數(shù)據(jù)挖掘技術(shù)

第1章 知識發(fā)現(xiàn)與數(shù)據(jù)挖掘綜述
1.1 知識發(fā)現(xiàn)和數(shù)據(jù)挖掘的概念
1.2 數(shù)據(jù)挖掘方法和技術(shù)
1.3 數(shù)據(jù)挖掘的知識表示
習(xí)題1
第2章 基本信息論的數(shù)據(jù)挖掘方法
2.1 信息論原理
2.2 基于互信息的ID3算法與C4.5
2.3 基于信道容量的IBLE算法
習(xí)題2
第3章 基于集合論的數(shù)據(jù)挖掘方法
3.1 粗糙集方法
3.2 概念樹方法
3.3 覆蓋正例排斥反例的AQ方法
習(xí)題3
第4章 關(guān)聯(lián)規(guī)則挖掘
4.1 關(guān)聯(lián)規(guī)則的基本概念
4.2 關(guān)聯(lián)規(guī)則挖掘算法
4.3 基于聚類的周期關(guān)聯(lián)規(guī)則發(fā)現(xiàn)算法
習(xí)題4
第5章 神經(jīng)網(wǎng)絡(luò)
5.1 神經(jīng)網(wǎng)絡(luò)的概念及幾何意義
5.2 典型神經(jīng)網(wǎng)絡(luò)
5.3 超曲面神經(jīng)網(wǎng)絡(luò)
5.4 模糊神經(jīng)網(wǎng)絡(luò)
5.5 神經(jīng)網(wǎng)絡(luò)的規(guī)則抽取
習(xí)題5
第6章 遺傳算法
6.1 綜述
6.2 遺傳算法原理
6.3 基于遺傳的優(yōu)化計算
6.4 基于遺傳的分類學(xué)習(xí)系統(tǒng)
6.5 遺傳算法和神經(jīng)網(wǎng)絡(luò)的結(jié)合
習(xí)題6
第7章 公式發(fā)現(xiàn)
7.1 機器發(fā)現(xiàn)概述
7.2 BACON系統(tǒng)
7.3 FDD公式發(fā)現(xiàn)系統(tǒng)
習(xí)題7
第8章 數(shù)據(jù)挖掘應(yīng)用
8.1 數(shù)據(jù)挖掘與決策支持
8.2 數(shù)據(jù)挖掘服務(wù)器
習(xí)題8
參考文獻