《高等学校计算机专业“十二五”规划教材：数据挖掘原理、算法及应用》以各类数据挖掘算法为核心，以智能数据分析技术的发展为主线，结合作者自身的研究和应用经验，阐述数据挖掘研究领域的主要理论和典型算法。全书共分8章：第1章为绪论；第2-5章分别介绍数据挖掘的主要技术、各类典型算法及其编程实现，包括数据预处理技术，关联规则挖掘技术、分类技术，聚类技术等几大类技术和其中包含的典型算法；第6-8章分别简要介绍一些数据挖掘的应用专题，包括时间序列数据挖掘、Weh挖掘、空间数据挖掘等。
目录
- 第1章绪论
- 1.1 数据挖掘的概念和定义
- 1.2 数据挖掘的历史及发展
- 1.3 数据挖掘的研究内容及功能
- 1.4 数据挖掘的常用技术及工具
- 1.5 数据挖掘的应用热点
- 1.6 小结
- 习题
- 第2章数据预处理
- 2.1 数据预处理的目的
- 2.2 数据清理
- 2.3 数据集成和数据变换
- 2.4 数据归约
- 2.5 数据离散化和概念分层
- 2.6 特征选择与提取
- 2.7 小结
- 习题
- 第3章关联规则挖掘
- 3.1 基本概念
- 3.2 关联规则挖掘算法
- 3.3 Apriori改进算法
- 3.4 不候选产生挖掘频繁项集
- 3.5 使用垂直数据格式挖掘频繁项集
- 3.6 挖掘闭频繁项集
- 3.7 挖掘各种类型的关联规则
- 3.8 相关分析
- 3.9 肇于约束的关联规则
- 3.10 矢量空间数据库中关联规则的挖掘
- 3.11 小结
- 习题
- 第4章分类和预测
- 4.1 分类和预测的基本概念和步骤
- 4.2 基于相似性的分类算法
- 4.3 决策树分类算法
- 4.4 贝叶斯分类算法
- 4.5 人工神经网络(ANN)
- 4.6 支持向量机
- 4.7 预测
- 4.8 预测和分类中的准确率
- 4.9 评估分类器或预测器的准确率
- 4.10 小结
- 习题
- 第5章聚类方法
- 5.1 概述
- 5.2 划分聚类方法
- 5.3 层次聚方法
- 5.4 密度聚类方法 聚类结构
- 5.5 基于网格聚类方法 变换聚类 聚类方法
- 5.6 神经网络聚类方法：SOM
- 5.7 异常检测
- 5.8 小结
- 习题
- 第6章时间序列数据挖掘
- 6.1 概述
- 6.2 时间序列数据建模
- 6.3 时间序列预测
- 6.4 时间序列数据库相似搜索
- 6.5 从时间序列数据中发现感兴趣模式
- 6.6 小结
- 习题
- 第7章Web挖掘
- 7.1 挖掘的分类及基数据来源
- 7.2 Web日志挖掘
- 7.3 Web内容挖掘
- 7.4 小结
- 习题
- 第8章复杂类型数据挖掘
- 8.1 空间数据挖掘 空间OLAP
- 8.2 文本数据挖掘
- 8.3 多媒体数据挖掘 遥感影像分类
- 8.4小结
- 习题
- 参考文献
- 特别提示：本资源需要会员组权限，普通注册用户无法下载.
