數(shù)據(jù)挖掘?qū)д?/h1>

前言
第1章 數(shù)據(jù)挖掘?qū)д?br />1.1 數(shù)據(jù)挖掘的起源
1.2 數(shù)據(jù)挖掘的過程
1.3 數(shù)據(jù)挖掘的任務(wù)
1.4 數(shù)據(jù)挖掘系統(tǒng)與工具
1.5 數(shù)據(jù)挖掘的發(fā)展趨勢(shì)
本章小結(jié)
思考題
第2章 數(shù)據(jù)倉庫與在線分析
2.1 數(shù)據(jù)倉庫的概念
2.2 數(shù)據(jù)倉庫數(shù)據(jù)模型
2.3 數(shù)據(jù)倉庫的構(gòu)建
2.4 數(shù)據(jù)倉庫在線分析
2.5 數(shù)據(jù)倉庫應(yīng)用示例
本章小結(jié)
思考題
第3章 分類挖掘（1）
3.1 分類挖掘概述
3.2 決策樹分類方法
3.3 決策樹分類算法深入
3.4 分類挖掘評(píng)估與改進(jìn)
3.5 分類挖掘應(yīng)用
本章小結(jié)
思考題
第4章 分類挖掘（2）
4.1 貝葉斯分類方法
4.2 K近鄰分類方法
4.3 神經(jīng)網(wǎng)絡(luò)分類方法
4.4 遺傳算法分類方法
4.5 分類器集成方法
4.6 分類挖掘應(yīng)用
本章小結(jié)
思考題
第5章 關(guān)聯(lián)挖掘
5.1 關(guān)聯(lián)挖掘概述
5.2 基本關(guān)聯(lián)挖掘方法
5.3 關(guān)聯(lián)挖掘深入
5.4 分布式關(guān)聯(lián)挖掘
5.5 關(guān)聯(lián)挖掘應(yīng)用
本章小結(jié)
思考題
第6章 聚類分析
6.1 聚類分析概述
6.2 聚類分析中的數(shù)據(jù)類型
6.3 主要聚類方法
6.4 劃分方法
6.5 層次方法
6.6 基于密度方法
6.7 基于網(wǎng)格方法
6.8 基于模型方法
6.9 聚類挖掘應(yīng)用
本章小結(jié)
思考題
第7章 異類挖掘
7.1 異類挖掘概述
7.2 孤立點(diǎn)挖掘方法
7.3 基于聚類的異類挖掘
7.4 基于數(shù)據(jù)延續(xù)性的異常挖掘
7.5 異類挖掘應(yīng)用
本章小結(jié)
思考題
第8章 數(shù)據(jù)流挖掘
8.1 數(shù)據(jù)流挖掘概述
8.2 數(shù)據(jù)流分類挖掘
8.3 數(shù)據(jù)流關(guān)聯(lián)挖掘
8.4 數(shù)據(jù)流聚類挖掘
8.5 數(shù)據(jù)流挖掘應(yīng)用
本章小結(jié)
……
第9章 文本挖掘
第10章 數(shù)據(jù)挖掘應(yīng)用
第11章 數(shù)據(jù)挖掘云
參考文獻(xiàn)