內容簡介
本書以國際數據挖掘標準流程（GRISP-DM）為依據，以企業管理面臨的現實問題為套用案例，由淺入深介紹數據挖掘方法及其解決問題過程的數據理解、數據處理、數據分析、數學建模、模型結果評估等內容，並引人套用廣泛的數據挖掘Clementine軟體輔助問題案例的解決，使讀者不僅可以集中地學習數據挖據的主要理論方法，而且可以了解基於數據挖掘的數學建模過程，可以學習套用軟體輔助解決問題的操作方法。
本書把理論、案例、建模、軟體輔助結合一體統一敘述，簡述理論，突出套用，詳細分析，展示過程，既考慮高校學生的學習需要，分本科生與研究生學習層次，又考慮企業管理者的套用與實踐需要。
本書可作為數據挖掘理論與技術的教學、實踐、套用和提高的教科書或參考書。適合高等學校本科高年級學生、研究生以及學習數據挖掘、數學模型課程的學生使用，也適合相關的企業管理與決策支持技術人員使用。
書籍目錄
第1章 數據挖掘與數學建模關係概述
1.1 當前信息化發展的趨勢與面對問題
1.2 數據挖掘發展及其套用
1.3 基於數據挖掘的數學建模
1.4 數據挖掘軟體Clementine的基本操作概述
參考文獻
第2章 統計分析
2.1 問題概述
2.2 回歸分析及其套用
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 基於距離的聚類相似度
3.4 系統聚類法
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 醫療建設評價的案例分析與數學建模
參考文獻
第4章 神經網路及其套用
4.1 問題概述
4.2 神經網路概述
4.3 神經網路的基本模型
4.4 誤差逆傳播神經網路模型
4.5 RBF神經網路
4.6 自組織特徵映射(SOM)神經網路
4.7 神經網路的案例分析與數學建模
4.8 模糊神經網路
參考文獻
第5章 決策樹及其套用
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 決策樹的最佳化
5.10 燃氣管網安全預測案例分析與數學建模
5.11 模糊決策樹
參考文獻
第6章 關聯分析
6.1 問題概述
6.2 關聯分析概述
6.3 Apriori關聯規則算法
6.4 Clementine輔助Apriori算法實現關聯分析
6.5 基於Apriori算法的改進算法
6.6 基於分類搜尋的關聯規則算法
6.7 基於頻繁樹的關聯規則算法
6.8 關聯規則的推廣
6.9 時序關聯規則算法
6.10 Clememtin輔助時序關聯分析
6.11 多值屬性關聯規則算法
6.12 增量關聯規則算法
6.13 基於關聯規則的分類算法
6.14 關聯分類算法的改進
6.15 模糊關聯分類算法與套用
6.16 關聯規則案例分析與數學建模
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學建模
參考文獻
第8章 貝葉斯網路與知識推理
8.1 問題概述
8.2 貝葉斯網路原理概述
8.3 主要貝葉斯網路模型
8.4 管理勝任力的貝葉斯網路知識推理模型建立
8.5 Clementine輔助貝葉斯網路的建立
8.6 地下燃氣管網安全風險的貝葉斯網路知識推理與診斷
8.7 模糊貝葉斯網路
8.8 電子商務發展水平的模糊貝葉斯網路知識推理模型
8.9 數據挖掘軟體WEKA輔助無約束貝葉斯網路的建立
參考文獻
