數(shù)據(jù)挖掘技術(shù)

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(guò)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(lèi)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(shù)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(lèi)算法分析2．1分類(lèi)概念2．2分類(lèi)方法2．3決策樹(shù)算法2．3．1ID3算法2．3．2C4．5算法2．4貝葉斯分類(lèi)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(lèi)算法本章小結(jié)參考文獻(xiàn)
第3章 聚類(lèi)算法分析3．1聚類(lèi)分析概述3．1．1聚類(lèi)分析概念3．1．2聚類(lèi)分析中的數(shù)據(jù)類(lèi)型3．2聚類(lèi)分類(lèi)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(lèi)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(lèi)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(lèi)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