数据挖掘理论与技术 PDF下载

第1章 绪论
1.1 数据挖掘产生的背景
1.1.1 技术背景
1.1.2 理论基础
1.1.3 数据挖掘相关概念
1.2 数据挖掘知识基础
1.2.1 基本概念及特点
1.2.2 数据集
1.2.3 功能与分类
1.2.4 任务与过程
1.2.5 方法与步骤
1.3 数据挖掘简史与现状
1.3.1 简史
1.3.2 现状<；p>；第1章 绪论<；br />；
1.1 数据挖掘产生的背景<；br />；
1.1.1 技术背景<；br />；
1.1.2 理论基础<；br />；
1.1.3 数据挖掘相关概念<；br />；
1.2 数据挖掘知识基础<；br />；
1.2.1 基本概念及特点<；br />；
1.2.2 数据集<；br />；
1.2.3 功能与分类<；br />；
1.2.4 任务与过程<；br />；
1.2.5 方法与步骤<；br />；
1.3 数据挖掘简史与现状<；br />；
1.3.1 简史<；br />；
1.3.2 现状<；br />；
1.4 数据挖掘的技术工具<；br />；
1.4.1 技术工具<；br />；
1.4.2 工具选择<；br />；
1.5 数据挖掘的应用<；br />；
1.5.1 典型应用<；br />；
1.5.2 高级应用<；br />；
1.6 技术难点与发展趋势<；br />；
1.6.1 常见误解<；br />；
1.6.2 技术难点<；br />；
1.6.3 发展趋势<；br />；
1.7 本章小结<；br />；
思考题<；br />；
第2章 概率统计理论基础<；br />；
2.1 引言<；br />；
2.2 概率统计知识基础<；br />；
2.3 随机变量的分布函数<；br />；
2.3.1 多维随机变量<；br />；
2.3.2 条件分布<；br />；
2.4 统计推理<；br />；
2.5 参数估计<；br />；
2.5.1 估计理论<；br />；
2.5.2 最大似然估计<；br />；
2.5.3 贝叶斯估计<；br />；
2.6 假设检验<；br />；
2.7 数据采样方法<；br />；
2.8 本章小结<；br />；
思考题<；br />；
第3章 数据挖掘效果评价<；br />；
3.1 引言<；br />；
3.2 模型的评分函数<；br />；
3.2.1 基本概念<；br />；
3.2.2 预测模型的评分函数<；br />；
3.2.3 描述模型的评分函数<；br />；
3.3 模型的比较与验证<；br />；
3.3.1 模型比较<；br />
3.3.2 模型验证<br />
3.4 模型的性能提升<br />
3.4.1 增量学习<br />
3.4.2 半监督学习<br />
3.4.3 迁移学习<br />
3.4.4 反模型<br />
3.4.5 Boosting<br />
3.5 模型的建立与使用<br />
3.5.1 模型的建立<br />
3.5.2 模型的理解<br />
3.5.3 模型的使用<br />
3.6 本章小结<br />
思考题<br />
第4章 数据预处理<br />
4.1 引言<br />
4.2 数据预处理知识基础<br />
4.3 数据清理<br />
4.3.1 遗漏值<br />
4.3.2 噪声数据<br />
4.3.3 不一致数据<br />
4.4 数据集成<br />
4.5 数据转换<br />
4.6 数据规约<br />
4.6.1 数据方聚集<br />
4.6.2 维归约<br />
4.6.3 数据压缩<br />
4.6.4 数值归约<br />
4.7 数据离散<br />
4.8 应用实例分析<br />
4.8.1 腹围空缺数值归一化弥补方法<br />
4.8.2 Ⅱ型糖尿病数据预处理<br />
4.9 本章小结<br />
思考题<br />
第5章 数据仓库<br />
5.1 引言<br />
5.2 数据仓库知识基础<br />
5.2.1 基本概念<br />
5.2.2 基本作用<br />
5.2.3 与数据挖据的关系<br />
5.3 数据仓库中的模型<br />
5.3.1 概念模型<br />
5.3.2 物理模型<br />
5.3.3 元数据模型<br />
5.3.4 多维数据模型<br />
5.4 数据仓库系统结构<br />
5.4.1 组成<br />
5.4.2 数据仓库概念结构<br />
5.4.3 数据仓库结构类型<br />
5.5 OLAP分析<br />
5.5.1 知识基础<br />
5.5.2 多维分析<br />
5.5.3 OLAP结构<br />
5.5.4 多维数据库<br />
5.5.5 关系数据库<br />
5.6 本章小结<br />
思考题<br />
第6章 数据分类分析<br />
6.1 引言<br />
6.2 分类分析知识基础<br />
6.2.1 基本概念<br />
6.2.2 基本作用<br />
6.2.3 评价方法<br />
6.3 主要技术方法及分析<br />
6.4 贝叶斯分类<br />
6.4.1 朴素贝叶斯分类法<br />
6.4.2 贝叶斯网络<br />
6.4.3 动态贝叶斯网络<br />
6.5 基于决策树的算法<br />
6.5.1 基本思想<br />
6.5.2 ID3算法<br />
6.5.3 C4.5算法<br />
6.5.4 SLIQ算法<br />
6.5.5 SPRINT算法<br />
6.6 神经网络与遗传算法<br />
6.6.1 神经网络<br />
6.6.2 遗传算法<br />
6.7 支持向量机<br />
6.8 粗糙集与模糊集<br />
6.8.1 粗糙集<br />
6.8.2 模糊集<br />
6.9 最大熵模型<br />
6.10 应用实例分析<br />
6.10.1 汉语句义类型识别<br />
6.10.2 特定音频事件识别<br />
6.11 本章小结<br />
思考题<br />
第7章 数据聚类分析<br />
7.1 引言<br />
7.2 聚类分析知识基础<br />
7.2.1 基本概念<br />
7.2.2 基本作用<br />
7.2.3 近邻测度<br />
7.2.4 评价方法<br />
7.3 主要技术方法及分析<br />
7.4 基于划分的算法<br />
7.4.1 基本思想<br />
7.4.2 K-means算法<br />
7.4.3 K-medoids算法<br />
7.4.4 CLARANS算法<br />
7.5 基于层次的算法<br />
7.5.1 基本思想<br />
7.5.2 BIRCH算法<br />
7.5.3 CURE算法<br />
7.5.4 ROCK算法<br />
7.5.5 Chameleon算法<br />
7.6 基于密度的算法<br />
7.6.1 基本思想<br />
7.6.2 DBSCAN算法<br />
7.6.3 OPTICS算法<br />
7.6.4 DENCLUE算法<br />
7.7 基于网格的算法<br />
7.7.1 基本思想<br />
7.7.2 STING算法<br />
7.7.3 Wave Cluster算法<br />
7.7.4 CLIQUE算法<br />
7.8 基于模型的算法<br />
7.8.1 基本思想<br />
7.8.2 EM算法<br />
7.8.3 COBWEB算法<br />
7.8.4 自组织神经网络<br />
7.9 应用实例分析<br />
7.9.1 镜头聚类<br />
7.9.2 文本聚类<br />
7.10 本章小结<br />
思考题<br />
第8章 关联规则发现<br />
8.1 引言<br />
8.2 关联规则发现知识基础<br />
8.2.1 基本概念<br />
8.2.2 评价方法<br />
8.2.3 注意事项<br />
8.3 主要技术方法及分析<br />
8.4 关联规则的基本算法<br />
8.4.1 Apriori算法<br />
8.4.2 FP-树频集算法<br />
8.4.3 CloSpan<br />
8.5 并行和分布式关联规则算法<br />
8.5.1 并行关联规则<br />
8.5.2 分布式关联规则<br />
8.6 多层次关联规则算法<br />
8.7 数量关联规则算法<br />
8.8 应用实例分析——蠕虫检测<br />
8.9 本章小结<br />
思考题<br />
第9章 统计预测方法<br />
9.1 引言<br />
9.2 统计预测方法知识基础<br />
9.3 主要技术方法及分析<br />
9.4 回归预测方法<br />
9.4.1 线性和多元回归<br />
9.4.2 非线性回归<br />
9.5 Box-Jenkins回归<br />
9.6 隐马模型<br />
9.6.1 隐马尔可夫模型<br />
9.6.2 隐半马尔可夫模型<br />
9.7 应用实例分析<br />
9.7.1 Ⅱ型糖尿病发病危险状态预测<br />
9.7.2 关键人物判定<br />
9.8 本章小结<br />
思考题<br />
参考文献</p>