數(shù)據(jù)挖掘

前言
第一章 數(shù)據(jù)挖掘?qū)д?br /> 1.1 數(shù)據(jù)挖掘發(fā)展簡述
1.1.1 數(shù)據(jù)豐富與知識匱乏
1.1.2 從數(shù)據(jù)到知識
1.1.3 數(shù)據(jù)挖掘產(chǎn)生
1.2 數(shù)據(jù)挖掘基本知識
1.2.1 數(shù)據(jù)挖掘定義
1.2.2 數(shù)據(jù)挖掘深入
1.3 數(shù)據(jù)挖掘功能
1.3.1 概念描述：定性與對比
1.3.2 關聯(lián)分析
1.3.3 分類與預測
1.3.4 聚類分析
1.3.5 異類分析
1.3.6 演化分析
1.4 數(shù)據(jù)挖掘結果的評估
1.5 數(shù)據(jù)挖掘系統(tǒng)
1.5.1 數(shù)據(jù)挖掘系統(tǒng)分類
1.5.2 數(shù)據(jù)挖掘系統(tǒng)應用
1.6 數(shù)據(jù)挖掘研究重點
1.7 本章小結
參考文獻
第二章 數(shù)據(jù)預處理
2.1 數(shù)據(jù)預處理的重要性
2.2 數(shù)據(jù)清洗
2.2.1 遺漏數(shù)據(jù)處理
2.2.2 噪聲數(shù)據(jù)處理
2.2.3 不一致數(shù)據(jù)處理
2.3 數(shù)據(jù)轉(zhuǎn)換處理
2.3.1 數(shù)據(jù)集成處理
2.3.2 數(shù)據(jù)轉(zhuǎn)換處理
2.4 數(shù)據(jù)消減
2.4.1 數(shù)據(jù)立方合計
2.4.2 維數(shù)消減
2.4.3 數(shù)據(jù)壓縮
2.4.4 數(shù)據(jù)塊消減
2.5 離散化和概念層次樹生成
2.5.1 數(shù)值概念層次樹生成
2.5.2 類別概念層次樹生成
2.6 本章小結
參考文獻
第三章 定性歸納
3.1 概念描述基本知識
3.2 數(shù)據(jù)泛化與概要描述
3.2.1 數(shù)據(jù)泛化中的數(shù)據(jù)立方方法
3.2.2 基于屬性歸納方法
3.2.3 基于屬性歸納算法
3.2.4 基于屬性歸納結果的表示
3.3 屬性相關分析
3.3.1 屬性相關分析意義
3.3.2 屬性相關分析方法
3.3.3 分析定性描述示例
3.4 挖掘概念對比描述
3.4.1 概念對比方法與實現(xiàn)
3.4.2 要領對比描述的表示
3.4.3 概念的定性與對比描述的表示
3.5 挖掘大數(shù)據(jù)庫的描述型統(tǒng)計信息
3.5.1 計算中心趨勢
3.5.2 計算數(shù)據(jù)分布
3.6 方法討論
3.6.1 概念描述：經(jīng)典機器學習比較
3.6.2 概念描述的遞增和并行挖掘
3.7 本章小結
第四章 分類與預測
4.1 分類與預測基本知識
4.2 基于決策樹的分類
4.3 基于決策
…………
第五章 關聯(lián)挖掘
第六章 聚類分析
第七章 復雜數(shù)據(jù)的挖掘
第八章 互聯(lián)網(wǎng)信息挖掘
第九章 互聯(lián)網(wǎng)使用挖掘
第十章 網(wǎng)絡安全數(shù)據(jù)挖掘
參考文獻