数据挖掘算法与应用

　　数据挖掘是近年来计算机科学中最活跃的研究分支之一。《数据挖掘算法与应用》分三部分介绍数据挖掘中的三个热点：空间数据挖掘、半监督学习与流形学习，并分别介绍了这三个研究热点的研究背景、研究现状、存在问题、最新算法与应用等。《数据挖掘算法与应用》在论述这三个研究热点的研究现状并分析了存在的问题后，面向实际需要，提出最新的模型、算法与技术。这些模型与算法以作者研究成果为基础，具有一定的创新性与实际应用价值。这些成果可帮助广大研究工作者与工程技术人员拓展思路，并为数据挖掘的理论应用提供借鉴。《数据挖掘算法与应用》可供数据挖掘、机器学习及相关专业的研究人员、教师、研究生和工程人员参考。

暂缺《数据挖掘算法与应用》作者简介

第一篇  空间数据挖掘
　第1章  空间数据挖掘研究绪论
　  一、空间数据挖掘研究背景及意义
　  二、空间数据挖掘与经典数据挖掘的区别
　  三、空间数据挖掘技术的主要方法及特点
　    (一)空间数据概化
　    (二)空间规则挖掘
　    (三)空间分类
　    (四)空间趋势预测
　    (五)空间聚类
　    (六)空间离群点查找
　  四、空间数据挖掘相关研究
　  本章参考文献
　第2章  空间多维位置相关规则挖掘算法
　　一、已有研究的不足
　　二、基于影响域的空间多维位置相关规则模型(SMARM)的构建
　　三、空间多维位置相关规则的挖掘算法SMARBIA 
　　四、算法时间性能分析
　　五、实验
　　六、本章小结
　　本章参考文献
　第3章  基于多代表点特征树的空间聚类算法
　  一、相关工作
　  二、多代表点特征(MRF)树
　    (一)MRF一树的插入操作
　    (二)MRF一树的重建
　  三、基于MRF一树的算法CAMFT
　    (一)随机取样
　    (二)建树
　    (三)叶结点聚类
　　　……
第二篇　流形学习
第三篇　半监督学习