数据挖掘算法及其工程应用

　　随着数据库技术在工程领域中的广泛应用，对工程数据的后期分析和处理具有广泛的应用前景。本书以各类数据挖掘算法为核心，以智能数据分析技术的发展历程为主线，结合作者自身的研究和应用经验，详细阐述了数理统计、机器学习、软计算、关联挖掘和支持向量集等研究领域的成熟算法，并研究了各类方法在工业过程控制、水轮机调速智能监控、物流配送车辆路径优化等工程领域的实际应用，便于读者了解各种技术的应用对象、应用方法及应用效果。本书内容丰富，论述简明，强调具体挖掘算法的分析和使用，力求实现数据挖掘技术从商业到工程领域应用的转变。可作为工科有关专业研究生和本、专科生的教学参考书，也可作为工程技术人员的自学读物。

　　章兢，1957年生，博士，教授，博士生导师。现任湖南大学事校长，教育部高等学校文化素质教育指导委员会委员，全国高等学校自动化专业教学指导委员会委员，中国电工技术学会理事，湖南省电工技术学会理事长。主要从事复杂系统计算机控制，模式识别等领域的研究工作。已发表论文70余篇，承担过部、省“七五”、“八五”、“九五”攻关，博士点基金、自然科学基金项目，获部、省级科技进步奖一等奖2项，二等奖3项。

前言
第1章　数据挖掘综述
　1.1　数据挖掘的概念和定义
　1.2　数据挖掘的历史及发展
　1.3　数据挖掘研究内容及功能
　1.4　数据挖掘常用技术及工具
　1.5　数据挖掘应用热点
第2章　数理统计方法
　2.1　数据挖掘与数理统计的关系
　2.2　数理统计与数据库技术的结合
　2.3　回归分析的基本概念
　2.4　线性回归方程
　2.5　线性相关的显著性检验
　　2.5.1　线性回归的方差分析
　　2.5.2　相关系数的显著性检验
　2.6　非线性回归分析
　　2.6.1　化非线性回归为线性回归
　　2.6.2　多项式回归
　2.7　多元线性回归分析
　　2.7.1　多元线性回归方程
　　2.7.2　多元线性回归的方差分析
　2.8　一般情况下的回归分析
　　2.8.1　一般情况下的回归方程
　　2.8.2　一般情况下的参数估计
　2.9　逐步回归分析的软件设计
　2.10　锻模设计准则的制定
　　2.10.1　研究的内容
　　2.10.2　资料收集与数据处理
　　2.10.3　飞边尺寸设计准则的制定
　　2.10.4　飞边金属消耗设计准则的制定
　2.11　小结
　参考文献
第3章　决策树学习算法
　3.1　决策树概述
　　3.1.1　决策树构造与分类
　　3.1.2　决策树的应用
　　3.1.3　决策树发展趋势
　3.2　ID3及其系列决策树算法
　　3.2.1　ID3算法
　　3.2.2　ID4算法
　　3.2.3　ID5R算法
　3.3　C4.5决策树学习算法
　　3.3.1　C4.5功能改进
　　3.3.2　C4.5系统应用
　　3.3.3　C4.5的不足
　3.4　其他决策树分类算法
　　3.4.1　CART算法
　　3.4.2　CHAID算法
　　3.4.3　SLIQ算法
　　3.4.4　SPRINT算法
　　3.4.5　PUBLIC算法
　3.5　小结
　参考文献
第4章　基于分层搜索的关联挖掘算法
第5章　软计算方法
第6章　支持向量机
第7章　数据挖掘算法的工程应用