動態(tài)數(shù)據(jù)挖掘

定　價：￥55.00

作　者：	倪志偉等著
出版社：	科學出版社
叢編項：
標　簽：	數(shù)據(jù)倉庫與數(shù)據(jù)挖掘

購買這本書可以去

ISBN：	9787030283474	出版時間：	2010-08-01	包裝：	平裝
開本：	16開	頁數(shù)：	254	字數(shù)：

內(nèi)容簡介

　　《動態(tài)數(shù)據(jù)挖掘》是關(guān)于動態(tài)數(shù)據(jù)挖掘相關(guān)技術(shù)及其應用的著作，涉及數(shù)據(jù)流挖掘、分形數(shù)據(jù)挖掘、聯(lián)機分析挖掘、經(jīng)驗模態(tài)分解和聯(lián)系發(fā)現(xiàn)技術(shù)等?！秳討B(tài)數(shù)據(jù)挖掘》內(nèi)容新穎，融入了近年來在學術(shù)界和工程界普遍關(guān)注的諸多熱門課題，是作者及其課題組幾年來完成國家級科研項目的成果結(jié)晶。動態(tài)數(shù)據(jù)挖掘是針對動態(tài)數(shù)據(jù)庫和實時數(shù)據(jù)庫進行知識提取的數(shù)據(jù)挖掘技術(shù)。隨著信息技術(shù)的進一步發(fā)展，對知識新穎性的需求越來越強，采用傳統(tǒng)的靜態(tài)數(shù)據(jù)挖掘技術(shù)來分析不斷產(chǎn)生的信息無法滿足現(xiàn)實應用的要求，對實際應用數(shù)據(jù)源在其運行的同時進行動態(tài)數(shù)據(jù)挖掘得到相關(guān)知識顯得日益重要?！秳討B(tài)數(shù)據(jù)挖掘》可作為管理科學與工程、計算機應用技術(shù)等學科高年級的本科生和研究生用書，也可供相關(guān)研究人員參考。

作者簡介

暫缺《動態(tài)數(shù)據(jù)挖掘》作者簡介

圖書目錄

前言
第一章緒論
1.1 引言
1.2 數(shù)據(jù)挖掘概述
1.2.1 數(shù)據(jù)挖掘的基本概念
1.2.2 數(shù)據(jù)挖掘技術(shù)
1.3 動態(tài)數(shù)據(jù)挖掘
1.3.1 動態(tài)數(shù)據(jù)挖掘的產(chǎn)生
1.3.2 動態(tài)數(shù)據(jù)挖掘技術(shù)概述
參考文獻
第二章數(shù)據(jù)流挖掘技術(shù)
2.1 概述
2.2 數(shù)據(jù)流挖掘技術(shù)
2.2.1 窗口技術(shù)
2.2.2 動態(tài)抽樣技術(shù)
2.2.3 概要數(shù)據(jù)結(jié)構(gòu)
2.2.4 更新策略
2.3 數(shù)據(jù)流挖掘算法
2.3.1 數(shù)據(jù)流聚類算法
2.3.2 數(shù)據(jù)流分類算法
2.3.3 數(shù)據(jù)流頻繁項集挖掘算法
2.3.4 多數(shù)據(jù)流挖掘算法
2.4 數(shù)據(jù)流挖掘技術(shù)的應用
2.4.1 數(shù)據(jù)流管理系統(tǒng)
2.4.2 案例推理在數(shù)據(jù)流管理中的應用
參考文獻
第三章分形數(shù)據(jù)挖掘技術(shù)
3.1 概述
3.2 數(shù)據(jù)集的分形維數(shù)
3.2.1 數(shù)據(jù)集分形維數(shù)的含義
3.2.2 數(shù)據(jù)集分形維數(shù)的計算方法
3.3 基于分形維數(shù)的約簡技術(shù)
3.3.1 分形屬性選擇及其改進算法
3.3.2 基于分形維數(shù)的案例庫維護算法
3.4 分形聚類算法
3.4.1 基于網(wǎng)格和分形維數(shù)的聚類算法
3.4.2 基于分形維數(shù)的數(shù)據(jù)流聚類算法
3.4.3 基于多重分形的聚類層次優(yōu)化算法
3.5 分形分類與預測技術(shù)
3.5.1 分形分類技術(shù)
3.5.2 分形預測技術(shù)
3.6 分形數(shù)據(jù)挖掘技術(shù)的應用
3.6.1 金融數(shù)據(jù)分析
3.6.2 網(wǎng)絡入侵檢測
參考文獻
第四章聯(lián)機分析挖掘
4.1 概述
4.2 數(shù)據(jù)立方體
4.2.1 數(shù)據(jù)立方體簡介
4.2.2 數(shù)據(jù)立方體優(yōu)化方法
4.2.3 數(shù)據(jù)立方體物化方法研究
4.3 聯(lián)機分析處理
4.3.1 OLAP概念及分類
4.3.2 支持OLAP查詢的索引技術(shù)研究
4.3.3 OLAP動態(tài)查詢方法
4.4 聯(lián)機分析挖掘
4.4.1 聯(lián)機分析挖掘簡介
4.4.2 聯(lián)機分析挖掘體系結(jié)構(gòu)
4.4.3 OLAP與數(shù)據(jù)挖掘技術(shù)的結(jié)合方法
參考文獻
第五章經(jīng)驗模態(tài)分解技術(shù)
5.1 概述
5.1.1 經(jīng)驗模態(tài)分解基本理論
5.1.2 經(jīng)驗模態(tài)分解研究現(xiàn)狀
5.2 基于經(jīng)驗模態(tài)分解的序列趨勢的提取
5.2.1 引言
5.2.2 基于EMD方法的序列趨勢的提取
5.3 基于經(jīng)驗模態(tài)分解的時間序列匹配算法
5.3.1 引言
5.3.2 基于交叉覆蓋算法的序列匹配算法
5.3.3 基于經(jīng)驗模態(tài)分解和覆蓋算法的序列匹配算法
5.4 基于經(jīng)驗模態(tài)分解的聚類算法
5.4.1 引言
5.4.2 基于經(jīng)驗模態(tài)分解的數(shù)據(jù)降維技術(shù)
5.4.3 基于經(jīng)驗模態(tài)分解和K-means聚類算法
5.5 基于經(jīng)驗模態(tài)分解的流數(shù)據(jù)挖掘技術(shù)
5.5.1 引言
5.5.2 基于經(jīng)驗模態(tài)分解的數(shù)據(jù)流概要生成技術(shù)
5.6 經(jīng)驗模態(tài)分解動態(tài)數(shù)據(jù)挖掘技術(shù)的應用
5.6.1 引言
5.6.2 基于經(jīng)驗模態(tài)分解和交叉覆蓋算法的個人信用的評估
5.6.3 基于經(jīng)驗模態(tài)分解和K-means算法的客戶行為聚類
參考文獻
第六章聯(lián)系發(fā)現(xiàn)技術(shù)
6.1 概述
6.2 基于圖挖掘的聯(lián)系發(fā)現(xiàn)
6.2.1 圖挖掘的相關(guān)概念和定義
6.2.2 基于圖論的無監(jiān)督的聯(lián)系發(fā)現(xiàn)算法
6.3 基于一階謂詞邏輯的聯(lián)系發(fā)現(xiàn)
6.3.1 一階謂詞邏輯的相關(guān)概念和定義
6.3.2 基于ILP的聯(lián)系發(fā)現(xiàn)算法
6.4 基于聯(lián)系發(fā)現(xiàn)的結(jié)合型數(shù)據(jù)挖掘方法
6.4.1 基于相關(guān)分析和聯(lián)系發(fā)現(xiàn)的結(jié)合
6.4.2 圖熵和聯(lián)系發(fā)現(xiàn)的結(jié)合
6.4.3 概率統(tǒng)計方法和聯(lián)系發(fā)現(xiàn)的結(jié)合
6.5 聯(lián)系發(fā)現(xiàn)技術(shù)的現(xiàn)實應用
6.5.1 聯(lián)系發(fā)現(xiàn)在反恐中的運用
6.5.2 聯(lián)系發(fā)現(xiàn)在金融反洗錢中的運用
參考文獻