数据挖掘原理、算法与套用

书号： 49632

ISBN： 978-7-111-49632-8

作者： 梁亚声

印次： 1-1

责编： 郝建伟

开本： 16开

字数： 513千字

定价： 49.0

所属丛书： 高等教育规划教材

装订： 平装

出版日期： 2015-04-23

本书介绍了数据挖掘的基本概念和数据挖掘过程，以及数据挖掘发展历程和趋势，详细介绍了数据存储和组织、数据预处理、数据相似度与异常检测等数据挖掘的基础技术，详细分类介绍了数据分类和预测、数据聚类分析、数据关联分析等典型的数据挖掘技术，以及可信度评估技术，集中介绍了大数据环境下的数据挖掘技术。本书介绍了各种技术和算法的基本思想、基本原理、以及方法、步骤、模型和结构，分析其优点和局限性，给出典型套用实例

出版说明

前言

第1章概述

1 1从数据中获取知识

1 2数据挖掘的基本概念

1 3数据挖掘的发展历程

1 4数据挖掘的功能和数据挖掘

系统的分类

1 4 1分类与回归

1 4 2聚类分析

1 4 3关联规则

1 4 4时序模式

1 4 5异常检测

1 4 6数据挖掘系统的分类

1 5数据挖掘的过程

1 5 1数据挖掘的一般流程

1 5 2跨行业数据挖掘标準过程

1 6数据挖掘与其他学科的关係

1 6 1数据挖掘与资料库知识发现

1 6 2数据挖掘与资料库查询

1 6 3数据挖掘与统计分析

1 6 4数据挖掘与数据仓库

1 6 5数据挖掘与在线上分析处理

1 6 6数据挖掘与人工智慧、专家系统、

机器学习

1 7数据挖掘的套用和发展趋势

1 7 1商业的数据挖掘

1 7 2金融业的数据挖掘

1 7 3欺诈侦测中的数据挖掘

1 7 4DNA数据分析中的数据挖掘

1 7 5电信业中的数据挖掘

1 7 6科学和统计数据挖掘

1 7 7数据挖掘系统和软体

1 7 8数据挖掘的发展趋势

1 8小结

1 9习题

第2章数据存储

2 1关係数据集

2 2数据仓库

2 2 1数据仓库的概念和特点

2 2 2数据仓库的数据组织

2 2 3数据仓库的关键技术

2 2 4数据仓库与数据挖掘的关係

2 3NoSQL资料库

2 3 1NoSQL概念与理论

2 3 2NoSQL数据模型

2 3 3NoSQL与关係资料库

2 4分散式档案系统

2 4 1分散式档案系统的历史

2 4 2分散式档案系统的体系结构

2 4 3谷歌档案系统（GoogleFS）

2 4 4Hadoop分散式档案系统

(HDFS)

2 5小结

2 6习题

第3章数据预处理

3 1数据预处理的必要性

3 2数据清理

3 2 1缺失数据处理方法

3 2 2噪声数据平滑技术

3 2 3时间相关数据的处理

3 3数据集成

3 3 1实体识别与匹配

3 3 2冗余和相关分析

3 3 3元组重複数据的检测

3 3 4冲突数据的检测与处理

3 4数据转换

3 4 1数据标準化

3 4 2数据泛化

3 5数据归约

3 5 1数据立方体聚集

3 5 2维度归约

3 5 3数据压缩

3 5 4数值归约

3 6数据离散化

3 6 1分箱方法

3 6 2直方图分析

3 6 3基于熵的离散化

3 6 4ChiMerge技术

3 6 5人工划分分段

3 7特徵提取、选择和构造

3 7 1特徵提取

3 7 2特徵选择

3 7 3特徵构造

3 8小结

3 9习题

第4章数据相似度与异常检测

4 1相似度度量

4 1 1对象与属性类型

4 1 2相似度度量的定义

4 1 3由距离度量变换而来的

相似度度量

4 1 4属性之间的相似度度量

4 1 5对象之间的相似度度量

4 2传统度量方法

4 2 1二值属性的相似度度量

4 2 2欧氏距离

4 2 3余弦距离

4 2 4Mahalanobis距离

4 2 5Jaccard距离

4 2 6海明距离

4 3大数据度量方法

4 3 1文档的Shingling

4 3 2局部敏感散列算法

4 4异常检测

4 4 1基于统计的检测方法

4 4 2基于距离的检测方法

4 4 3基于密度的检测方法

4 4 4基于聚类的检测方法

4 4 5基于分类的检测方法

4 4 6高维数据中的异常点检测

4 5小结

4 6习题

第5章数据分类和预测

5 1分类和预测的基本概念

5 1 1準备数据

5 1 2分类和预测方法的评估标準

5 2决策树分类

5 2 1ID3算法生成决策树

5 2 2C4 5算法生成决策树

5 2 3CART算法和Gini指标

5 2 4决策树归纳的可扩展性

5 2 5数据仓库与决策树

5 2 6决策树和决策规则的局限性

5 3贝叶斯分类

5 3 1贝叶斯定理

5 3 2朴素贝叶斯分类

5 3 3贝叶斯信念网路

5 3 4训练贝叶斯信念网路

5 4神经网路

5 4 1多层前馈神经网路

5 4 2定义神经网路的拓扑结构

5 4 3后向传播

5 4 4后向传播和可理解性

5 5其他分类方法

5 5 1基于关联的分类方法

5 5 2K-最近邻分类

5 5 3基于案例推理

5 5 4遗传算法

5 5 5粗糙集方法

5 5 6模糊集合方法

5 6预测算法

5 6 1预测算法分类

5 6 2预测算法选择

5 6 3线性和多元回归

5 6 4非线性回归

5 6 5其他回归模型

5 7分类预测套用实例

5 7 1样本选取

5 7 2建立预测模型

5 7 3模型评估

5 7 4实用价值

5 8小结

5 9习题

第6章数据聚类分析

6 1基本概念

6 1 1对聚类分析的要求

6 1 2聚类分析方法分类

6 2划分聚类算法

6 2 1K-means算法（基于

质心的技术）

6 2 2K-medoids算法（基于代表

对象的技术）

6 3层次聚类算法

6 3 1BIRCH算法

6 3 2CURE算法

6 3 3ROCK算法

6 3 4Chameleon算法

6 4基于密度的聚类算法

6 4 1DBSCAN算法

6 4 2OPTICS算法

6 4 3DENCLUE算法

6 5基于格线的聚类算法

6 5 1STING算法

6 5 2WaveCluster算法

6 5 3CLIQUE算法

6 6基于模型的聚类算法

6 6 1EM算法

6 6 2COBWEB算法

6 6 3SOM算法

6 7聚类评估

6 7 1估计聚类趋势

6 7 2确定簇数

6 7 3测定聚类质量

6 8聚类分析套用实例

6 8 1问题理解与提出

6 8 2数据收集与选择

6 8 3数据预处理

6 8 4套用K-means聚类算法建模

6 9小结

6 10习题

第7章数据关联分析

7 1数据关联分析的基本概念

7 2频繁项集产生

7 2 1先验原理

7 2 2Apriori算法的频繁项集产生

7 2 3支持度计数

7 2 4计算複杂度

7 3规则产生

7 3 1基本步骤

7 3 2Apriori算法中规则的产生

7 4频繁项集的紧凑表示

7 4 1最大频繁项集

7 4 2闭频繁项集

7 5产生频繁项集的其他方法

7 5 1项集格遍历

7 5 2事务数据集的表示

7 6FP-Growth算法

7 6 1FP树构造

7 6 2频繁项集产生

7 7关联评估

7 7 1兴趣度客观度量

7 7 2多个二元变数的度量

7 7 3倾斜支持度分布的影响

7 8关联分析套用实例

7 8 1关联分析学生成绩

7 8 2数据处理

7 8 3算法的套用

7 8 4挖掘结果的分析

7 9小结

7 10习题

第8章性能评估和提升

8 1评分函式

8 1 1预测性评分函式

8 1 2描述性评分函式

8 1 3一致性评价

8 2成本评价

8 2 1成本评价曲线

8 2 2Cost-Sensitive学习

8 3複杂度评估

8 4验证

8 4 1交叉验证

8 4 2Bootstrap

8 4 3模型比较

8 5性能提升

8 5 1效率提升

8 5 2準确率提升

8 6小结

8 7习题

第9章複杂数据挖掘

9 1文本数据挖掘

9 1 1文本数据预处理

9 1 2文本数据挖掘技术

9 1 3文本数据挖掘的套用

9 2图像数据挖掘

9 2 1图像数据的特点和挖掘

技术现状

9 2 2图像数据预处理

9 2 3图像数据挖掘技术

9 2 4图像数据挖掘的套用

9 3语音识别挖掘

9 3 1语音数据特点及挖掘

技术现状

9 3 2语音信号预处理

9 3 3语音识别技术

9 3 4语音识别技术的套用

9 4视频数据挖掘

9 4 1视频数据特点及挖掘

技术现状

9 4 2视频数据预处理

9 4 3视频数据挖掘技术

9 4 4视频数据挖掘的套用

9 5网路拓扑挖掘

9 5 1拓扑发现的技术现状及网路

数据的採集

9 5 2基于挖掘技术的网路

拓扑发现

9 6网路舆情挖掘

9 6 1舆情研究发展现状及舆情

特点

9 6 2网路舆情数据预处理

9 6 3网路舆情挖掘技术

9 7推荐系统

9 7 1推荐系统发展现状

9 7 2相关技术

9 7 3推荐系统

9 8空间数据挖掘

9 8 1空间数据的特点

9 8 2空间数据预处理

9 8 3空间数据挖掘技术

9 8 4空间数据挖掘工具

9 9数据流挖掘

9 9 1数据流的特点

9 9 2数据流预处理

9 9 3数据流挖掘技术

9 9 4数据流挖掘技术的套用

9 10小结

9 11习题

参考文献