规则挖掘技术是指从数据库中抽取隐含的、潜在的、先前未知的、有用的知识和规则的一门交叉学科技术。它受多个学科的影响，同时它又对多个学科的发展、应用产生积极而深远的影响，具有十分重要的促进作用。《信息与通信工程研究生系列教材：规则挖掘技术》涉及的内容有规则挖掘技术概论、具有冗余约简能力的规则挖掘机制、分明关系约束的格上规则挖掘方法、基于包含度的决策树中规则挖掘方法、基于时间序列的规则挖掘方法、规则挖掘过程中的分类技术、应用案例等内容。《信息与通信工程研究生系列教材：规则挖掘技术》介绍的规则挖掘技术新颖、涵盖面广、信息量大、实用性强。《信息与通信工程研究生系列教材：规则挖掘技术》图文并茂，十分方便本科生、研究生、教师学习和参考，也非常方便从事数据挖掘以及相关领域的科研和工程开发技术人员阅读、参考。

在知识成为企业核心竞争力的今天，如何从海量动态商业数据中提炼出有价值的商业知识，指导企业经营管理和科学决策，已经成为连锁商业企业持续健康发展的关键所在。《分布式连锁商业数据挖掘模型》针对连锁商业数据的特性，采用国内外数据挖掘理论的最新热点——分布式商业数据挖掘技术，以连锁商业企业为主要研究和应用对象，全面、系统、深入的探讨了分布式商业数据挖掘理论和技术应用。通过实证研究，验证了这一理论的科学性和实践性。

《基于知识的聚类：从数据到信息粒》首先对模糊聚类和粒计算这一领域进行介绍和讨论。然后，作者深入研究了基于逻辑的神经元和神经网络。《基于知识的聚类：从数据到信息粒》的核心部分包括9章，在其中呈现和分析了众多不同的基于知识的聚类的方法。基于知识的聚类展示的是如何设计一个导航平台，以使信息探寻者能理解和较好的应用种类繁多的数据集。比模糊聚类走得更远，作者展示了基于知识的聚类这一有前景的新范例是如何揭示更有意义的数据结构，并使社会更好地处理日益增长的数据和信息流。通过这《基于知识的聚类：从数据到信息粒》，读着能理解基于知识聚类的基础和与其相关联的算法，学会将他们自己的知识应用到系统建模和设计中去。《基于知识的聚类：从数据到信息粒》的第三部分致力于模型的研究，首先讨论超盒结构，然后讨论粒映射和语言模型。《基于知识的聚类：从数据到信息粒》提供了理解和掌握这一令人振奋的新领域所需要的所有工具和指导：◆说明核心概念的众多实例◆为读者提供传递经验的可重复实验◆为复杂算法和建模奠定基础的先决条件的全面涵盖◆每章后面强调理解内容所必须的关急键点的总结◆通向专题探究的进一步途径的参考文献和泛的参考书目《基于知识的聚类：从数据到信息粒》是对聚类、模糊聚类、无监督学习、神经网络、模糊集、模式识别和系统建模感兴趣的研究人员、专家及学生的必读之物。有了作者对掌握必备知识的强调，以及精心构建的实例和实验，读者将成功地使自己成为基于知识聚类的专家。WITOLDPEDRYCZ，博士，加拿大阿尔伯塔大学教授，加拿大首席专家。他还任职于波兰科学院系统研究所（波兰、华沙）。Pedrycz博士是IEEEFellow，已经编写了9部专著，编辑了9卷书籍，在计算智能、粒计算、模式识别、定量软件工程和数据挖掘方面发表了很多论文。

《数据仓库与数据挖掘》比较系统地介绍数据仓库与数据挖掘的理论体系和应用。《数据仓库与数据挖掘》总的指导思想是在掌握基本知识和基本理论的基础上，强调实际应用能力的培养。全书力求深入浅出，通过通俗的语言及案例分析，介绍数据仓库及数据挖掘的基本概念及相关理论与方法。从数据仓库的定义、结构、设计、构建方法及联机分析处理应用等方面对数据仓库进行较为详细的介绍；从数据挖掘的定义、数据预处理、数据挖掘中的常用算法等方面对数据挖掘的基本知识和算法等理论进行介绍。《数据仓库与数据挖掘》强调数据仓库和数据挖掘工具的应用，重点介绍SQL Server 2005数据仓库和数据挖掘工具的应用。附录A详细介绍一个简易的数据挖掘工具——Weka，该工具可作为读者学习数据挖掘时的实验工具。《数据仓库与数据挖掘》可作为普通高等学校电子商务、信息管理、计算机应用及其他相关专业的本科教材，也可作为经贸、管理类专业的研究生教材，以及各类管理人员的培训与自学用书。

数据挖掘技术，又称为数据库知识发现，是20世纪90年代在信息技术领域开始迅速发展起来的计算机技术。作者结合自己近20年从事人工智能、机器学习、数据挖掘等方面的科研工作积累与教学经验，编著此书。本书较全面系统地介绍了数据挖掘中常用和常见的数据挖掘方法，以及文本与视频数据挖掘方法。本书的主要内容包括：数据挖掘基本知识、数据挖掘预处理方法、决策树分类及其他分类方法、关联知识挖掘方法、各种聚类分析方法，以及文本挖掘所涉及表示、分类和聚类等方法，还包括视频挖掘所涉及的视频镜头检测、字幕提取、视频摘要和视频检索等主要分析方法。本书作为学习、掌握和应用数据挖掘方法和技术的综合指导书，是从事数据挖掘研究与应用人员，以及希望了解数据挖掘主要方法和技术的IT技术人员的良师益友；同时也是一本可用于大学高年级或研究生相关课程的教材和参考文献。

医学数据仓库是数据仓库技术面向医学领域数据的具体实现。与其他企业数据仓库相比，医学数据仓库的数据来源、数据类型和数据特征都有其特殊之处。建立医学数据仓库是医学数据分析处理的基础，是医学信息技术发展的必然，对于医学、医疗卫生、药物学和医学管理等领域的研究与应用都有巨大的推动作用。医学数据挖掘所面临的数据对象类型十分丰富，包括文本、图形、图像等；数据来源也非常广泛。临床医疗和医学研究已积累了大量的信息，如何有效地存储、检索、处理和分析医学数据，为医学决策提供支持，已为医学工作者和信息技术工作者强烈关注。该领域的分析与挖掘技术极富前景，也极具挑战性。本书力图从两个角度观察和分析医学数据处理与分析技术。一方面从信息技术的角度介绍数据仓库及数据分析与挖掘的基本原理、技术和发展前景；另一方面从医学科学的角度介绍医学信息与医学数据以及相关处理技术的特殊性和最新的研究成果。本书可作为医学院校的本科生和研究生教材。也适合于医学领域从事数据处理的专业技术人员阅读。

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。