數(shù)據(jù)挖掘原理與算法

第二版前言
第一版前言
第1章 導論
1.1 數(shù)據(jù)挖掘的社會需求
1.2 什么是數(shù)據(jù)挖掘
1.3 數(shù)據(jù)挖掘的數(shù)據(jù)來源
1.4 數(shù)據(jù)挖掘的分類
1.4.1 分類分析
1.4.2 聚類分析
1.4.3 關(guān)聯(lián)分析
1.4.4 序列分析及時問序列
1.4.5 孤立點分析
1.4.6 其他分析
1.5 數(shù)據(jù)挖掘的體系結(jié)構(gòu)與運行過程
1.5.1 數(shù)據(jù)挖掘的體系結(jié)構(gòu)
1.5.2 數(shù)據(jù)挖掘的步驟
1.5.3 實例
1.5.4 數(shù)據(jù)挖掘的過程模型
1.5.5 數(shù)據(jù)挖掘主要廠商和產(chǎn)品
1.6 數(shù)據(jù)挖掘與其他相關(guān)技術(shù)
1.6.1 數(shù)據(jù)挖掘與數(shù)據(jù)庫中知識發(fā)現(xiàn)
1.6.2 數(shù)據(jù)挖掘與聯(lián)機分析處理
1.6.3 數(shù)據(jù)挖掘與信息檢索
1.6.4 數(shù)據(jù)挖掘與機器學習
1.6.5 數(shù)據(jù)挖掘與數(shù)據(jù)融合
1.6.6 數(shù)據(jù)挖掘與統(tǒng)計學
1.6.7 數(shù)據(jù)挖掘與專家系統(tǒng)
1.6.8 數(shù)據(jù)挖掘與決策支持系統(tǒng)
1.6.9 數(shù)據(jù)挖掘與客戶關(guān)系管理
1.6.10 軟硬件發(fā)展對數(shù)據(jù)挖掘的影響
1.6.11 XML與面向Web的數(shù)據(jù)挖掘技術(shù)
1.7 數(shù)據(jù)挖掘工具的評價標準
1.8 數(shù)據(jù)挖掘的應(yīng)用
1.9 數(shù)據(jù)挖掘的要求及挑戰(zhàn)
第2章 數(shù)據(jù)倉庫技術(shù)
2.1 數(shù)據(jù)倉庫概述
2.1.1 數(shù)據(jù)倉庫的定義
2.1.2 數(shù)據(jù)倉庫查詢系統(tǒng)
2.1.3 OLTP與OLAP
2.1.4 數(shù)據(jù)倉庫與數(shù)據(jù)集市
2.1.5 數(shù)據(jù)倉庫系統(tǒng)的結(jié)構(gòu)
2.1.6 數(shù)據(jù)倉庫中的元數(shù)據(jù)管理
2.2 數(shù)據(jù)倉庫的建模
2.2.1 星型模型
2.2.2 雪花模型
2.2.3 混合模型
2.2.4 多維數(shù)據(jù)模型
2.3 聯(lián)機分析處理
2.3.1 OLAP的功能及體系結(jié)構(gòu)
2.3.2 OLAP數(shù)據(jù)組織模型
2.3.3 OLAP的Web結(jié)構(gòu)
2.3.4 OLAP數(shù)據(jù)查詢機制
2.4 海威數(shù)據(jù)倉庫系統(tǒng)簡介
2.4.1 Highway Decision Center V1.0系統(tǒng)結(jié)構(gòu)
2.4.2 Highway Decision Center V2.0系統(tǒng)結(jié)構(gòu)
2.4.3 海威數(shù)據(jù)倉庫網(wǎng)絡(luò)結(jié)構(gòu)
2.5 數(shù)據(jù)倉庫應(yīng)用舉例
2.5.1 信用卡資信分析
2.5.2 貸款分析
第3章 數(shù)據(jù)挖掘中的數(shù)據(jù)預(yù)處理
3.1 概論
3.2 數(shù)據(jù)預(yù)處理的基本步驟
3.3 數(shù)值屬性的離散化與特征選擇
3.3.1 Chi2算法簡介
3.3.2 舉例
3.3.3 討論
3.4 概念分層
3.4.1 數(shù)據(jù)庫中面向?qū)傩缘臍w納
3.4.2 概念分層的動態(tài)提煉
3.4.3 針對數(shù)值屬性的概念分層的自動產(chǎn)生
3.5 數(shù)據(jù)抽樣
3.5.1 數(shù)據(jù)挖掘不同領(lǐng)域中的抽樣
3.5.2 數(shù)據(jù)挖掘中抽樣方法
3.5.3 靜態(tài)與動態(tài)抽樣
第4章 關(guān)聯(lián)規(guī)則
4.1 關(guān)聯(lián)規(guī)則挖掘的基本概念
4.2 關(guān)聯(lián)規(guī)則的發(fā)現(xiàn)算法
4.2.1 算法Aprio
4.2.2 算法AprioriTid
4.2.3 算法AprioriHybrid
4.2.4 生成規(guī)則
4.2.5 算法FP_Growth
4.2.6 算法ECLAT
4.2.7 基于粒計算的頻繁模式挖掘算法
4.3 數(shù)值屬性關(guān)聯(lián)規(guī)則
4.3.1 基本概念
4.3.2 確定數(shù)值屬性劃分的聚類算法CP
4.4 多層關(guān)聯(lián)規(guī)則挖掘
4.4.1 概念層次（conceptual hierarchies）
4.4.2 同層（same hierarehy）關(guān)聯(lián)規(guī)則挖掘
4.5 約束性關(guān)聯(lián)規(guī)則發(fā)現(xiàn)方法及算法
4.5.1 算法Separate
4.5.2 其他約束條件
4.6 關(guān)聯(lián)規(guī)則的增量式更新算法
4.6.1 閾值的動態(tài)調(diào)整
4.6.2 數(shù)據(jù)庫的更新
4.7 頻繁項集的壓縮
第5章 數(shù)據(jù)分類
5.1決策樹基本算法
5.1.1決策樹生成算法
5.1.2 決策樹的修剪
5.2 決策樹ID3
5.2.1 基本概念
5.2.2 定義
5.2.3 ID3算法
5.2.4 ID3算法優(yōu)劣
5.3 決策樹學習算法C4.5
5.3.1 使用增益率
5.3.2 處理未知值的訓練樣本
5.3.3 有連續(xù)值的屬性
5.3.4 規(guī)則的產(chǎn)生
5.3.5 交叉驗證
5.3.6 C4.5工作流程
5.4 分類與回歸樹
5.4.1 基本定義
5.4.2 構(gòu)建樹算法
5.4.3 修剪
5.4.4 決策樹評估
5.4.5 內(nèi)存管理及時間復雜性分析
5.5 SLIQ——一種快速可擴展的分類算法
5.5.1 擴展性問題
5.5.2 SLIQ分類器
5.5.3 數(shù)據(jù)結(jié)構(gòu)及算法
5.6 SPRINT——數(shù)據(jù)挖掘中一種可擴展的并行分類器
5.6.1 數(shù)據(jù)結(jié)構(gòu)
5.6.2 分割點的求解
5.6.3 分割
5.6.4 與SLIQ的對比
5.6.5 分類并行化
5.7 分類算法的評價
5.7.1 分類器準確率度量
5.7.2 ROC曲線
5.8 其他分類算法
5.8.1 人工神經(jīng)網(wǎng)絡(luò)
5.8.2 支持向量機
……
第6章 聚類分析
第7章 序列模式與時間序列
第8章 空間多維數(shù)據(jù)訪問與可視化
第9章 開放式的數(shù)據(jù)挖掘系統(tǒng)
第10章 數(shù)據(jù)挖掘應(yīng)用
第11章 數(shù)據(jù)挖掘新進展
參考文獻