數(shù)據(jù)挖掘與數(shù)學(xué)建模

定　價：￥39.00

作　者：	廖芹，赫志峰，陳志宏編著
出版社：	國防工業(yè)出版社
叢編項：	現(xiàn)代計算機科學(xué)與技術(shù)教材系列
標　簽：	數(shù)據(jù)倉庫與數(shù)據(jù)挖掘

購買這本書可以去

ISBN：	9787118066715	出版時間：	2010-02-01	包裝：	平裝
開本：	16開	頁數(shù)：	352	字數(shù)：

內(nèi)容簡介

　　本書以國際數(shù)據(jù)挖掘標準流程（GRISP-DM）為依據(jù)，以企業(yè)管理面臨的現(xiàn)實問題為應(yīng)用案例，由淺入深介紹數(shù)據(jù)挖掘方法及其解決問題過程的數(shù)據(jù)理解、數(shù)據(jù)處理、數(shù)據(jù)分析、數(shù)學(xué)建模、模型結(jié)果評估等內(nèi)容，并引人應(yīng)用廣泛的數(shù)據(jù)挖掘Clementine軟件輔助問題案例的解決，使讀者不僅可以集中地學(xué)習數(shù)據(jù)挖據(jù)的主要理論方法，而且可以了解基于數(shù)據(jù)挖掘的數(shù)學(xué)建模過程，可以學(xué)習應(yīng)用軟件輔助解決問題的操作方法。本書把理論、案例、建模、軟件輔助結(jié)合一體統(tǒng)一敘述，簡述理論，突出應(yīng)用，詳細分析，展示過程，既考慮高校學(xué)生的學(xué)習需要，分本科生與研究生學(xué)習層次，又考慮企業(yè)管理者的應(yīng)用與實踐需要。本書可作為數(shù)據(jù)挖掘理論與技術(shù)的教學(xué)、實踐、應(yīng)用和提高的教科書或參考書。適合高等學(xué)校本科高年級學(xué)生、研究生以及學(xué)習數(shù)據(jù)挖掘、數(shù)學(xué)模型課程的學(xué)生使用，也適合相關(guān)的企業(yè)管理與決策支持技術(shù)人員使用。

作者簡介

暫缺《數(shù)據(jù)挖掘與數(shù)學(xué)建?！纷髡吆喗?/div>

圖書目錄

第1章數(shù)據(jù)挖掘與數(shù)學(xué)建模關(guān)系概述
　1.1 當前信息化發(fā)展的趨勢與面對問題
　1.2 數(shù)據(jù)挖掘發(fā)展及其應(yīng)用
　1.3 基于數(shù)據(jù)挖掘的數(shù)學(xué)建模
　1.4 數(shù)據(jù)挖掘軟件Clementine的基本操作概述
　參考文獻
第2章統(tǒng)計分析
　2.1 問題概述
　2.2 回歸分析及其應(yīng)用
　2.3 二項邏輯回歸
　2.4 主成分分析
　2.5 因子分析
　2.6 管理勝任力的案例分析和數(shù)學(xué)建模
　參考文獻
第3章聚類分析
　3.1 問題概述
　3.2 聚類分析概述
　3.3 基于距離的聚類相似度
　3.4 系統(tǒng)聚類法
　3.5 C-均值(C-Means)聚類算法
　3.6 Clementine輔助K-Means聚類
　3.7 模糊聚類
　3.8 聚類有效性
　3.9 醫(yī)療建設(shè)評價的案例分析與數(shù)學(xué)建模
　參考文獻
第4章神經(jīng)網(wǎng)絡(luò)及其應(yīng)用
　4.1 問題概述
　4.2 神經(jīng)網(wǎng)絡(luò)概述
　4.3 神經(jīng)網(wǎng)絡(luò)的基本模型
　4.4 誤差逆?zhèn)鞑ド窠?jīng)網(wǎng)絡(luò)模型
　4.5 RBF神經(jīng)網(wǎng)絡(luò)
　4.6 自組織特征映射(SOM)神經(jīng)網(wǎng)絡(luò)
　4.7 神經(jīng)網(wǎng)絡(luò)的案例分析與數(shù)學(xué)建模
　4.8 模糊神經(jīng)網(wǎng)絡(luò)
　參考文獻
第5章決策樹及其應(yīng)用
　5.1 問題概述
　5.2 決策樹概述
　5.3 ID3算法
　5.4 C4.5算法
　5.5 CART算法
　5.6 Clementine輔助決策樹建立
　5.7 決策樹的評價標準
　5.8 決策樹的剪枝
　5.9 決策樹的優(yōu)化
　5.10 燃氣管網(wǎng)安全預(yù)測案例分析與數(shù)學(xué)建模
　5.11 模糊決策樹
　參考文獻
第6章關(guān)聯(lián)分析
　6.1 問題概述
　6.2 關(guān)聯(lián)分析概述
　6.3 Apriori關(guān)聯(lián)規(guī)則算法
　6.4 Clementine輔助Apriori算法實現(xiàn)關(guān)聯(lián)分析
　6.5 基于Apriori算法的改進算法
　6.6 基于分類搜索的關(guān)聯(lián)規(guī)則算法
　6.7 基于頻繁樹的關(guān)聯(lián)規(guī)則算法
　6.8 關(guān)聯(lián)規(guī)則的推廣
　6.9 時序關(guān)聯(lián)規(guī)則算法
　6.10 Clememtin輔助時序關(guān)聯(lián)分析
　6.11 多值屬性關(guān)聯(lián)規(guī)則算法
　6.12 增量關(guān)聯(lián)規(guī)則算法
　6.13 基于關(guān)聯(lián)規(guī)則的分類算法
　6.14 關(guān)聯(lián)分類算法的改進
　6.15 模糊關(guān)聯(lián)分類算法與應(yīng)用
　6.16 關(guān)聯(lián)規(guī)則案例分析與數(shù)學(xué)建模
　參考文獻
第7章遺傳算法
　7.1 問題概述
　7.2 遺傳算法概述
　7.3 模式定理
　7.4 改進的遺傳算法
　7.5 遺傳算法案例分析與數(shù)學(xué)建模
　參考文獻
第8章貝葉斯網(wǎng)絡(luò)與知識推理
　8.1 問題概述
　8.2 貝葉斯網(wǎng)絡(luò)原理概述
　8.3 主要貝葉斯網(wǎng)絡(luò)模型
　8.4 管理勝任力的貝葉斯網(wǎng)絡(luò)知識推理模型建立
　8.5 Clementine輔助貝葉斯網(wǎng)絡(luò)的建立
　8.6 地下燃氣管網(wǎng)安全風險的貝葉斯網(wǎng)絡(luò)知識推理與診斷
　8.7 模糊貝葉斯網(wǎng)絡(luò)
　8.8 電子商務(wù)發(fā)展水平的模糊貝葉斯網(wǎng)絡(luò)知識推理模型
　8.9 數(shù)據(jù)挖掘軟件WEKA輔助無約束貝葉斯網(wǎng)絡(luò)的建立
　參考文獻