數(shù)據(jù)挖掘原理與算法（第4版）

定　價：￥69.80

作　者：	毛國君，段立娟，賀文武
出版社：	清華大學(xué)出版社
叢編項(xiàng)：	21世紀(jì)高等學(xué)校計算機(jī)類專業(yè)核心課程系列教材
標(biāo)　簽：	暫缺

ISBN：	9787302629207	出版時間：	2023-08-01	包裝：	平裝
開本：	16開	頁數(shù)：	376	字?jǐn)?shù)：

內(nèi)容簡介

　　本書是一本全面介紹數(shù)據(jù)挖掘基本原理、核心算法以及典型應(yīng)用方法的專業(yè)書籍。第4版在前三版的基礎(chǔ)上，對數(shù)據(jù)挖掘的方法論和知識點(diǎn)進(jìn)行了重新歸納，按照基礎(chǔ)篇、提高篇和應(yīng)用篇進(jìn)行設(shè)計。從方法論上說，數(shù)據(jù)挖掘是一個方法和原理逐步演變的過程。首先，基礎(chǔ)的數(shù)據(jù)挖掘方法主要有“關(guān)聯(lián)規(guī)則”“分類”“聚類”，它們是數(shù)據(jù)挖掘的靈魂和基礎(chǔ)，因此基礎(chǔ)篇是了解和學(xué)習(xí)數(shù)據(jù)挖掘技術(shù)的入門知識。其次，隨著數(shù)據(jù)挖掘技術(shù)研究和應(yīng)用的深入，序列數(shù)據(jù)挖掘和深度神經(jīng)網(wǎng)絡(luò)得到充分研究。前者突破數(shù)據(jù)庫的數(shù)據(jù)約束，面向時間序列發(fā)現(xiàn)有價值的知識模式；后者突破淺層神經(jīng)網(wǎng)絡(luò)的性能瓶頸，為多模態(tài)數(shù)據(jù)的自主挖掘提供新的解決途徑。因此，“序列模式”和“深度神經(jīng)網(wǎng)絡(luò)”構(gòu)成提高篇。，以互聯(lián)網(wǎng)數(shù)據(jù)挖掘、空間數(shù)據(jù)挖掘構(gòu)成應(yīng)用篇。全書分為3篇共9章，各章相對獨(dú)立，以利于讀者選擇性學(xué)習(xí)。在每章后面都專設(shè)一節(jié)對本章內(nèi)容和文獻(xiàn)引用情況進(jìn)行歸納，以利于讀者了解本章內(nèi)容的知識點(diǎn)和檢索原始參考資料。本書可作為計算機(jī)專業(yè)研究生或高年級本科生教材，也可作為從事計算機(jī)研究和開發(fā)人員的參考資料。作為教材，教師可以根據(jù)課時安排進(jìn)行選擇性教學(xué)。對于研究和開發(fā)人員，本書不僅是一本具有較高參考價值的專業(yè)書籍，而且也是學(xué)習(xí)典型算法及其原理的很好的教科書。

作者簡介

暫缺《數(shù)據(jù)挖掘原理與算法（第4版）》作者簡介

圖書目錄

基礎(chǔ)篇
第1章緒論
1.1 數(shù)據(jù)挖掘技術(shù)的產(chǎn)生與發(fā)展
1.1.1 數(shù)據(jù)挖掘技術(shù)的商業(yè)需求分析
1.1.2 數(shù)據(jù)挖掘產(chǎn)生的技術(shù)背景分析
1.1.3 大數(shù)據(jù)時代的數(shù)據(jù)挖掘技術(shù)需求分析
1.2 數(shù)據(jù)挖掘研究的發(fā)展趨勢
1.3 數(shù)據(jù)挖掘概念
1.3.1 從商業(yè)角度看數(shù)據(jù)挖掘技術(shù)
1.3.2 數(shù)據(jù)挖掘的技術(shù)含義
1.3.3 數(shù)據(jù)挖掘研究的理論基礎(chǔ)
1.4 數(shù)據(jù)挖掘技術(shù)的分類問題
1.5 數(shù)據(jù)挖掘常用的知識表示模式與方法
1.5.1 廣義知識挖掘
1.5.2 關(guān)聯(lián)知識挖掘
1.5.3 類知識挖掘
1.5.4 預(yù)測型知識挖掘
1.5.5 特異型知識挖掘
1.6 不同數(shù)據(jù)存儲形式下的數(shù)據(jù)挖掘問題
1.6.1 事務(wù)數(shù)據(jù)庫中的數(shù)據(jù)挖掘
1.6.2 關(guān)系型數(shù)據(jù)庫中的數(shù)據(jù)挖掘
1.6.3 數(shù)據(jù)倉庫中的數(shù)據(jù)挖掘
1.6.4 在關(guān)系模型基礎(chǔ)上發(fā)展的新型數(shù)據(jù)庫中的數(shù)據(jù)挖掘
1.6.5 面向應(yīng)用的新型數(shù)據(jù)源中的數(shù)據(jù)挖掘
1.6.6 Web數(shù)據(jù)源中的數(shù)據(jù)挖掘
1.7 粗糙集方法及其在數(shù)據(jù)挖掘中的應(yīng)用
1.7.1 粗糙集的一些重要概念
1.7.2 粗糙集應(yīng)用舉例
1.7.3 粗糙集方法在KDD中的應(yīng)用范圍
1.8 數(shù)據(jù)挖掘的應(yīng)用分析
1.8.1 數(shù)據(jù)挖掘與CRM
1.8.2 數(shù)據(jù)挖掘與社會網(wǎng)絡(luò)
1.8.3 數(shù)據(jù)挖掘應(yīng)用的成功案例分析
1.9 本章小結(jié)和文獻(xiàn)注釋
習(xí)題1
第2章知識發(fā)現(xiàn)過程與應(yīng)用結(jié)構(gòu)
2.1 知識發(fā)現(xiàn)的基本過程
2.1.1 數(shù)據(jù)抽取與集成技術(shù)要點(diǎn)
2.1.2 數(shù)據(jù)清洗與預(yù)處理技術(shù)要點(diǎn)
2.1.3 數(shù)據(jù)的選擇與整理技術(shù)要點(diǎn)
2.1.4 數(shù)據(jù)挖掘技術(shù)要點(diǎn)
2.1.5 模式評估技術(shù)要點(diǎn)
2.2 數(shù)據(jù)庫中的知識發(fā)現(xiàn)處理過程模型
2.2.1 階梯處理過程模型
2.2.2 螺旋處理過程模型
2.2.3 以用戶為中心的處理模型
2.2.4 聯(lián)機(jī)KDD模型
2.2.5 支持多數(shù)據(jù)源多知識模式的KDD處理模型
2.3 知識發(fā)現(xiàn)軟件或工具的發(fā)展
2.3.1 獨(dú)立的知識發(fā)現(xiàn)軟件