《數(shù)據(jù)挖掘技術(shù)》是基于數(shù)據(jù)挖掘經(jīng)典算法及數(shù)據(jù)挖掘領(lǐng)域*研究技術(shù)進(jìn)行數(shù)據(jù)分析的教材。全書內(nèi)容包括數(shù)據(jù)挖掘概述、分類算法、聚類算法、關(guān)聯(lián)規(guī)則算法及相應(yīng)典型算法的算法描述及分析等。對(duì)當(dāng)前數(shù)據(jù)挖掘的新技術(shù)——流數(shù)據(jù)挖掘技術(shù)、高維聚類算法、分布式數(shù)據(jù)挖掘、物聯(lián)網(wǎng)數(shù)據(jù)挖掘進(jìn)行了詳細(xì)的介紹。該部分在講述基本概念及典型算法的基礎(chǔ)上配有新研究的算法模型及分析，并有實(shí)驗(yàn)數(shù)據(jù)分析及結(jié)果顯示。后對(duì)其他數(shù)據(jù)挖掘新技術(shù)，包括業(yè)務(wù)活動(dòng)監(jiān)控挖掘技術(shù)、云計(jì)算平臺(tái)架構(gòu)和數(shù)據(jù)挖掘方法及思維流程數(shù)據(jù)挖掘技術(shù)進(jìn)行了描述。

本書可以作為高等院校信息管理、數(shù)理統(tǒng)計(jì)等專業(yè)有關(guān)數(shù)據(jù)挖掘教學(xué)的本科生或者研究生的專業(yè)課教材，也可以作為各類相關(guān)培訓(xùn)班的教材，還可以作為從事數(shù)據(jù)分析、智能產(chǎn)品軟件開發(fā)人員的參考書及數(shù)據(jù)挖掘愛好者的自學(xué)用書。

目錄

第1章 數(shù)據(jù)挖掘概述
1．1數(shù)據(jù)挖掘的概念
1．1．1KDD與數(shù)據(jù)挖掘
1．1．2數(shù)據(jù)挖掘過程
1．1．3數(shù)據(jù)挖掘任務(wù)
1．2數(shù)據(jù)挖掘的發(fā)展歷程
1．3數(shù)據(jù)挖掘的分類
1．4數(shù)據(jù)挖掘的研究方法
1．4．1統(tǒng)計(jì)分析方法
1．4．2決策樹方法
1．4．3模糊集方法
1．4．4粗糙集方法
1．4．5人工神經(jīng)網(wǎng)絡(luò)方法
1．4．6遺傳算法
1．5國(guó)內(nèi)外數(shù)據(jù)挖掘研究現(xiàn)狀
本章小結(jié)
參考文獻(xiàn)
第2章 分類算法分析
2．1分類概念
2．2分類方法
2．3決策樹算法
2．3．1ID3算法
2．3．2C4．5算法
2．4貝葉斯分類
2．5粗糙集方法
2．5．1粗糙集模型擴(kuò)展
2．5．2粗糙集與其他不確定信息處理理論的關(guān)系
2．6遺傳算法
2．7其他分類算法
本章小結(jié)
參考文獻(xiàn)
第3章 聚類算法分析
3．1聚類分析概述
3．1．1聚類分析概念
3．1．2聚類分析中的數(shù)據(jù)類型
3．2聚類分類
3．3劃分方法
3．3．1K—means算法
3．3．2Kmedoid算法
3．4層次方法
3．4．1BIRCH算法
3．4．2CURE算法
3．5密度方法
3．5．1DBSCAN算法
3．5．2OPTICS算法
3．6網(wǎng)格方法
3．6．1STING算法
3．6．2Wavecluster算法
3．7基于標(biāo)量化III的聚類統(tǒng)計(jì)算法
3．7．1數(shù)學(xué)描述
3．7．2計(jì)算方法
3．7．3文本數(shù)據(jù)
3．7．4應(yīng)用實(shí)例
3．8其他聚類算法
本章小結(jié)
參考文獻(xiàn)
第4章 關(guān)聯(lián)規(guī)則算法分析
4．1關(guān)聯(lián)規(guī)則概念
4．2頻繁模式挖掘
……
第5章 流數(shù)據(jù)挖掘技術(shù)
第6章 高維聚類算法
第7章 分布式數(shù)據(jù)挖掘
第8章 物聯(lián)網(wǎng)數(shù)據(jù)挖掘