《数据挖掘原理与SPSS Clementine应用宝典》从数据挖掘基础、数据挖掘经典算法、数据挖掘业务建模与模型评价、SPSS Clementine数据挖掘实务这4方面对数据挖掘技术进行了全面介绍，既包含传统经典的数据挖掘方法，同时也包含了部分数据挖掘的最新研究成果；通过学习读者可以对数据挖掘理论有一定的认识，理解数据挖掘经典算法的实现，并且可以掌握数据挖掘建模以及SPSS Clementine数据挖掘实战。《数据挖掘原理与SPSS Clementine应用宝典》共24章，分为4部分。第1部分数据挖掘应用基础，包括第1～5章。通过本部分的学习可以了解掌握数据挖掘的基本概念及数据挖掘应用的基本原理。第2部分数据挖掘经典算法，包括第6～15章，包括回归分析的基本原理以及各种回归分析的方法；贝叶斯网络的基本概念和一些常用的算法；聚类分析的原理和常用的聚类算法；决策树算法的原理和常用算法；关联规则的基本概念、原理以及常用算法；粗糙集基本概念，算法以及在数据挖掘中的应用；基本的神经网络模型的原理和算法；遗传算法的基本构成，算法及其在数据挖掘中的应用；支持向量机的基本原理和实现技术。第3部分数据挖掘建模与模型，包括第16～17章。本部分是数据挖掘建模和模型评价的基础知识。第4部分SPSS Clementine数据挖掘实务，包括第18～24章。本部分包括SPSS Clementine的使用入门和SPSS Clementine数据挖掘项目的实现和具体实施，最后讲解了SPSSClementine的3个典型案例。《数据挖掘原理与SPSS Clementine应用宝典》可作为高等院校计算机科学与技术专业、软件工程专业或信息类等相关专业的教材，也可作为有关数据挖掘方面的培训教材，以及所有拟从事数据挖掘领域工作研究的学生、学者、工程师的参考用书。

《数据挖掘与应用》全面地介绍了数据挖掘的相关主题.包括数据理解与数据准备、关联规则挖掘、多元统计中的降维方法、聚类分析、神经网络、决策树方法、模型评估等内容。全书体系完整，文字精炼，注重对数据挖掘方法的直觉理解及其应用：同时，保持了一定的严谨性，为学生理解和运用这些方法提供了坚实的基础。《数据挖掘与应用》实例丰富，并附有相应SAS程序，以便于学生尽快理解相关内容并用以解决实际问题。《数据挖掘与应用》配有教辅，可以免费提供给任课教师使用。如需要，欢迎填写书后的“教师反馈及课件申请表’索取。

本书系统地介绍了决策分析的相关理论与方法，并对决策支持系统及其实现技术进行了描述。主要内容包括： 决策支持系统的概念、结构、分析、设计、开发及实现等相关知识： 各种决策类型的理论与方法，如随机型决策、模糊型决策、多目标决策与多属性决策、群体决策、智能决策等。《决策分析与决策支持系统》内容充实，重点突出，特色鲜明，适合作为高等学校管理类相关专业本科及研究生教材，同时也可供企业领导以及广大对决策科学感兴趣的读者阅读。

描述和预测是数据挖掘的两个主要任务。《基于模糊推理系统的工业过程数据挖掘》从过程控制的角度出发，在简要介绍数据挖掘的基本概念和模糊推理系统理论的基础上，全面、系统地研究了基于模糊推理系统的数据挖掘技术在工业过程建模及控制器设计中的应用，为解决复杂非线性且难以建立精确数学模型的控制系统提供了思路。《基于模糊推理系统的工业过程数据挖掘》在强调基础理论和系统性的同时，着重反映数据挖掘技术在控制领域的最新研究成果。《基于模糊推理系统的工业过程数据挖掘》注重实效，深入浅出，对每类具体问题不但提供翔实的理论推导，而且还辅以大量的仿真实例。通过《基于模糊推理系统的工业过程数据挖掘》的学习，读者可以对数据挖掘技术在复杂工业过程建模和控制器设计中的应用有深入的认识和了解。《基于模糊推理系统的工业过程数据挖掘》适合于从事自动化技术、计算机技术、应用数学等领域的科技工作者及工程技术人员使用，也可作为高等院校相关专业师生的参考用书。

共分5章，涉及数据仓库的基本概念、定义及主要特点；根据数据仓库的基础技术和结构概念，采用从元数据、多维数据结构、联机分析处理、数据挖掘、数据仓库的基础部件到联机和成品分析报告一条龙的方法，描述了数据仓库设计与开发生命周期的各个阶段以及相应的技术结构框架；另外，还提供了大量的应用实例，如支票信用认可网络系统、某飞机制造公司单源生产数据、汽车销售管理网络系统等多个工程开发的成功案例；同时，《数据仓库结构设计与实施：建造信息系统的金字塔》还介绍了数据仓库开发过程和策略，主要有跳跃（蛙跳）式发展、数据仓库系统多层次的结构平台——内核与外壳、数据仓库应用开发的要点与特征、数据仓库设计、质量保障、任务、资源、团队、技能等基本内容；最后，通过一系列程序实例，讲解了数据仓库设计与应用开发的建立过程，以及SQL程序在Oracle 9i和SQL Server 分析服务器平台上的实施情况，包括概念设计、物理设计、ETL、总合管理、联机分析、SQL分析和报表构架等详细技术说明。《数据仓库结构设计与实施：建造信息系统的金字塔》以成功实践为基础，理论与技术实践密切结合，结构紧凑，内容新颖，图文并茂，论述精辟，可作为高等院校信息技术和管理专业、数据库专业教学与研究的教材；同时也适合从事信息系统研究与工程应用开发的广大科技人员作为学习与指导的参考读物。

《数据挖掘原理与算法》一书出版以来，被许多高校作为本科生或者研究生教材使用，是一本全面介绍数据挖掘和知识发现技术的专业书籍，具有内容系统、知识含量高等特点。为了让教师更好地使用教材《数据挖掘原理与算法》（第二版），作者又编写了本书。本书分四个部分：一、对教材每章的部分习题给出了参考答案； 二、介绍各章授课内容重点与课时分配； 三、针对不同的授课学生对象给出了课时安排的建议； 四、提供了两套样本试卷及其参考答案。本书供使用《数据挖掘原理与算法》一书的教师作参考。

暂缺简介...

《数据仓库与数据挖掘》主要介绍数据仓库和数据挖掘技术的基本原理和应用方法，全书共分为12章，主要内容包括数据仓库的概念和体系结构、数据仓库的数据存储和处理、数据仓库系统的设计与开发、关联规则、数据分类、数据聚类、贝叶斯网络、粗糙集、神经网络、遗传算法、统计分析、文本和Web挖掘。《数据仓库与数据挖掘》既重视理论知识的讲解，又强调应用技能的培养。每章首先介绍算法的主要思想和理论基础，之后利用算法去解决实例中给出的任务，而且对于数据仓库的组建方法和多数章节中的数据挖掘算法，《数据仓库与数据挖掘》都使用Microsoft SQL Server 2005进行了操作实现。《数据仓库与数据挖掘》通过对具体实例的学习和实践，使读者掌握数据仓库和数据挖掘中必要的知识点，达到学以致用的目的。《数据仓库与数据挖掘》每章均配有习题，习题形式为选择题、简答题和操作题，可以帮助读者进一步巩固和掌握所学知识。此外，《数据仓库与数据挖掘》提供多媒体教学课件和习题参考答案，读者可到清华大学出版社网站（http：//www.tup.com.cn/）下载。《数据仓库与数据挖掘》可以作为高等学校计算机及相关专业本科、研究生的数据仓库和数据挖掘教材，也可供相关领域的广大科技工作人员和高校师生参考。

《基于协同网络信息的多指标决策方法》将介绍作者近年来有关基于协同网络信息的多指标决策方法的主要研究成果。基于协同网络信息的决策问题广泛存在于现实生活中，如合作研发联盟的伙伴选择、R&D团队成员选择、交叉功能团队成员选择、知识创新团队的伙伴选择、优秀创新研究群体选择、虚拟团队相互信任评价、NPD团队协作满意评价等问题以及考虑技术兼容性的技术组合方案选择、考虑部件兼容性的产品配置、基于服务要素的服务设计以及基于组合效用的产品组合方案选择等问题。因而，基于协同网络信息的决策方法研究，不仅具有重要的学术价值，而且具有广阔的应用前景。《基于协同网络信息的多指标决策方法》可作为决策科学、管理科学和系统工程等领域的研究人员和管理人员的参考书，也可作为高等院校相关专业研究生的参考书。

《可视化数据》是一本关于计算信息设计的书籍。从如何获取原始数据开始，到如何理解原始数据，《可视化数据》都给出了非常详尽的介绍。《可视化数据》使用由作者开发的开源编程环境Processing编程，它非常简单易用。对于熟悉使用Java的程序员来说，《可视化数据》后面的章节还介绍了如何将Processing和Java结合使用。《可视化数据》是写给那些拥有一个数据集合，好奇如何探索它，并且考虑如何交流这些数据的人们的。随着我们处理越来越多的信息，需要可视化数据的人们的数量增长的非常迅速。更重要的是，读者已经超越了某些可视化领域的专家。通过让更大范围的人们都接触到可视化思想，我们在接下来的几十年中应该可以看到一些真正让人惊叹的事情。