本书较全面系统地介绍了数据挖掘中常用和常见的数据挖掘方法，以及文本与视频数据挖掘方法。

数据挖掘技术，又称为资料库知识发现，是20世纪90年代在信息技术领域开始迅速发展起来的计算机技术。作者结合自己近20年从事人工智慧、机器学习、数据挖掘等方面的科研工作积累与教学经验，编着此书。

本书的主要内容包括：数据挖掘基本知识、数据挖掘预处理方法、决策树分类及其他分类方法、关联知识挖掘方法、各种聚类分析方法，以及文本挖掘所涉及表示、分类和聚类等方法，还包括视频挖掘所涉及的视频镜头检测、字幕提取、视频摘要和视频检索等主要分析方法。 本书作为学习、掌握和套用数据挖掘方法和技术的综合指导书，是从事数据挖掘研究与套用人员，以及希望了解数据挖掘主要方法和技术的IT技术人员的良师益友；同时也是一本可用于大学高年级或研究生相关课程的教材和参考文献。

总序

前言

第1章 数据挖掘导论
1.1 数据挖掘的发展背景
1.2 数据挖掘定义
1.3 数据挖掘过程
1.4 数据挖掘功能
1.5 数据挖掘套用
1.6 数据挖掘发展
1.7 本章小结

第2章 数据预处理
2.1 数据描述
2.2 数据清理
2.3 数据集成和变换
2.4 数据归约
2.5 本章小结

第3章 分类挖掘： 决策树
3.1 决策树方法
3.2 决策树深入
3.3 决策树的简化
3.4 决策树的改进
3.5 决策树的讨论
3.6 分类模型的评估
3.7 本章小结

第4章 分类挖掘
4.1 贝叶斯方法
4.2 k-近邻方法
4.3 人工神经网路方法
4.4 遗传进化方法
4.5 支持向量机方法
4.6 粗糙集方法
4.7 集成学习方法
4.8 本章小结

第5章 关联挖掘
5.1 关联挖掘简述
5.2 关联挖掘基本方法
5.3 关联挖掘方法改进
5.4 关联挖掘并行方法
5.5 基于粒计算的关联挖掘
5.6 本章小结

第6章 聚类挖掘
6.1 聚类挖掘简述
6.2 基于划分的聚类挖掘
6.3 基于层次的聚类挖掘
6.4 基于密度的聚类挖掘
6.5 基于格线的聚类挖掘
6.6 基于模型的聚类挖掘
6.7 高维海量数据的聚类挖掘
6.8 基于蚁群算法的聚类挖掘
6.9 本章小结

第7章 异类挖掘
7.1 异类挖掘简述
7.2 基于属性的异常点检测
7.3 时序异常点检测
7.4 空间异常点挖掘
7.5 时空异常点挖掘
7.6 数据流异常挖掘
7.7 本章小结

第8章 文本挖掘
8.1 文本挖掘
8.2 文本挖掘方法
8.3 中文摘要方法
8.4 文本内容监管
8.5 文本信息检索
8.6 本章小结

第9章 视频挖掘
9.1 视频内容检索简述
9.2 镜头检测
9.3 新闻视频挖掘
9.4 广告检测
9.5 视频文本检测
9.6 本章小结

第10章 视频分析
10.1 视频分析简述
10.2 慢镜头检测
10.3 视频摘要
10.4 视频检索
10.5 视频快速检索
10.6 本章小