数据挖掘原理、算法及应用 PDF下载

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<；p>；第1章　绪论<；br />；
　1.1 数据挖掘的概念和定义<；br />；
　1.2 数据挖掘的历史及发展<；br />；
　1.3 数据挖掘的研究内容及功能<；br />；
　1.4 数据挖掘的常用技术及工具<；br />；
　1.5 数据挖掘的应用热点<；br />；
　1.6 小结<；br />；
　习题<；br />；
第2章　数据预处理<；br />；
　2.1 数据预处理的目的<；br />；
　2.2 数据清理<；br />；
　2.3 数据集成和数据变换<；br />；
　2.4 数据归约<；br />；
　2.5 数据离散化和概念分层<；br />；
　2.6 特征选择与提取<；br />；
　2.7 小结<；br />；
　习题<；br />；
第3章　关联规则挖掘<；br />；
　3.1 基本概念<；br />；
　3.2 关联规则挖掘算法<；br />；
　3.3 Apriori改进算法<；br />；
　3.4 不候选产生挖掘频繁项集<；br />；
　3.5 使用垂直数据格式挖掘频繁项集<；br />；
　3.6 挖掘闭频繁项集<；br />；
　3.7 挖掘各种类型的关联规则<；br />；
　3.8 相关分析<；br />；
　3.9 肇于约束的关联规则<；br />；
　3.10 矢量空间数据库中关联规则的挖掘<；br />；
　3.11 小结<；br />；
　习题<；br />；
第4章　分类和预测<；br />；
　4.1 分类和预测的基本概念和步骤<；br />；
　4.2 基于相似性的分类算法<；br />；
　4.3 决策树分类算法<；br />；
　4.4 贝叶斯分类算法<；br />；
　4.5 人工神经网络(ANN)<；br />；
　4.6 支持向量机<；br />；
　4.7 预测<；br />；
　4.8 预测和分类中的准确率<；br />；
　4.9 评估分类器或预测器的准确率<；br />；
　4.10 小结<；br />；
　习题<；br />；
第5章　聚类方法<；br />；
　5.1 概述<；br />；
　5.2 划分聚类方法<；br />；
　5.3 层次聚方法<；br />；
　5.4 密度聚类方法 聚类结构<；br />；
　5.5 基于网格聚类方法 变换聚类 聚类方法<；br />；
　5.6 神经网络聚类方法：SOM<；br />
　5.7 异常检测<br />
　5.8 小结<br />
　习题<br />
第6章　时间序列数据挖掘<br />
　6.1 概述<br />
　6.2 时间序列数据建模<br />
　6.3 时间序列预测<br />
　6.4 时间序列数据库相似搜索<br />
　6.5 从时间序列数据中发现感兴趣模式<br />
　6.6 小结<br />
　习题<br />
第7章　Web挖掘<br />
　7.1 挖掘的分类及基数据来源<br />
　7.2 Web日志挖掘<br />
　7.3 Web内容挖掘<br />
　7.4 小结<br />
　习题<br />
第8章　复杂类型数据挖掘<br />
　8.1 空间数据挖掘 空间OLAP<br />
　8.2 文本数据挖掘<br />
　8.3 多媒体数据挖掘 遥感影像分类<br />
　8.4小结<br />
　习题<br />
参考文献</p>