数控挖掘技术应用实例

　　本书在介绍数据挖掘技术理论和算法的基础上，通过不同领域的应用案例，来说明数据挖掘在实际应用中的具体操作方法，以期为读者提供一个更为广阔的视角。本书从理论、应用实例和数据挖掘的发展趋势，以及面临的机遇和挑战等方面，对数据挖掘技术进行了详细介绍，其中在应用实例部分分别介绍了数据挖掘技术在客户关系管理、市场营销、证券领域、电信领域、产品设计、军事领域以及web数据挖掘等方面的应用。本书可作为企事业单位信息管理部门以及其他各行各业的管理者、信息分析人员、数据统计人员、市场营销人员、研究与开发人员的参考资料，也可作为高等院校信息管理类、数据分析类、计算机类等相关专业的教材和参考书，还可作为高等院校毕业论文或毕业设计的参考资料。

暂缺《数控挖掘技术应用实例》作者简介

出版说明
前言
第1章　绪论
1.1　数据挖掘的基本概念
1.1.1　啤酒与尿布
1.1.2　什么是数据挖掘
1.1.3　数据挖掘的分类
1.1.4　数据挖掘的特点和功能
1.2　数据挖掘的过程
1.2.1　数据准备
1.2.2　数据选择
1.2.3　数据预处理
1.2.4　数据挖掘及模式评价
1.3　数据仓库和数据挖掘
1.3.1　数据仓库的概念和特点
1.3.2　数据集市
1.3.3　元数据
1.3.4　数据仓库和数据挖掘的关系
1.4　OLAP和数据挖掘
1.4.1　OLAP的基本概念
1.4.2　OLAP的操作
1.4.3　OLAP的类别
1.4.4　OLAP和0LTP的关系
1.4.5　OLAP和数据挖掘的关系
1.5　数据挖掘的应用领域
1.6　数据挖掘研究现状
1.6.1　商业应用
1.6.2　支持平台数据展现
1.6.3　使用成本
1.6.4　挖掘算法
1.7　本章小结
第2章　数据挖掘的常用技术
　2.1 决策树
2.1.1　决策树的基本概念
2.1.2　决策树的基本原理
　 2.1.3　决策树的算法
　2.1.4　决策树的优势和劣势
　2.2　神经网络
　2.2.1　神经网络的基本概念
　 2.2.2　神经网络的特征
　 2.2.3　神经网络的分类和学习方式
　 2.2.4　进化计算
　 2.2.5　神经网络的优缺点
　2.3　关联规则
　 2.3.1　关联规则的基本概念
　 2.3.2　经典Apriori算法的描述
　 2.3.3　AprioriTid算法
　 2.3.4　FP-tree算法
　2.4　聚类分析
　 2.4.1　聚类分析的基本概念
　 2.4.2　聚类算法简介
　 2.4.3　孤立点分析
　2.5　统计学习
　 2.5.1　统计分析综述
　 2.5.2　贝叶斯学习
　 2.5.3　支撑矢量机
　 2.5.4　回归分析
　2.6　模糊集和粗糙集
　　2.6.1　模糊集概述
　　2.6.2　粗糙集概述
2.7　本章小结
第3章　数据挖掘在客户关系管理中的应用
3.1 数据挖掘在CRM中的应用现状
3.1.1　CRM的由来
3.1.2　CRM系统的研发现状
3.1.3　数据挖掘在CRM中的使用情况
3.2　数据挖掘在CIW中的应用
　 3.2.1　客户群体分类
　 3.2.2　客户盈利能力分析
　 3.2.3　客户获取和客户保持
　 3.2.4　客户满意度分析
　3.3　数据挖掘在通信公司CRM应用实例
3.3.1　客户细分模型和挖掘算法选择
3.3.2　数据挖掘模型和挖掘步骤
3.3.3　结果分析和市场策略制定
　3.4　本章小结
第4章　数据挖掘在市场营销中的应用
第5章　数据挖掘在证券领域中的应用
第6章　数据挖掘在电信领域中的应用
第7章　数据挖掘在产品设计中的应用
第8章　数据挖掘在军事领域中的应用
第9章　Web数据挖掘
第10章　数据挖掘技术的发展
参考文献