数据挖掘理论与技术PDF格式文档图书下载

第一节 数据挖掘研究起源 1

第一章 导论 1

第二节 数据挖掘概念 5

第三节 数据挖掘对象 8

一、关系数据库 8

二、数据仓库 9

三、文本数据库 10

四、复杂类型数据库 11

二、Web数据挖掘 12

第四节 数据挖掘主要研究内容 12

一、异构数据挖掘 12

三、数据挖掘算法的研究 13

四、数据挖掘过程具体问题 14

第五节 数据挖掘系统体系结构 16

第六节 数据挖掘与情报学 18

一、情报收集 18

二、情报处理 19

三、情报服务 19

五、情报检索技术 20

四、情报分析 20

六、竞争情报 21

第二章 数据挖掘功能、过程与方法 23

第一节 数据挖掘功能 24

一、概念描述 24

二、关联分析 25

三、分类与聚类 27

四、偏差检测 30

六、信息摘要 31

五、时序演变分析 31

七、信息抽取 32

八、元数据挖掘 33

第二节 数据挖掘过程 33

一、跨行业数据挖掘过程标准 34

二、业务理解 36

三、数据理解 37

四、数据准备 39

五、建立模型 41

六、评价 44

七、实施 45

八、数据挖掘过程的人员保障 47

一、决策树 48

第三节 数据挖掘方法 48

二、神经网络 52

三、粗糙集 55

四、遗传算法 62

五、概率论与数理统计 65

六、模糊集 69

第一节 数据仓库与OLAP 73

一、数据仓库 73

第三章 数据库挖掘 73

二、OLAP 75

第二节 概念描述 76

一、生成概念描述的一般过程 76

二、数据概化的方法与特征性描述 80

三、概化的表示 84

四、属性相关分析 86

五、区别性描述 87

第三节 关联规则 88

一、关联规则基本概念和问题描述 88

二、关联规则分类 89

三、单维布尔关联规则挖掘 90

四、多层关联规则挖掘 97

五、多维关联规则挖掘 100

六、基于约束的挖掘 104

七、关联规则兴趣度 107

八、例外规则与意外规则挖掘 124

第四节 分类 127

一、分类的一般过程 128

二、决策树分类法 128

三、贝叶斯分类 132

四、改进分类效果的方法 135

第五节 聚类分析 138

一、聚类分析概述 138

二、聚类分析中数据结构 140

三、聚类分析中数据类型 142

四、聚类分析方法的分类 146

五、基于划分的聚类方法 148

六、基于层次的聚类方法 152

七、基于密度的聚类方法 159

八、基于网格的聚类方法 163

九、基于模型的聚类方法 166

十、孤立点分析 168

第四章 文本挖掘 172

第一节 文本挖掘概述 172

一、文本挖掘主要技术 173

二、文本挖掘一般过程 174

三、文本挖掘作用 175

四、文本挖掘与信息检索 176

第二节 文本的预处理 177

一、文本表示 177

二、文本特征标引 178

三、文本相似度 187

四、特征集缩减 190

第三节 文本自动分类 194

一、基于训练集的文本自动分类 195

二、基于类主题词表的分类 200

第四节 文本聚类 203

一、划分聚类法 203

二、改进的划分聚类法 204

三、层次聚类法 205

四、自组织特征映射法 207

五、基于遗传算法的文本聚类法 209

六、Web页聚类 210

第五节 自动摘要 211

一、自动摘要概述 212

二、自动摘要逻辑解释 216

三、中文自动摘要系统构建 222

第五章 Web挖掘 228

第一节 Web挖掘概述 228

一、一些基本概念 230

二、Web挖掘研究内容 233

三、Web挖掘难点 237

第二节 Web结构挖掘 239

一、Web结构挖掘意义 239

二、超链分析与页面分类 241

第三节 Web内容挖掘 246

一、Web信息获取 247

二、Web信息清理 249

三、Web文本挖掘 254

第四节 Web日志挖掘 262

一、Web日志建立机制 263

二、Web日志简单分析 264

三、Web日志挖掘 267

第五节 Web挖掘的发展方向 271

一、基于理解的Web4挖掘 271

二、XML促进Web挖掘 274

第六章 复杂数据的挖掘 280

第一节 复杂数据挖掘概述 280

第二节 多媒体数据存储 284

一、多媒体存储方式 284

二、多媒体数据库建立 291

三、多媒体数据标引和检索 294

第三节 多媒体信息的初步处理 300

一、字符识别 301

二、图像识别 304

三、语音识别 308

四、视频处理 311

第四节 多媒体数据挖掘 314

第五节 时间序列分析 317

第六节 空间数据库挖掘 320

一、空间数据库 321

二、空间关联规则 325

三、空间对象分类 327

四、空间对象聚类 334

第七章 数据挖掘应用与前景 338

第一节 数据挖掘应用案例 338

一、DNA分析中的应用 339

二、金融 341

三、市场业 343

四、工程与科学 344

五、其他领域中的应用 345

第二节 数据挖掘的商务应用 346

一、商务智能 347

二、客户关系管理 350

第三节 数据挖掘产品及其选择 352

一、几种商用数据挖掘产品 352

二、如何选择数据挖掘产品 357

第四节 数据挖掘发展前景 360

一、数据挖掘面临的挑战 360

二、数据挖掘发展趋势与方向 363

参考文献 366

查看更多关于数据挖掘理论与技术的内容