数据挖掘技术与应用作者：夏春艳 著出版时间：2014年版内容简介 《数据挖掘技术与应用》共8章，系统地讲述了数据挖掘技术的基本概念和基本原理，并列举了在相应领域具有参考价值的算法及其改进和应用，主要内容包括数据、关联规则、分类和预测、聚类分析、粗糙集理论、属性约简算法以及数据挖掘的应用。《数据挖掘技术与应用》可作为高校计算机专业本科生、研究生教材，也可供从事计算机信息处理、数据挖掘等相关方面的科技人员参考。目录1 绪论1.1 数据挖掘的起源1.2 数据挖掘的现状1.3 数据挖掘的概念1.3.1 数据挖掘的技术含义1.3.2 数据挖掘的理论基础1.3.3 数据的分类1.3.4 训练集和测试集1.3.5 学习1.4 数据挖掘的功能1.5 数据挖掘的过程1.6 数据挖掘的分类1.6.1 根据数据库类型分类1.6.2 根据知识类型分类1.6.3 根据技术分类1.6.4 根据应用分类1.7 数据挖掘的方法1.7.1 决策树方法1.7.2 神经网络方法1.7.3 模糊集方法1.7.4 遗传算法1.7.5 统计分析方法1.7.6 粗糙集方法1.8 数据挖掘的应用分析1.8.1 数据挖掘在体育竞技中的应用1.8.2 数据挖掘在商业银行中的应用1.8.3 数据挖掘在电信中的应用1.8.4 数据挖掘在科学探索中的应用1.8.5 数据挖掘在信息安全中的应用1.9 数据挖掘的发展趋势与面对的问题参考文献2 数据2.1 数据类型2.1.1 属性与度量2.1.2 数据集的类型2.2 数据预处理2.2.1 数据清理2.2.2 数据集成2.2.3 数据变换2.2.4 数据归约2.3 邻近性度量2.3.1 一些概念2.3.2 简单属性之间的邻近度2.3.3 数据对象之间的相异度2.3.4 数据对象之间的相似度2.3.5 邻近性度量举例参考文献3 关联规则3.1 关联规则概念3.2 Apriori关联规则算法3.2.1 发现频繁项目集3.2.2 生成关联规则3.3 提高Apriori算法的效率3.3.1 基于划分的方法3.3.2 基于散列的方法3.3.3 基于采样的方法3.3.4 基于事务压缩的方法3.3.5 基于动态项目集计数的方法3.4 关联规则挖掘的深人问题3.4.1 多层次关联规则挖掘3.4.2 多维关联规则挖掘3.4.3 数量关联规则挖掘参考文献4 分类和预测4.1 分类概念4.2 分类规则4.2.1 分类规则原理4.2.2 分类规则算法步骤4.2.3 分类规则模式4.3 基于距离的分类器4.4 决策树分类器4.4.1 决策树基本算法4.4.2 决策树分类举例4.4.3 ID3算法4.5 贝叶斯分类器4.5.1 贝叶斯定理4.5.2 贝叶斯定理在分类中的应用4.5.3 朴素贝叶斯分类器4.6 基于规则的分类器4.6.1 规则的描述4.6.2 规则的有效性4.6.3 规则产生算法4.6.4 分类决策4.6.5 分类方法参考文献5 聚类分析5.1 聚类分析概述5.1.1 聚类分析在数据挖掘中的应用5.1.2 聚类分析方法的概念5.1.3 聚类分析方法的分类5.1.4 距离与相似性度量5.2 聚类方法5.2.1 划分聚类方法5.2.2 层次聚类方法5.2.3 密度聚类方法参考文献6 粗糙集理论6.1 国内外研究现状6.2 粗糙集思想6.3 信息系统6.4 知识与不可分辨关系6.5 不精确范畴、近似和粗糙度6.6 区分矩阵6.7 知识的约简和核6.7.1 约简和核6.7.2 相对约简和相对核6.8 属性的重要性6.8.1 基于知识依赖性的属性重要度6.8.2 基于信息熵的属性重要度6.9 决策规则的产生6.10 粗糙集方法在数据挖掘中的应用范围参考文献7 属性约简算法7.1 属性约简的典型算法7.1.1 基本算法7.1.2 启发式算法7.1.3 遗传算法7.1.4 复合系统的约简7.1.5 扩展法则7.1.6 动态约简7.2 启发式属性约简算法分析7.2.1 基于属性依赖度的约简算法7.2.2 基于信息熵的约简算法7.2.3 基于属性重要性和频度的约简算法7.2.4 属性重要度的完备性分析7.2.5 属性约简算法的综合分析7.3 启发式属性约简算法研究7.3.1 启发式属性约简算法（一）7.3.2 启发式属性约简算法（二）7.3.3 启发式属性约简算法（三）7.3.4 启发式属性约简算法（四）7.3.5 启发式属性约简算法（五）参考文献8 数据挖掘的应用8.1 数据挖掘的应用举例8.1.1 属性约简8.1.2 分类规则8.2 数据挖掘在农业中的应用8.2.1 农作物灾害预测实例8.2.2 农作物病害预测实例（一）8.2.3 农作物病害预测实例（二）8.2.4 农作物种植实例8.2.5 水稻产量预测实例8.3 数据挖掘在教学评价与教学中的应用8.3.1 数据挖掘在教学评价中的应用8.3.2 数据挖掘在教学中的应用参考文献 上一篇: iOS传感器应用开发最佳实践 下一篇: 大嘴巴漫谈数据挖掘 第2季 产品篇
