數(shù)控挖掘技術(shù)應(yīng)用實例

出版說明
前言
第1章　緒論
1.1　數(shù)據(jù)挖掘的基本概念
1.1.1　啤酒與尿布
1.1.2　什么是數(shù)據(jù)挖掘
1.1.3　數(shù)據(jù)挖掘的分類
1.1.4　數(shù)據(jù)挖掘的特點和功能
1.2　數(shù)據(jù)挖掘的過程
1.2.1　數(shù)據(jù)準備
1.2.2　數(shù)據(jù)選擇
1.2.3　數(shù)據(jù)預(yù)處理
1.2.4　數(shù)據(jù)挖掘及模式評價
1.3　數(shù)據(jù)倉庫和數(shù)據(jù)挖掘
1.3.1　數(shù)據(jù)倉庫的概念和特點
1.3.2　數(shù)據(jù)集市
1.3.3　元數(shù)據(jù)
1.3.4　數(shù)據(jù)倉庫和數(shù)據(jù)挖掘的關(guān)系
1.4　OLAP和數(shù)據(jù)挖掘
1.4.1　OLAP的基本概念
1.4.2　OLAP的操作
1.4.3　OLAP的類別
1.4.4　OLAP和0LTP的關(guān)系
1.4.5　OLAP和數(shù)據(jù)挖掘的關(guān)系
1.5　數(shù)據(jù)挖掘的應(yīng)用領(lǐng)域
1.6　數(shù)據(jù)挖掘研究現(xiàn)狀
1.6.1　商業(yè)應(yīng)用
1.6.2　支持平臺數(shù)據(jù)展現(xiàn)
1.6.3　使用成本
1.6.4　挖掘算法
1.7　本章小結(jié)
第2章　數(shù)據(jù)挖掘的常用技術(shù)
　2.1 決策樹
2.1.1　決策樹的基本概念
2.1.2　決策樹的基本原理
　 2.1.3　決策樹的算法
　2.1.4　決策樹的優(yōu)勢和劣勢
　2.2　神經(jīng)網(wǎng)絡(luò)
　2.2.1　神經(jīng)網(wǎng)絡(luò)的基本概念
　 2.2.2　神經(jīng)網(wǎng)絡(luò)的特征
　 2.2.3　神經(jīng)網(wǎng)絡(luò)的分類和學習方式
　 2.2.4　進化計算
　 2.2.5　神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點
　2.3　關(guān)聯(lián)規(guī)則
　 2.3.1　關(guān)聯(lián)規(guī)則的基本概念
　 2.3.2　經(jīng)典Apriori算法的描述
　 2.3.3　AprioriTid算法
　 2.3.4　FP-tree算法
　2.4　聚類分析
　 2.4.1　聚類分析的基本概念
　 2.4.2　聚類算法簡介
　 2.4.3　孤立點分析
　2.5　統(tǒng)計學習
　 2.5.1　統(tǒng)計分析綜述
　 2.5.2　貝葉斯學習
　 2.5.3　支撐矢量機
　 2.5.4　回歸分析
　2.6　模糊集和粗糙集
　　2.6.1　模糊集概述
　　2.6.2　粗糙集概述
2.7　本章小結(jié)
第3章　數(shù)據(jù)挖掘在客戶關(guān)系管理中的應(yīng)用
3.1 數(shù)據(jù)挖掘在CRM中的應(yīng)用現(xiàn)狀
3.1.1　CRM的由來
3.1.2　CRM系統(tǒng)的研發(fā)現(xiàn)狀
3.1.3　數(shù)據(jù)挖掘在CRM中的使用情況
3.2　數(shù)據(jù)挖掘在CIW中的應(yīng)用
　 3.2.1　客戶群體分類
　 3.2.2　客戶盈利能力分析
　 3.2.3　客戶獲取和客戶保持
　 3.2.4　客戶滿意度分析
　3.3　數(shù)據(jù)挖掘在通信公司CRM應(yīng)用實例
3.3.1　客戶細分模型和挖掘算法選擇
3.3.2　數(shù)據(jù)挖掘模型和挖掘步驟
3.3.3　結(jié)果分析和市場策略制定
　3.4　本章小結(jié)
第4章　數(shù)據(jù)挖掘在市場營銷中的應(yīng)用
第5章　數(shù)據(jù)挖掘在證券領(lǐng)域中的應(yīng)用
第6章　數(shù)據(jù)挖掘在電信領(lǐng)域中的應(yīng)用
第7章　數(shù)據(jù)挖掘在產(chǎn)品設(shè)計中的應(yīng)用
第8章　數(shù)據(jù)挖掘在軍事領(lǐng)域中的應(yīng)用
第9章　Web數(shù)據(jù)挖掘
第10章　數(shù)據(jù)挖掘技術(shù)的發(fā)展
參考文獻