內容簡介
動態數據挖掘動態數據挖掘是針對動態資料庫和實時資料庫進行知識提取的數據挖掘技術。隨著信息技術的進一步發展，對知識新穎性的需求越來越強，採用傳統的靜態數據挖掘技術來分析不斷產生的信息無法滿足現實套用的要求，對實際套用數據源在其運行的同時進行動態數據挖掘得到相關知識顯得日益重要。
圖書目錄
前言
第一章 緒論
1.1 引言
1.2 數據挖掘概述
1.2.1 數據挖掘的基本概念
1.2.2 數據挖掘技術
1.3 動態數據挖掘
1.3.1 動態數據挖掘的產生
1.3.2 動態數據挖掘技術概述
參考文獻
第二章 數據流挖掘技術
2.1 概述
2.2 數據流挖掘技術
2.2.1 視窗技術
2.2.2 動態抽樣技術
2.2.3 概要數據結構
2.2.4 更新策略
2.3 數據流挖掘算法
2.3.1 數據流聚類算法
2.3.2 數據流分類算法
2.3.3 數據流頻繁項集挖掘算法
2.3.4 多數據流挖掘算法
2.4 數據流挖掘技術的套用
2.4.1 數據流管理系統
2.4.2 案例推理在數據流管理中的套用
參考文獻
第三章 分形數據挖掘技術
3.1 概述
3.2 數據集的分形維數
3.2.1 數據集分形維數的含義
3.2.2 數據集分形維數的計算方法
3.3 基於分形維數的約簡技術
3.3.1 分形屬性選擇及其改進算法
3.3.2 基於分形維數的案例庫維護算法
3.4 分形聚類算法
3.4.1 基於格線和分形維數的聚類算法
3.4.2 基於分形維數的數據流聚類算法
3.4.3 基於多重分形的聚類層次最佳化算法
3.5 分形分類與預測技術
3.5.1 分形分類技術
3.5.2 分形預測技術
3.6 分形數據挖掘技術的套用
3.6.1 金融數據分析
3.6.2 網路入侵檢測
參考文獻
第四章 在線上分析挖掘
4.1 概述
4.2 數據立方體
4.2.1 數據立方體簡介
4.2.2 數據立方體最佳化方法
4.2.3 數據立方體物化方法研究
4.3 在線上分析處理
4.3.1 OLAP概念及分類
4.3.2 支持OLAP查詢的索引技術研究
4.3.3 OLAP動態查詢方法
4.4 在線上分析挖掘
4.4.1 在線上分析挖掘簡介
4.4.2 在線上分析挖掘體系結構
4.4.3 OLAP與數據挖掘技術的結合方法
參考文獻
第五章 經驗模態分解技術
5.1 概述
5.1.1 經驗模態分解基本理論
5.1.2 經驗模態分解研究現狀
5.2 基於經驗模態分解的序列趨勢的提取
5.2.1 引言
5.2.2 基於EMD方法的序列趨勢的提取
5.3 基於經驗模態分解的時間序列匹配算法
5.3.1 引言
5.3.2 基於交叉覆蓋算法的序列匹配算法
5.3.3 基於經驗模態分解和覆蓋算法的序列匹配算法
5.4 基於經驗模態分解的聚類算法
5.4.1 引言
5.4.2 基於經驗模態分解的數據降維技術
5.4.3 基於經驗模態分解和K-means聚類算法
5.5 基於經驗模態分解的流數據挖掘技術
5.5.1 引言
5.5.2 基於經驗模態分解的數據流概要生成技術
5.6 經驗模態分解動態數據挖掘技術的套用
5.6.1 引言
5.6.2 基於經驗模態分解和交叉覆蓋算法的個人信用的評估
5.6.3 基於經驗模態分解和K-means算法的客戶行為聚類
參考文獻
第六章 聯繫發現技術
6.1 概述
6.2 基於圖挖掘的聯繫發現
6.2.1 圖挖掘的相關概念和定義
6.2.2 基於圖論的無監督的聯繫發現算法
6.3 基於一階謂詞邏輯的聯繫發現
6.3.1 一階謂詞邏輯的相關概念和定義
6.3.2 基於ILP的聯繫發現算法
6.4 基於聯繫發現的結合型數據挖掘方法
6.4.1 基於相關分析和聯繫發現的結合
6.4.2 圖熵和聯繫發現的結合
6.4.3 機率統計方法和聯繫發現的結合
6.5 聯繫發現技術的現實套用
6.5.1 聯繫發現在反恐中的運用
6.5.2 聯繫發現在金融反洗錢中的運用
參考文獻
