数据挖掘技术 PDF下载

1 绪论
 1.1 数据管理
 1.2 数据仓库和联机分析处理
 1.3 数据挖掘和知识发现
 1.4 数据挖掘工具
 1.5 本章小结
2 数据仓库和联机分析处理
 2.1 数据仓库概念
 2.2 数据仓库中的数据组织
 2.3 数据仓库的基本数据模型
 2.4 数据仓库的实现策略
 2.5 数据仓库与联机分析处理
 2.6 联机分析处理
 2.7 数据仓库与数据挖掘
 2.8 本章小结
3 关联规则挖掘
 3.1 基本概念
 3.2 关联规则的Apriori算法
 3.3 Apriori的改进算法
 3.4 基于FP—tree的关联规则挖掘算法FP—growth
 3.5 多层关联规则挖掘
 3.6 多维关联规则挖掘
 3.7 基于约束的关联规则挖掘
 3.8 数量关联规则挖掘
 3.9 最大频繁项目集挖掘
 3.10 关联规则更新挖掘算法
 3.11 一种新的支持度计算方法
 3.12 负关联规则挖掘算法
 3.13 加权关联规则挖掘算法
 3.14 本章小结
4 序列模式挖掘
 4.1 问题描述
 4.2 类Apriori(Apriori—based)方法
 4.3 GSP算法
 4.4 基于投影的序列模式挖掘算法PrefixSpan
 4.5 SPADE方法
 4.6 序列模式增量式更新算法
 4.7 本章小结
5 分类
 5.1 分类概述
 5.2 决策树(DecisionTree)方法
 5.3 ID3决策树方法
 5.4 C4.5方法
 5.5 IBLE决策规则树方法
 5.6 SLIQ：一种快速可扩展的分类算法
 5.7 SPRINT：一种可扩展的并行分类器
 5.8 贝叶斯方法
 5.9 本章小结
6 聚类分析
 6.1 什么是聚类分析
 6.2 距离和相似系数
 6.3 聚类分析的过程
 6.4 聚类分析算法的分类
 6.5 常用的聚类算法
 6.6 孤立点分析
 6.7 高维空间聚类问题
 6.8 本章小结
7 Web挖掘
 7.1 Web挖掘概述
 7.2 Web挖掘基本流程
 7.3 Web挖掘分类
 7.4 Web挖掘的应用前景
 7.5 本章小结
8 基于数据挖掘的医学图像分类
 8.1 分类模型的基本框架
 8.2 医学图像的特征描述
 8.3 医学图像分割及局部组织特征的提取
 8.4 关联分类规则
 8.5 规则比较与分析
 8.6 本章小结
参考文献