《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。

《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。

《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。

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。

《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。

《Web数据挖掘》旨在讲述这些任务以及它们的核心挖掘算法；尽可能涵盖每个话题的广泛内容，给出足够多的细节，以便读者无须借助额外的阅读，即可获得相对完整的关于算法和技术的知识。其中结构化数据的抽取、信息整合、观点挖掘和Web使用挖掘等4章是《Web数据挖掘》的特色，这些内容在已有书籍中没有提及，但它们在Web数据挖掘中却占有非常重要的地位。当然，传统的Web挖掘主题，如搜索、页面爬取和资源探索以及链接分析在书中也作了详细描述。《Web数据挖掘》尽管题为“Web数据挖掘”，却依然涵盖了数据挖掘和信息检索的核心主题；因为Web挖掘大量使用了它们的算法和技术。数据挖掘部分主要由关联规则和序列模式、监督学习（分类）、无监督学习（聚类）这三大最重要的数据挖掘任务，以及半监督学习这个相对深入的主题组成。而信息检索对于Web挖掘而言最重要的核心主题都有所阐述。

《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。

知识发现是从数据集中抽取和精化新的模式的过程，基于数据库的知识发现（Knowledge Discovery in Database，KDD））是知识发现研究的主体和热点，而聚类知识发现又是知识发现的重要方面。如何有效处理巨量、高维的数据，是当前聚类分析的关键技术。本书围绕高维数据的聚类问题展开研究，在讨论高维数据相似I生尤其是高维二元数据相似性定义的基础上，提出了基于粗图模型的硬聚类和软聚类算法、高维二元数据的映射聚类算法、基于蚂蚁行为的聚类算法等，并进一步提出基于映射聚类的离群点检测方法；还特别讨论了高维聚类结果的表示方法问题，提出了应用粗糙集高效表达聚类结果的方法；最后探讨了聚类知识发现数据建模的基本步骤，给出了聚类知识发现的典型应用案例。本书学术性、知识性并重，可供从事数据仓库与数据挖掘教学、研究的师生、学者阅读，也可以为从事数据挖掘、知识发现系统等软件工程技术人员提供参考。