数据挖掘原理与算法（第4版）

　　本书是一本全面介绍数据挖掘基本原理、核心算法以及典型应用方法的专业书籍。第4版在前三版的基础上，对数据挖掘的方法论和知识点进行了重新归纳，按照基础篇、提高篇和应用篇进行设计。从方法论上说，数据挖掘是一个方法和原理逐步演变的过程。首先， 基础的数据挖掘方法主要有“关联规则”“分类”“聚类”，它们是数据挖掘的灵魂和基础，因此基础篇是了解和学习数据挖掘技术的入门知识。其次，随着数据挖掘技术研究和应用的深入，序列数据挖掘和深度神经网络得到充分研究。前者突破数据库的数据约束，面向时间序列发现有价值的知识模式； 后者突破浅层神经网络的性能瓶颈，为多模态数据的自主挖掘提供新的解决途径。因此，“序列模式”和“深度神经网络”构成提高篇。 ，以互联网数据挖掘、空间数据挖掘构成应用篇。全书分为3篇共9章，各章相对独立，以利于读者选择性学习。在每章后面都专设一节对本章内容和文献引用情况进行归纳，以利于读者了解本章内容的知识点和检索原始参考资料。本书可作为计算机专业研究生或高年级本科生教材，也可作为从事计算机研究和开发人员的参考资料。作为教材，教师可以根据课时安排进行选择性教学。对于研究和开发人员，本书不仅是一本具有较高参考价值的专业书籍，而且也是学习典型算法及其原理的很好的教科书。

暂缺《数据挖掘原理与算法（第4版）》作者简介

基础篇
第1章 绪论
1.1 数据挖掘技术的产生与发展
1.1.1 数据挖掘技术的商业需求分析
1.1.2 数据挖掘产生的技术背景分析
1.1.3 大数据时代的数据挖掘技术需求分析
1.2 数据挖掘研究的发展趋势
1.3 数据挖掘概念
1.3.1 从商业角度看数据挖掘技术
1.3.2 数据挖掘的技术含义
1.3.3 数据挖掘研究的理论基础
1.4 数据挖掘技术的分类问题
1.5 数据挖掘常用的知识表示模式与方法
1.5.1 广义知识挖掘
1.5.2 关联知识挖掘
1.5.3 类知识挖掘
1.5.4 预测型知识挖掘
1.5.5 特异型知识挖掘
1.6 不同数据存储形式下的数据挖掘问题
1.6.1 事务数据库中的数据挖掘
1.6.2 关系型数据库中的数据挖掘
1.6.3 数据仓库中的数据挖掘
1.6.4 在关系模型基础上发展的新型数据库中的数据挖掘
1.6.5 面向应用的新型数据源中的数据挖掘
1.6.6 Web数据源中的数据挖掘
1.7 粗糙集方法及其在数据挖掘中的应用
1.7.1 粗糙集的一些重要概念
1.7.2 粗糙集应用举例
1.7.3 粗糙集方法在KDD中的应用范围
1.8 数据挖掘的应用分析
1.8.1 数据挖掘与CRM
1.8.2 数据挖掘与社会网络
1.8.3 数据挖掘应用的成功案例分析
1.9 本章小结和文献注释
习题1
第2章 知识发现过程与应用结构
2.1 知识发现的基本过程
2.1.1 数据抽取与集成技术要点
2.1.2 数据清洗与预处理技术要点
2.1.3 数据的选择与整理技术要点
2.1.4 数据挖掘技术要点
2.1.5 模式评估技术要点
2.2 数据库中的知识发现处理过程模型
2.2.1 阶梯处理过程模型
2.2.2 螺旋处理过程模型
2.2.3 以用户为中心的处理模型
2.2.4 联机KDD模型
2.2.5 支持多数据源多知识模式的KDD处理模型
2.3 知识发现软件或工具的发展
2.3.1 独立的知识发现软件