數(shù)據(jù)挖掘技術(shù)與應(yīng)用(第2版)（高等院校信息管理與信息系統(tǒng)專業(yè)系列教材）
定 價(jià)：35 元
- 作者：陳燕
- 出版時(shí)間：2016/7/8
- ISBN：9787302432494
- 出 版 社：清華大學(xué)出版社
- 中圖法分類：TP274
- 頁碼：248
- 紙張：膠版紙
- 版次：2
- 開本：16K
本書系統(tǒng)地闡述了數(shù)據(jù)挖掘產(chǎn)生的背景、技術(shù)、多種相關(guān)方法及具體應(yīng)用，主要內(nèi)容包括數(shù)據(jù)挖掘概述，數(shù)據(jù)采集、集成與預(yù)處理技術(shù)，多維數(shù)據(jù)分析與組織，預(yù)測模型研究與應(yīng)用，關(guān)聯(lián)規(guī)則模型及應(yīng)用，聚類分析方法與應(yīng)用，粗糙集方法與應(yīng)用，遺傳算法與應(yīng)用，基于模糊理論的模型與應(yīng)用，灰色系統(tǒng)理論與方法，基于數(shù)據(jù)挖掘的知識推理。 本書可作為管理科學(xué)與工程、信息科學(xué)與技術(shù)、應(yīng)用數(shù)學(xué)等相關(guān)專業(yè)高年級本科生和研究生的數(shù)據(jù)倉庫、數(shù)據(jù)挖掘及知識管理等相關(guān)課程的教材或參考資料，也可用來幫助相關(guān)的專業(yè)研究人員提升數(shù)據(jù)挖掘的技巧和開拓新的研究方向。
（1）將多種數(shù)據(jù)挖掘理論與經(jīng)典算法相結(jié)合；
�。�2）將對數(shù)據(jù)挖掘模型的細(xì)致講解與具體算例相結(jié)合；
（3）將數(shù)據(jù)挖據(jù)的一般算法與新穎改進(jìn)相結(jié)合；
（4）將數(shù)據(jù)挖掘在傳統(tǒng)領(lǐng)域與交通、物流等特色領(lǐng)域的應(yīng)用相結(jié)合。
第1章數(shù)據(jù)挖掘概述1
1.1數(shù)據(jù)倉庫和數(shù)據(jù)挖掘定義與解釋1
1.1.1數(shù)據(jù)倉庫的定義與解釋1
1.1.2數(shù)據(jù)挖掘的定義與解釋1
1.2數(shù)據(jù)倉庫系統(tǒng)的相關(guān)技術(shù)3
1.2.1數(shù)據(jù)倉庫系統(tǒng)相關(guān)技術(shù)之間的關(guān)系3
1.2.2數(shù)據(jù)倉庫系統(tǒng)模式7
1.3數(shù)據(jù)倉庫系統(tǒng)中多維數(shù)據(jù)組織的形式化定義與描述9
1.4數(shù)據(jù)挖掘方法與研究體系16
1.4.1數(shù)據(jù)挖掘系統(tǒng)的發(fā)展與結(jié)構(gòu)16
1.4.2數(shù)據(jù)挖掘的相關(guān)技術(shù)與工具17
1.4.3數(shù)據(jù)挖掘應(yīng)用及發(fā)展24
1.5商務(wù)智能系統(tǒng)定義與構(gòu)成26
1.6小結(jié)28
思考題28
第2章數(shù)據(jù)采集、集成與預(yù)處理技術(shù)29
2.1數(shù)據(jù)采集的對象29
2.2數(shù)據(jù)集成技術(shù)與方法32
2.2.13G與MIS的集成模式33
2.2.2異構(gòu)數(shù)據(jù)集成的設(shè)計(jì)與實(shí)現(xiàn)35
2.3數(shù)據(jù)預(yù)處理技術(shù)與方法36
2.3.1數(shù)據(jù)清理的方法36
2.3.2數(shù)據(jù)融合的方法37
2.3.3數(shù)據(jù)變換的方法38
2.3.4數(shù)據(jù)歸約的方法39
2.4基于樣本數(shù)據(jù)劃分的通用數(shù)據(jù)挖掘模型系統(tǒng)40
2.5中間件技術(shù)41
2.5.1中間件技術(shù)的定義與作用41
2.5.2中間件技術(shù)在數(shù)據(jù)倉庫系統(tǒng)中數(shù)據(jù)采集的應(yīng)用45
2.6小結(jié)57
思考題57
第3章多維數(shù)據(jù)分析與組織58
3.1多維數(shù)據(jù)分析概述58
3.1.1聯(lián)機(jī)分析處理的定義和特點(diǎn)58
3.1.2聯(lián)機(jī)分析處理的評價(jià)準(zhǔn)則59
3.1.3多維數(shù)據(jù)分析的主要概念60
3.2多維數(shù)據(jù)模型與結(jié)構(gòu)61
3.2.1多維數(shù)據(jù)的概念模型61
3.2.2多維數(shù)據(jù)的邏輯模型63
3.2.3多維數(shù)據(jù)的物理模型65
3.3多維數(shù)據(jù)分析應(yīng)用與工具68
3.3.1多維數(shù)據(jù)分析的基本操作68
3.3.2多維數(shù)據(jù)分析的工具及特點(diǎn)69
3.4從聯(lián)機(jī)分析處理到聯(lián)機(jī)分析挖掘71
3.4.1聯(lián)機(jī)分析挖掘形成原因71
3.4.2聯(lián)機(jī)分析挖掘概念及特征71
3.5小結(jié)73
思考題73
第4章預(yù)測模型研究與應(yīng)用74
4.1預(yù)測模型的基礎(chǔ)理論74
4.1.1預(yù)測方法的分類74
4.1.2預(yù)測方法的一般步驟74
4.2回歸分析預(yù)測模型75
4.2.1一元線性回歸預(yù)測模型75
4.2.2多元線性回歸預(yù)測模型79
4.2.3非線性回歸預(yù)測模型85
4.3趨勢外推預(yù)測模型88
4.3.1佩爾預(yù)測模型88
4.3.2龔珀茲預(yù)測模型91
4.3.3林德諾預(yù)測模型94
4.4時(shí)間序列預(yù)測模型97
4.4.1移動(dòng)平均預(yù)測模型97
4.4.2指數(shù)平滑預(yù)測模型98
4.4.3季節(jié)指數(shù)預(yù)測模型104
4.5基于神經(jīng)網(wǎng)絡(luò)的預(yù)測模型107
4.6馬爾可夫預(yù)測模型118
4.7小結(jié)121
思考題121
第5章關(guān)聯(lián)規(guī)則模型及應(yīng)用123
5.1關(guān)聯(lián)規(guī)則的基礎(chǔ)理論123
5.1.1關(guān)聯(lián)規(guī)則的定義與解釋123
5.1.2關(guān)聯(lián)規(guī)則在知識管理過程中的作用123
5.2Apriori關(guān)聯(lián)規(guī)則算法125
5.2.1關(guān)聯(lián)規(guī)則算法的相關(guān)概念125
5.2.2關(guān)聯(lián)規(guī)則算法的流程126
5.2.3基于Apriori算法的關(guān)聯(lián)規(guī)則算例127
5.3改進(jìn)的Apriori關(guān)聯(lián)規(guī)則方法128
5.3.1動(dòng)態(tài)存儲空間的構(gòu)建128
5.3.2快速產(chǎn)生強(qiáng)項(xiàng)集的算法流程129
5.3.3改進(jìn)算法的時(shí)間復(fù)雜性分析130
5.4Apriori關(guān)聯(lián)規(guī)則方法的實(shí)例131
5.5小結(jié)138
思考題138
第6章聚類分析方法與應(yīng)用139
6.1聚類分析的基礎(chǔ)理論139
6.1.1聚類分析的定義139
6.1.2對聚類算法性能的要求139
6.2聚類分析的方法140
6.2.1基于劃分的聚類方法140
6.2.2基于層次的聚類方法141
6.2.3基于密度的聚類方法142
6.2.4基于網(wǎng)格的聚類方法143
6.2.5基于模型的聚類方法143
6.3應(yīng)用聚類分析方法145
6.3.1kmeans聚類方法145
6.3.2kmedoids聚類方法146
6.3.3AGNES聚類方法149
6.3.4DIANA聚類方法150
6.3.5DBSCAN聚類方法152
6.4小結(jié)154
思考題154
第7章粗糙集方法與應(yīng)用155
7.1粗糙集理論背景介紹155
7.1.1粗糙集的含義155
7.1.2粗糙集的應(yīng)用及與其他領(lǐng)域的結(jié)合155
7.2粗糙集基本理論158
7.2.1知識與不可分辨關(guān)系158
7.2.2不精確范疇、近似與粗糙集159
7.2.3粗糙集的精度和粗糙度160
7.2.4粗糙集的粗等價(jià)和粗包含161
7.3基于粗糙集的屬性約簡161
7.3.1知識的約簡和核162
7.3.2知識的依賴性度量和屬性的重要度164
7.4基于粗糙集的決策知識表示165
7.4.1基于粗糙集的決策知識表示方法165
7.4.2粗糙集在規(guī)則提取中的應(yīng)用算例167
7.5小結(jié)168
思考題168
第8章遺傳算法與應(yīng)用169
8.1遺傳算法基礎(chǔ)理論169
8.1.1遺傳算法概述169
8.1.2遺傳算法特點(diǎn)170
8.2遺傳算法的應(yīng)用領(lǐng)域和研究方向170
8.2.1遺傳算法的應(yīng)用領(lǐng)域170
8.2.2遺傳算法的研究方向173
8.3遺傳算法的基礎(chǔ)知識174
8.3.1遺傳算法的相關(guān)概念174
8.3.2遺傳算法的編碼規(guī)則174
8.3.3遺傳算法的主要算子176
8.3.4遺傳算法的適應(yīng)度函數(shù)180
8.4遺傳算法計(jì)算過程和應(yīng)用181
8.4.1遺傳算法計(jì)算過程181
8.4.2遺傳算法參數(shù)選擇181
8.4.3遺傳算法實(shí)例應(yīng)用182
8.5小結(jié)186
思考題186
第9章基于模糊理論的模型與應(yīng)用187
9.1層次分析法187
9.1.1層次分析法的計(jì)算步驟187
9.1.2層次分析法應(yīng)用實(shí)例190
9.2模糊層次分析法192
9.2.1模糊層次分析法的步驟193
9.2.2模糊層次分析法應(yīng)用實(shí)例193
9.3模糊綜合評判法196
9.3.1模糊綜合評判法的原理與步驟196
9.3.2模糊綜合評判法應(yīng)用實(shí)例199
9.4模糊聚類分析方法201
9.4.1模糊聚類方法介紹201
9.4.2模糊聚類算法應(yīng)用202
9.5小結(jié)203
思考題203
第10章灰色系統(tǒng)理論與方法204
10.1灰色系統(tǒng)的基礎(chǔ)理論204
10.1.1灰色系統(tǒng)理論介紹204
10.1.2灰色系統(tǒng)的特點(diǎn)205
10.1.3灰色系統(tǒng)建模與適用范圍205
10.2灰色預(yù)測模型207
10.2.1建立灰色預(yù)測模型208
10.2.2灰色預(yù)測模型實(shí)例209
10.3灰色聚類分析211
10.3.1基于灰色關(guān)聯(lián)度的聚類分析212
10.3.2基于灰色白化權(quán)函數(shù)的聚類方法216
10.4灰色綜合評價(jià)法220
10.4.1多層次灰色綜合評價(jià)方法計(jì)算步驟220
10.4.2多層次灰色綜合評價(jià)方法應(yīng)用案例222
10.5小結(jié)226
思考題226
第11章基于數(shù)據(jù)挖掘的知識推理227
11.1知識推理的分類227
11.1.1非單調(diào)推理227
11.1.2非確定性推理227
11.1.3基于規(guī)則的推理232
11.1.4基于案例的推理233
11.2基于數(shù)據(jù)挖掘方法的知識推理234
11.2.1基于決策樹的知識推理234
11.2.2基于關(guān)聯(lián)規(guī)則的知識推理239
11.2.3基于粗糙集的知識推理239
11.3小結(jié)240
思考題240
參考文獻(xiàn)241
書單推薦
