數(shù)據(jù)挖掘原理、算法與應用

出版說明
前言
第1章  概述
  1.1 從數(shù)據(jù)中獲取知識
  1.2 數(shù)據(jù)挖掘的基本概念
  1.3 數(shù)據(jù)挖掘的發(fā)展歷程
  1.4 數(shù)據(jù)挖掘的功能和數(shù)據(jù)挖掘系統(tǒng)的分類
    1.4.1 分類與回歸
    1.4.2 聚類分析
    1.4.3 關聯(lián)規(guī)則
    1.4.4 時序模式
    1.4.5 異常檢測
    1.4.6 數(shù)據(jù)挖掘系統(tǒng)的分類
  1.5 數(shù)據(jù)挖掘的過程
    1.5.1 數(shù)據(jù)挖掘的一般流程
    1.5.2 跨行業(yè)數(shù)據(jù)挖掘標準過程
  1.6 數(shù)據(jù)挖掘與其他學科的關系
    1.6.1 數(shù)據(jù)挖掘與數(shù)據(jù)庫知識發(fā)現(xiàn)
    1.6.2 數(shù)據(jù)挖掘與數(shù)據(jù)庫查詢
    1.6.3 數(shù)據(jù)挖掘與統(tǒng)計分析
    1.6.4 數(shù)據(jù)挖掘與數(shù)據(jù)倉庫
    1.6.5 數(shù)據(jù)挖掘與聯(lián)機分析處理
    1.6.6 數(shù)據(jù)挖掘與人工智能、專家系統(tǒng)、機器學習
  1.7 數(shù)據(jù)挖掘的應用和發(fā)展趨勢
    1.7.1 商業(yè)的數(shù)據(jù)挖掘
    1.7.2 金融業(yè)的數(shù)據(jù)挖掘
    1.7.3 欺詐偵測中的數(shù)據(jù)挖掘
    1.7.4 DNA數(shù)據(jù)分析中的數(shù)據(jù)挖掘
    1.7.5 電信業(yè)中的數(shù)據(jù)挖掘
    1.7.6 科學和統(tǒng)計數(shù)據(jù)挖掘
    1.7.7 數(shù)據(jù)挖掘系統(tǒng)和軟件
    1.7.8 數(shù)據(jù)挖掘的發(fā)展趨勢
  1.8 小結
  1.9 習題
第2章  數(shù)據(jù)存儲
  2.1 關系數(shù)據(jù)集
  2.2 數(shù)據(jù)倉庫
    2.2.1 數(shù)據(jù)倉庫的概念和特點
    2.2.2 數(shù)據(jù)倉庫的數(shù)據(jù)組織
    2.2.3 數(shù)據(jù)倉庫的關鍵技術
    2.2.4 數(shù)據(jù)倉庫與數(shù)據(jù)挖掘的關系
  2.3 NoSQL數(shù)據(jù)庫
    2.3.1 NoSQL概念與理論
    2.3.2 NoSQL數(shù)據(jù)模型
    2.3.3 NoSQL與關系數(shù)據(jù)庫
  2.4 分布式文件系統(tǒng)
    2.4.1 分布式文件系統(tǒng)的歷史
    2.4.2 分布式文件系統(tǒng)的體系結構
    2.4.3 谷歌文件系統(tǒng)（GoogleFS）
    2.4.4 Hadoop分布式文件系統(tǒng)(HDFS)
  2.5 小結
  2.6 習題
第3章  數(shù)據(jù)預處理
  3.1 數(shù)據(jù)預處理的必要性
  3.2 數(shù)據(jù)清理
    3.2.1 缺失數(shù)據(jù)處理方法
    3.2.2 噪聲數(shù)據(jù)平滑技術
    3.2.3 時間相關數(shù)據(jù)的處理
  3.3 數(shù)據(jù)集成
    3.3.1 實體識別與匹配
    3.3.2 冗余和相關分析
    3.3.3 元組重復數(shù)據(jù)的檢測
    3.3.4 沖突數(shù)據(jù)的檢測與處理
  3.4 數(shù)據(jù)轉換
    3.4.1 數(shù)據(jù)標準化
    ……
第4章  數(shù)據(jù)相似度與異常檢測
第5章  數(shù)據(jù)分類和預測
第6章  數(shù)據(jù)聚類分析
第7章  數(shù)據(jù)關聯(lián)分析
第8章  性能評估和提升
第9章  復雜數(shù)據(jù)挖掘
參考文獻