数据挖掘技术

　　《数据挖掘技术》是基于数据挖掘经典算法及数据挖掘领域最新研究技术进行数据分析的教材。全书内容包括数据挖掘概述、分类算法、聚类算法、关联规则算法及相应典型算法的算法描述及分析等。对当前数据挖掘的新技术——流数据挖掘技术、高维聚类算法、分布式数据挖掘、物联网数据挖掘进行了详细的介绍。该部分在讲述基本概念及典型算法的基础上配有新研究的算法模型及分析，并有实验数据分析及结果显示。最后对其他数据挖掘新技术，包括业务活动监控挖掘技术、云计算平台架构和数据挖掘方法及思维流程数据挖掘技术进行了描述。《数据挖掘技术》可以作为高等院校信息管理、数理统计等专业有关数据挖掘教学的本科生或者研究生的专业课教材，也可以作为各类相关培训班的教材，还可以作为从事数据分析、智能产品软件开发人员的参考书及数据挖掘爱好者的自学用书。

暂缺《数据挖掘技术》作者简介

第1章 数据挖掘概述1．1数据挖掘的概念1．1．1KDD与数据挖掘1．1．2数据挖掘过程1．1．3数据挖掘任务1．2数据挖掘的发展历程1．3数据挖掘的分类1．4数据挖掘的研究方法1．4．1统计分析方法1．4．2决策树方法1．4．3模糊集方法1．4．4粗糙集方法1．4．5人工神经网络方法1．4．6遗传算法1．5国内外数据挖掘研究现状本章小结参考文献
第2章 分类算法分析2．1分类概念2．2分类方法2．3决策树算法2．3．1ID3算法2．3．2C4．5算法2．4贝叶斯分类2．5粗糙集方法2．5．1粗糙集模型扩展2．5．2粗糙集与其他不确定信息处理理论的关系2．6遗传算法2．7其他分类算法本章小结参考文献
第3章 聚类算法分析3．1聚类分析概述3．1．1聚类分析概念3．1．2聚类分析中的数据类型3．2聚类分类3．3划分方法3．3．1K—means算法3．3．2Kmedoid算法3．4层次方法3．4．1BIRCH算法3．4．2CURE算法3．5密度方法3．5．1DBSCAN算法3．5．2OPTICS算法3．6网格方法3．6．1STING算法3．6．2Wavecluster算法3．7基于标量化III的聚类统计算法3．7．1数学描述3．7．2计算方法3．7．3文本数据3．7．4应用实例3．8其他聚类算法本章小结参考文献
第4章 关联规则算法分析4．1关联规则概念4．2频繁模式挖掘……第5章 流数据挖掘技术第6章 高维聚类算法第7章 分布式数据挖掘第8章 物联网数据挖掘