本书是在作者多年从事数据挖掘行业实践和相关科学研究的基础上编写而成，书中包括数据挖据理论研究及实际应用的现状分析、研究内容的组织框架、研究方法与技术路线的描述、数据挖掘理论及应用的综述、不确定性理论、多目标优化的分类器方法、模糊多目标优化的分类器模型和算法、基于粗糙集和统计贡献度的特征选择算法、基于粗糙集预处理和粗近似的多目标优化的分类器模型和算法以及基于模糊化、核方法和惩罚因子的多目标优化的分类器模型和算法等内容。本书含有不确定性多目标优化的数据挖掘在信用评分、Web客户忠诚度分析、蛋白质交互的热点区域预测以及重大疾病的医疗诊断和预测等几个经典领域中的实际应用的描述。最后，通过对研究内容和实际应用效果的总结，展望了进一步研究和应用的方向。本书可供从事数据挖掘、机器学习与知识工程领域的科学工作者、相关专业的本科生和研究生，以及从事数据分析和处理的工程技术人员参考。

李琳琳主编的《数据链技术及应用（高等学校十二五规划教材）》是一本全面介绍数据链系统概念、原理、组成、功能、集成及作战应用的教科书。全书共分7章，围绕数据链系统这一核心概念，主要介绍了数据链系统的基本概念、组成及工作原理，详细阐述了数据链系统的信息传输、信息安全、网络管理以及数据链与平台的集成，*后介绍了数据链在作战中的应用。本书可作为军队院校通信工程和指挥信息系统工程等相关专业的本科生教材，也可作为地方高等院校国防生相关专业教材和各类军队干部培训（轮训）教材，还可以作为国防科技人员和军事爱好者的参考资料。

10余位数据挖掘领域资深专家和科研人员，10余年大数据挖掘咨询与实施经验结晶。从数据挖掘的应用出发，以电力、航空、医疗、互联网、生产制造以及公共服务等行业真实案例为主线，深入浅出介绍Python数据挖掘建模过程，实践性极强。本书共15章，分两个部分：基础篇、实战篇。基础篇介绍了数据挖掘的基本原理，实战篇介绍了一个个真实案例，通过对案例深入浅出的剖析，使读者在不知不觉中通过案例实践获得数据挖掘项目经验，同时快速领悟看似难懂的数据挖掘理论。读者在阅读过程中，应充分利用随书配套的案例建模数据，借助相关的数据挖掘建模工具，通过上机实验，以快速理解相关知识与理论。基础篇（第1～5章），第1章的主要内容是数据挖掘概述；第2章对本书所用到的数据挖掘建模工具Python语言进行了简明扼要的说明；第3章、第4章、第5章对数据挖掘的建模过程，包括数据探索、数据预处理及挖掘建模的常用算法与原理进行了介绍。实战篇（第6～15章），重点对数据挖掘技术在电力、航空、医疗、互联网、生产制造以及公共服务等行业的应用进行了分析。在案例结构组织上，本书是按照先介绍案例背景与挖掘目标，再阐述分析方法与过程，最后完成模型构建的顺序进行的，在建模过程的关键环节，穿插程序实现代码。最后通过上机实践，加深读者对数据挖掘技术在案例应用中的理解。

《云背景下数据库安全性与数据库完整性研究》共分八章。阐述了云计算、云数据库、数据库安全性以及数据库完整性等，集中阐述了数据库安全性控制的必要性、常用方法、技术及策略以及数据库完整性的定义、检查及违约处理等，并对图书资料智能管理系统进行数据库安全性与完整性的设计。

本书包括五部分内容。第一部分（第1~3章）涉及数据挖掘技术的基础知识，介绍数据挖掘的定义、数据挖掘工具及应用领域，数据挖掘的数学基础内容，以及海量数据挖掘处理技术。第二部分（第4~5章）分别从聚类技术和离群点挖掘技术阐述聚类在语音区分、新闻分组、销售策略制定、交通事故预测、欺诈检测、入侵检测、异常气候检测等方面的应用。第三部分（第6~11章）分别从决策树、基于实例的学习、支持向量机、贝叶斯学习、人工神经网络、遗传算法在病情诊断、信用卡欺诈、机械装备设计、法律案件审理、动物分类、垃圾邮件过滤、手写文字识别、股票价格预测、人脸识别、音乐生成等方面阐述分类的应用。第四部分（第12章）阐述回归数据挖掘技术的应用，涉及卡尔曼算法在股票价格预测、GPS定位方面的应用。第五部分（第13章）介绍推荐系统这个最典型的数据挖掘应用。附录总结本书内容，阐述数据挖掘技术的数学本质。

准备好释放数据的威力了吗？通过这本施工忸怩好，你将会学习到如何通过Apache Hadoop建立和维护可靠的、可扩展的分布式系统。本书是期望分析任意大小的数据集的程序员以及想建立和运行Hadoop集群的管理员的理想选择。在这本面向Hadoop 2的新版书籍中，作者怀特增加了关于YARN和一些Hadoop相关项目，如Parquet、Flume、Crunch和Spark的新章节。你将会了解到Hadoop版本的新变化，并且研究在医疗健康系统和基因数据处理中Hadoop的应用案例。

《Oracle Mobile Application Framework开发指南：构建多平台企业移动应用》一书的作者Luc Bors是一位Oracle ACE，他在该书中阐述了如何基于单一代码库创建多平台移动应用。在整本书中提供了详细的示例和易于理解的代码。通过一个完整的样例应用逐步解释Oracle MAF的强大功能，包括数据可视化、UX模式、地理地图、推送通知等。通过学习本书，可以充分利用Oracle MAF可视化和声明式开发的特性。书中主要内容●　为Android和iOS应用开发配置IDE●　为移动应用创建AMX页面和任务流●　使用绑定层和数据控件●　创建应用特性，并在Springboard和导航栏中配置访问这些特性●　使用数据控件调用Web服务，并创建一个设备上的数据库●　实现设备交互服务●　调试、测试和保护Oracle MAF应用的安全性●　创建一个交互样例应用，较大化Oracle MAF的功能

在里扎等编著的《Spark高级数据分析（影印版 ）（英文版）》这本实用书籍中，4位Cloude阳公司 的数据科学家讲解了一系列自包含模式，用于在 Spark中进行大规模数据分析。本书作者们把Spark、 统计原理和现实世界中的数据集合放到一起，通过实 例教你如何解决数据分析问题。你将从Spark及其生态系统的介绍开始，然后深 入运用标准技巧的模式——归类、聚合过滤及异常检 测等，这些技巧被用于生物基因、安全和金融等行业 。如果你对机器学习和统计学有初步了解，使用Java 、Pytton或者Scala编程，就会发现这些模式对于你 的数据分析应用程序会非常有用。模式包括： 音乐推荐和Audioscrobbler数据集合 用决策树分析森林覆盖 用K均值聚合检测网络流量中的异常 用潜在语义分析理解维基百科 用GraphX分析共生网络 用地理空间和瞬态数据分析纽约市出租车路线的 数据 用蒙地卡罗模拟来估计金融风险 分析基因数据和BDG项目 通过PySpark和Thunder分析神经造影数据

暂缺简介...

数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。大多数数据挖掘的教材都专注于介绍理论基础，因而往往难以理解和学习。本书是介绍写给程序员的一本数据挖掘指南，可以帮助读者动手实践进行数据挖掘、集体智慧并构建推荐系统。全书共8章，介绍了数据挖掘的基本知识和理论、协同过滤、内容过滤及分类、算法评估、朴素贝叶斯、非结构化文本分类以及聚类等内容。全书采用做中学的方式，用生动的图示、大量的表格、简明的公式，实用的Python代码示例，阐释数据挖掘的知识和技能。每章还给出了习题和练习，帮助读者巩固所学的知识。本书专注适合对数据挖掘、数据分析和推荐系统感兴趣的程序员及相关领域的从业者阅读参考；同时，本书也可以作为一本轻松有趣的数据挖掘课程教学参考书。