系统的设计与实现
7.1 数据挖掘工具
7.2 分布式环境下的集成数据挖掘系统
7.3 本章小结
本章参考文献
思考题
附录 数据挖掘产品特点与应用案例表