演化算法是一种模拟生物演化过程与机制求解优化问题及搜索问题的一类自组织、自适应人工智能技术。协同演化算法是针对传统演化算法的不足而兴起的，通过构造两个或多个种群，建立它们之间的竞争或合作关系，多个种群相互作用来提高各自性能，适应复杂系统的动态演化环境，以达到种群优化的目标。协同演化算法是近年来已成为计算机智能研究的一个热点，已广泛应用于电子工程、模式识别、交通运输规划、经济管理和工程设计优化等领域。本书从协同演化理论和演化算法相结合的角度出发，着重介绍了协同演化算法及其在数据挖掘的应用方面的研究工作。全书共分为10章，内容包括绪论、函数优化、约束优化、多目标优化、兴趣度量优化、数据集的优化和规则形式的简化及演化聚类算法等。本书可作为计算机科学、信息科学、人工智能自动化技术及数据挖掘等相关专业的研究生、教师和科技工作者的参考书。

可拓数据挖掘以可拓集为集合论基础，结合可拓方法与现有数据挖掘方法去挖掘数据库或数据仓库中基于可拓变换的知识，为经济、金融、管理、营销、策划、医学、设计等领域的决策和技术创新提供依据。本书是第一本可拓数据挖掘的专著，提出了研究这一领域的理论基础、方法体系和应用范围，并给出简单、浅显的实用案例。本书理论与应用相结合，分析透彻。为方便不同知识背景和不同层次读者的学习，书中配备了通俗易懂的案例。 本书适合高等院校师生、工程技术人员和管理决策人员阅读，特别适合作为高等院校相关专业本科、硕士、博士生的选修课教材。

Clementine是SPSS公司整合开发的数据挖掘工具平台。Clementine结合商业技术可以快速建立预测性模型，进而应用到商业活动中，帮助人们改进决策过程。.本书主要介绍了Clementine 11．0在数据挖掘中的应用。内容包括Clementine 11．0的新功能、数据挖掘入门、构建数据流、字段操作节点、建立CLEM表达式、建模节点和生成模型等，详细讨论了各种数据挖掘的分析方法，并介绍了大量的应用范例。本书结构清晰合理，内容翔实，可作为分析师、数据挖掘人员、企业管理人员的参考书。在Kdnuggets网站“你最常用哪种数据挖掘工具”的投票调查中，Clementine连续数年位居第一。它灵活的使用界面，强大的数据预处理以及分析演算功能，能够让分析者在最短的学习周期中，快速上手执行复杂的商业分析。..Clementine作为一套绝佳的数据挖掘软件，从数据收集整理，建立数据库，适当数据挖掘方法、精致报表输出到智能决策的拟定，为用户考虑到每一步骤。从工业数据挖掘，社会调查数据挖掘、生物数据挖掘、财务数据挖掘。教育数据挖掘甚至神经网络，Clementine都有一套适合的配套产品供用户解决相关领域问题。针对业界实务上的需求，本书主要介绍了如下内容：·数据挖掘的入门知识。数据挖掘的应用。数据挖掘在CRM（客户关系管理）中的角色。·SPSS Clementinell．0版本所拥有的所有节点的详细操作指南，包括构建数据流。字段操作节点、建立CLEM表达式，建模节点和生成模型节点等。本书还介绍了SPSS Clementine软件自带的示例数据流的案例讲解，包括：·通过监测一台机器的状态信息来识别和预测故障状态。·农业发展贷款申请中的欺诈探测。·零售行业中，预测促销所带来的影响。·市场购物篮研究。...

数据仓库及联机分析处理是数据库技术发展和应用的一个新阶段，本书全面、详细地介绍了构建数据仓库以及进行多维数据分析的技术，并力求把数据仓库理论以及在该理论领域的相关应用尽可能完美地融合起来，其内容涵盖数据仓库的构建理论、构建示例、前端多维数据的展示及分析技术、对数据仓库及多维数据集的管理和维护等技术。本书以目前流行的Microsoft SQl Server 2000数据库管理系统作为实践平台，以便于读者实践。本书语言通俗易懂，实例丰富。本书非常适合作为计算机、商科及相关专业本科学生学习数据仓库及多维数据分析技术的教材，同时也适合作为研究生数据仓库等课程的教材。

本书主要讨论数据挖掘技术的基本原理与应用，可以解决企业运营中遇到的各种问题，并介绍了SQL Server 2005 处理这些问题的方法。内容主要包括数据仓库、数据挖掘中的主要方法、SQL Server 2005 中的商业智能与数据挖掘功能、决策树模型、聚类分析、神经网络模型和时间序列模型等，并配有相关的范例分析与实例练习。 本书内容翔实，示例丰富，结构合理，可作为各类开发人员及企业管理人员的参考用书。

《高等学校计算机科学与技术教材·数据挖掘理论与应用》从数据挖掘理论与数据挖掘应用过程两个方面介绍了数据挖掘的最新成果。在理论部分，《高等学校计算机科学与技术教材·数据挖掘理论与应用》介绍了数据挖掘技术所涉及的基本概念、主流技术和最新成果；在应用部分，《高等学校计算机科学与技术教材·数据挖掘理论与应用》结合具体的实例系统论述了商业理解、数据预处理、建模、模型部署等整个数据挖掘流程。《高等学校计算机科学与技术教材·数据挖掘理论与应用》既可以作为大学本科生和研究生的补充教材，也可以作为企业实施数据挖掘和商务智能的实战指导；既可以作为初次接触数据挖掘技术的入门读物，也可以作为高级研究人员的参考书。

本书为普通高等教育“十一五”规划教材，是电力企业信息化系列教材之一。本书全面深入介绍了数据仓库、联机分析处理（OLAP）和数据挖掘的基本概念、工具及实际应用。全书分成三篇，数据仓库与数据挖掘原理篇的主要内容包括数据仓库的基本概念和结构、创建过程、联机分析处理、数据挖掘的基本概念和方法等；数据仓库与数据挖掘工具篇介绍几个现在市场上主流的数据仓库和数据挖掘工具，包括ETL工具Data Stage、商务智能工具 Congos和数据挖掘工具SAS；数据仓库与数据挖掘应用篇以某电力公司为例介绍一个数据仓库应用系统的建设过程，包括系统需求分析、系统架构设计、数据模型设计、数据库规划、ETL开发等。本书可作为计算机、信息管理与信息系统等相关专业的学生学习数据仓库、OLAP及数据挖掘技术的实用教程，也可供从事数据仓库、数据挖掘研究、设计、开发等工作的科研人员和工程人员参考。

《数据结构（第2版）》对常用的数据结构做了系统的介绍，力求概念清晰，注重实际应用。全书共分9章，依次介绍了数据结构的基本概念、线性表、栈和队列、串和数组、树结构和图结构，以及查找和排序等基本运算。全书以C语言作为算法描述语言，且每章后均列举了典型应有实例，并配有电子课件，供教师教学使用。《数据结构（第2版）》配套出版了《数据结构实验与实训教程》，便于教学实验、课程设计及复习应考。《数据结构（第2版）》主要面向高职高专院校计算机专业的学生，也可以作为大学非计算机专业的选修课教材和计算机应用技术人员的自学参考书。

《高维数据挖掘技术研究》从高维数据的特性出发，指出了高维数据给数据挖掘带来的影响以及高维数据挖掘的研究方向。对高维数据挖掘中的相似性搜索、高维数据聚类、高维数据异常检测、高维数据频繁模式发现及电子商务中的协同过滤技术进行了研究，提出了相关的解决方案和相应算法。《高维数据挖掘技术研究》适用于从事数据挖掘和商业智能研究的高校教师、研究生、科研院所的科研人员以及从事商业智能项目开发的工程技术人员。

本书是一本全面介绍数据挖掘和知识发现技术的专业书籍，它系统地阐述了数据挖掘和知识发现技术的产生、发展、应用以及相关概念、原理和算法，对数据挖掘中的主要技术分支，包括关联规则、分类、聚类、序列、空间以及web挖掘等进行了理沦剖析和算法描述。本书的许多内容是作者们在攻读博士学位期间的工作总结，一方面，对于相关概念和技术的阐述尽量先从理论分析人手，在此基础上进行技术归纳；另一方面，为了保证技术的系统性，所有的挖掘模型和算法描述都在统一的技术归纳框架下进行。同时，为了避免抽象算法描述给读者带来的理解困难，本书的所有典型算法都通过具体跟踪执行实例来进一步说明。本书共分8章，各章相对独立成篇，以利于读者选择性学习。在每章后面都设置专门一节来对本章内容和文献引用情况进行归纳，它不仅可以帮助读者对相关内容进行整理，而且也起到对本内容相关文献的注释性索引功能。第1章是绪论，系统地介绍了数据挖掘产生的商业和技术背景，从不同侧面剖析了数据挖掘的概念和应用价值；第2章给出了知识发现的过程分析和应用体系结构设计；第3章对关联规则挖掘的原理和算法进行全面阐述；第4章给出分类的主要理论和算法描述；第5章讨论聚类的常用技术和算法；第6章对时间序列分析技术和序列挖掘算法进行论述；第7章系统地介绍了Web挖掘的主要研究领域和相关技术及算法；第8章是对空间数据挖掘技术和算法的分析和讲述。本书可作为计算机专业研究生或高年级本科生教材，也可以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。为了更好地让教师进行选择性教学，本书配有专门的教师用书，对内容的重点、难点和课时分配给出了对应的建议，对重要的和难度较大的习题进行了分析和解答。对于研究人员，本书是一本高参考价值的专业书籍。对于软件技术人员，可以把它当作提高用书或参考资料，一些算法可以通过改造用于实际的应用系统中。