数据挖掘这种新的商业信息处理技术，其主要特点是对商业数据库中的大量业务数据进行抽取、转换、分析和其他模式化的处理，从中提取辅助商业决策的关键性数据。clementine软件以其卓越的运算处理能力和图形展现能力、优秀的算法、行之有效的统计分析方法成为解决数据挖掘问题的理想工具。作者基于长期从事计算机数据分析教学与科研工作的经验编写了本书，在编写过程中体现出以下特色：·以数据挖掘过程为线索介绍clementine软件。本书以数据挖掘的实践过程为主线，从clementine数据管理入手，说明问题从浅至深，讲解方法从易到难。这样，能使读者在较短时间内掌握clementine的基本功能和一般方法，并可迅速运用到实际工作中。·数据挖掘方法、软件操作、案例分析的有机结合。配合实际案例，侧重数据挖掘方法核心思想和基本原理的阐述，使得读者可以直观理解方法，并正确掌握方法的应用范围。·数据挖掘方法讲解全面，语言通俗。本书对clementine的数据挖掘算法进行了全面分析和应用，内容力求丰富翔实。同时使用通俗的语言和示例讲述算法，尽量避免使用公式和推导堆砌算法。

《化学数据挖掘方法与应用》主要介绍了化学常用数据挖掘方法和技术的基本原理，并重点介绍了模式识别、支持向量机、集成学习方法在材料设计、工业优化、构效关系、生物信息学等领域的应用研究实例。书中所有应用研究实例全部取自作者的应用研究课题，有关算法程序可采用作者开发的应用软件HyperMiner（见附录1）。《化学数据挖掘方法与应用》可供化学、化工及相关领域的科研人员和工程技术人员阅读，亦可作为高等学校的教学参考书。

Facebook、Twitter和LinkedIn产生了大量宝贵的社交数据，但是怎样才能找出谁通过社交媒介正在进行联系？他们在讨论些什么？或者他们在哪儿？本书简洁而且具有可操作性，它将揭示如何回答这些问题甚至更多的问题。你将学到如何组合社交网络数据、分析技术，如何通过可视化帮助你找到你一直在社交世界中寻找的内容，以及你闻所未闻的有用信息。本书每章都介绍了在社交网络的不同领域挖掘数据的技术，这些领域包括博客和电子邮件。你所需要具备的就是一定的编程经验和学习基本的Python工具的意愿。通过本书，你将 . 获得对社交网络世界的直观认识 .使用GitHub上灵活的脚本来获取从诸如Twitter、Facebook和LinkedIn等社交网络API中的数据　. 学习如何应用便捷的Python工具来交叉分析你所收集的数据 . 通过XFN探讨基于微格式的社交联系 . 应用诸如TF-IDF、余弦相似性、搭配分析、文档摘要、派系检测之类的先进挖掘技术 . 通过基于HTML 5和JavaScript工具包的网络技术建立交互式可视化

《高等学校计算机专业“十二五”规划教材：数据挖掘原理、算法及应用》以各类数据挖掘算法为核心，以智能数据分析技术的发展为主线，结合作者自身的研究和应用经验，阐述数据挖掘研究领域的主要理论和典型算法。全书共分8章：第1章为绪论；第2-5章分别介绍数据挖掘的主要技术、各类典型算法及其编程实现，包括数据预处理技术，关联规则挖掘技术、分类技术，聚类技术等几大类技术和其中包含的典型算法；第6-8章分别简要介绍一些数据挖掘的应用专题，包括时间序列数据挖掘、Weh挖掘、空间数据挖掘等。

《SAS统计分析与数据挖掘》基于SAS 9.2版本编写，从SAS编程出发，用案例形式介绍SAS数据挖掘在各领域的广泛应用，全书分为SAS基础篇、提高篇及应用篇，每章均给出大量分析案例。具体内容为SAS软件与数据挖掘简介，SAS编程基础，图形与报表制作，描述性分析，假设检验，回归分析，方差分析与因子分析，相关分析与对应分析，判别分析，聚类分析，生存分析，时间序列分析，以及SAS在具体数据挖掘项目中的应用等。《SAS统计分析与数据挖掘》最大特点是抛弃了其他同类书籍中只说理论、缺少案例分析的弊病，全书给出大量数据挖掘分析案例，为读者展示SAS在数据整合、数据挖掘、商业智能、金融数据分析、金融风险管理等项目中的强大应用技术。配套光盘中有实例的操作视频以及相关源程序文件。

与十年前相比，数据挖掘作为数据分析与决策支持的重要技术，已在各行各业得到了更为广泛的应用。随着网络和IT技术的不断发展，数据挖掘应用必将更加深入和普及。作者根据自己十多年教授“数据挖掘”课程的经验积累，编写了这本教材。《数据挖掘导论》全面系统地介绍了数据挖掘的主要方法，并配有许多应用案例，使得读者能够更加容易地理解这些数据挖掘方法。同时《数据挖掘导论》每章后还配有许多思考题，使得这本书更适合作为“数据挖掘”课程的教材。本书的主要内容包括数据挖掘概述、数据仓库与在线分析、分类挖掘、关联挖掘、聚类挖掘、异类挖掘、数据流挖掘、文本挖掘以及数据挖掘应用与数据挖掘云等。本书适合作为高等院校高年级本科生、研究生相关课程的教材或参考书。对从事数据挖掘应用的技术人员以及希望了解数据挖掘方法与应用的广大数据挖掘用户，本书也具有一定的参考价值。

《MongoDB管理与开发精要》内容有三大特点：系统而全面，内容包含MongoDB开发、管理、维护和性能优化等方方面面；详细而深入，不仅对MongoDB的开发和管理方法进行了详尽的讲解，而且还对MongoDB的工作机制进行了深入的剖析；注重实战，尝试通过实践中的案例来帮助读者理解使用MongoDB数据库时遇到的各种问题的症结之所在，并给出了解决方案。本书一共分为六篇：一基础篇，主要讲解了MongoDB的基础理论和基本操作，学习完这部分内容可以掌握MongoDB的基本操作；二高级篇，讲解了高级查询、高级更新、高级功能应用等MongoDB的高级技术，掌握这部分内容后就能熟练地应用MongoDB来完成日常的工作；三管理篇，详细介绍了MongoDB常用的运维管理工具、各种管理命令以及访问控制方面的技术，掌握这部分内容后就能具备一位MongoDB DBA所具有的全部技能；四性能篇，详细阐述了MongoDB的索引、优化，以及性能监控方面的知识，这部分内容将使读者具备对MongoDB进行调优的能力；五架构篇，重点讲解了主从复制、分片等高可用架构的细节，掌握这部分内容后就可以独立设计出MongoDB应用系统的架构；六开发篇，讲解了如何用C#和Java来操作MongoDB数据库，掌握这部分内容后就可以将C#和Java开发技术与MongoDB数据库结合起来，从而完成特定应用系统的开发。

《数据挖掘基础与应用（SQL Server 2008）》介绍了数据挖掘技术，然后虚拟一个“邦邦超市”，通过使用SQL语言建立该超市的数据库并对数据进行操作，再进一步利用SQLServer2008的数据挖掘模型对超市积累的数据进行挖掘，以实际例子帮助读者迅速理解并掌握数据挖掘技术，学会使用SQLServer2008提供的数据挖掘工具，提高零售企业的信息利用能力和经营水平。对于想要了解数据挖掘技术及其应用的读者，《数据挖掘基础与应用（SQL Server 2008）》是很好的参考读物。

数据挖掘和文本挖掘是当前信息技术中的一个重要研究领域；将遗传算法和社会演化算法应用于数据及文本挖掘方法研究，具有较大的理论意义和实用价值。《数据与文本挖掘及其在研发决策中的应用》研究了基于遗传算法和社会演化算法的数据挖掘和文本挖掘方法，主要包括数据挖掘和文本挖掘中的属性约简问题、聚类问题，并将其应用于产品研发决策中。所做主要工作包括：提出一种基于遗传算法和k-medoids算法的新的聚类方法；采用遗传算法和模式聚合进行文本特征降维；采用遗传算法和潜在语义索弓I进行文本特征降维；采用社会演化算法进行聚类；采用混；屯社会演化算法进行聚类；采用改进的遗传算法和社会演化算法进行文本聚类研究；将文本挖掘应用到产品研发决策中，构建产品研发文本知识地图，以期提高产品研发的效率和质量。

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。