數(shù)據(jù)挖掘技術(shù)及應(yīng)用

第1章 數(shù)據(jù)挖掘概述
1.1 數(shù)據(jù)挖掘技術(shù)產(chǎn)生的動力
1.2 數(shù)據(jù)挖掘的概念與方法概述
1.3 數(shù)據(jù)挖掘的分類
1.4 數(shù)據(jù)挖掘的主要功能
1.5 數(shù)據(jù)挖掘的工具及軟件
1.6 數(shù)據(jù)挖掘的專利
1.7 數(shù)據(jù)挖掘技術(shù)的應(yīng)用狀況
1.8 本章小結(jié)
本章參考文獻
思考題
第2章 關(guān)聯(lián)規(guī)則發(fā)現(xiàn)
2.1 關(guān)聯(lián)規(guī)則挖掘的典型問題--貨籃數(shù)據(jù)分析
2.2 關(guān)聯(lián)規(guī)則挖掘的基本概念
2.3 二值型關(guān)聯(lián)規(guī)則挖掘
2.4 并行關(guān)聯(lián)規(guī)則挖掘算法
2.5 數(shù)值型關(guān)聯(lián)規(guī)則挖掘算法
2.6 多層次關(guān)聯(lián)規(guī)則挖掘
2.7 增量式關(guān)聯(lián)規(guī)則挖掘
2.8 關(guān)聯(lián)規(guī)則挖掘的其他問題
2.9 關(guān)聯(lián)規(guī)則挖掘在文獻分析中的應(yīng)用
2.10 本章小結(jié)
本章參考文獻
思考題
第3章 數(shù)據(jù)分類
3.1 決策樹
3.2 神經(jīng)網(wǎng)絡(luò)
3.3 遺傳算法
3.4 支持向量機
3.5 其他分類方法
3.6 分類方法在人臉識別中的應(yīng)用
3.7 本章小結(jié)
本章參考文獻
思考題
第4章 聚類分析
4.1 聚類和聚類分析
4.2 數(shù)據(jù)類型
4.3 相似度量方法
4.4 聚類方法的分類
4.5 劃分聚類方法
4.6 層次聚類方法
4.7 基于空間索引的聚類方法
4.8 自組織神經(jīng)網(wǎng)絡(luò)
4.9 其他聚類方法
4.10 聚類方法的評價
4.11 聚類應(yīng)用案例
4.12 本章小結(jié)
本章參考文獻
思考題
第5章 統(tǒng)計預測方法與序列模式挖掘
5.1 時間序列與序列模式
5.2 時間序列預測的基本方法
5.3 回歸預測方法
5.4 統(tǒng)計預測案例分析
5.5 序列模式挖掘的基本概念與方法
5.6 多層次序列模式挖掘方法
5.7 多層次序列模式挖掘在供應(yīng)鏈管理中的應(yīng)用
5.8 本章小結(jié)
本章參考文獻
思考題
第6章 Web上的數(shù)據(jù)挖掘
6.1 Web上的數(shù)據(jù)
6.2 Web上的數(shù)據(jù)挖掘
6.3 Web中數(shù)據(jù)挖掘的應(yīng)用
6.4 XML與數(shù)據(jù)挖掘
6.5 電子商務(wù)的數(shù)據(jù)挖掘
6.6 本章小結(jié)
本章參考文獻
思考題
第7章 數(shù)據(jù)挖掘系統(tǒng)的設(shè)計與實現(xiàn)
7.1 數(shù)據(jù)挖掘工具
7.2 分布式環(huán)境下的集成數(shù)據(jù)挖掘系統(tǒng)
7.3 本章小結(jié)
本章參考文獻
思考題
附錄 數(shù)據(jù)挖掘產(chǎn)品特點與應(yīng)用案例表