數(shù)據(jù)挖掘與數(shù)學建模

第1章 數(shù)據(jù)挖掘與數(shù)學建模關系概述
　1.1 當前信息化發(fā)展的趨勢與面對問題
　1.2 數(shù)據(jù)挖掘發(fā)展及其應用
　1.3 基于數(shù)據(jù)挖掘的數(shù)學建模
　1.4 數(shù)據(jù)挖掘軟件Clementine的基本操作概述
　參考文獻
第2章 統(tǒng)計分析
　2.1 問題概述
　2.2 回歸分析及其應用
　2.3 二項邏輯回歸
　2.4 主成分分析
　2.5 因子分析
　2.6 管理勝任力的案例分析和數(shù)學建模
　參考文獻
第3章 聚類分析
　3.1 問題概述
　3.2 聚類分析概述
　3.3 基于距離的聚類相似度
　3.4 系統(tǒng)聚類法
　3.5 C-均值(C-Means)聚類算法
　3.6 Clementine輔助K-Means聚類
　3.7 模糊聚類
　3.8 聚類有效性
　3.9 醫(yī)療建設評價的案例分析與數(shù)學建模
　參考文獻
第4章 神經(jīng)網(wǎng)絡及其應用
　4.1 問題概述
　4.2 神經(jīng)網(wǎng)絡概述
　4.3 神經(jīng)網(wǎng)絡的基本模型
　4.4 誤差逆?zhèn)鞑ド窠?jīng)網(wǎng)絡模型
　4.5 RBF神經(jīng)網(wǎng)絡
　4.6 自組織特征映射(SOM)神經(jīng)網(wǎng)絡
　4.7 神經(jīng)網(wǎng)絡的案例分析與數(shù)學建模
　4.8 模糊神經(jīng)網(wǎng)絡
　參考文獻
第5章 決策樹及其應用
　5.1 問題概述
　5.2 決策樹概述
　5.3 ID3算法
　5.4 C4.5算法
　5.5 CART算法
　5.6 Clementine輔助決策樹建立
　5.7 決策樹的評價標準
　5.8 決策樹的剪枝
　5.9 決策樹的優(yōu)化
　5.10 燃氣管網(wǎng)安全預測案例分析與數(shù)學建模
　5.11 模糊決策樹
　參考文獻
第6章 關聯(lián)分析
　6.1 問題概述
　6.2 關聯(lián)分析概述
　6.3 Apriori關聯(lián)規(guī)則算法
　6.4 Clementine輔助Apriori算法實現(xiàn)關聯(lián)分析
　6.5 基于Apriori算法的改進算法
　6.6 基于分類搜索的關聯(lián)規(guī)則算法
　6.7 基于頻繁樹的關聯(lián)規(guī)則算法
　6.8 關聯(lián)規(guī)則的推廣
　6.9 時序關聯(lián)規(guī)則算法
　6.10 Clememtin輔助時序關聯(lián)分析
　6.11 多值屬性關聯(lián)規(guī)則算法
　6.12 增量關聯(lián)規(guī)則算法
　6.13 基于關聯(lián)規(guī)則的分類算法
　6.14 關聯(lián)分類算法的改進
　6.15 模糊關聯(lián)分類算法與應用
　6.16 關聯(lián)規(guī)則案例分析與數(shù)學建模
　參考文獻
第7章 遺傳算法
　7.1 問題概述
　7.2 遺傳算法概述
　7.3 模式定理
　7.4 改進的遺傳算法
　7.5 遺傳算法案例分析與數(shù)學建模
　參考文獻
第8章 貝葉斯網(wǎng)絡與知識推理
　8.1 問題概述
　8.2 貝葉斯網(wǎng)絡原理概述
　8.3 主要貝葉斯網(wǎng)絡模型
　8.4 管理勝任力的貝葉斯網(wǎng)絡知識推理模型建立
　8.5 Clementine輔助貝葉斯網(wǎng)絡的建立
　8.6 地下燃氣管網(wǎng)安全風險的貝葉斯網(wǎng)絡知識推理與診斷
　8.7 模糊貝葉斯網(wǎng)絡
　8.8 電子商務發(fā)展水平的模糊貝葉斯網(wǎng)絡知識推理模型
　8.9 數(shù)據(jù)挖掘軟件WEKA輔助無約束貝葉斯網(wǎng)絡的建立
　參考文獻