編輯推薦
基於數據挖掘經典算法及數據挖掘領域最新研究技術進行數據分析的教材。全書內容包括數據挖掘概述、分類算法、聚類算法、關聯規則算法及相應典型算法的算法描述及分析等。對當前數據挖掘的新技術———流數據挖掘技術、高維聚類算法、分散式數據挖掘、物聯網數據挖掘進行了詳細的介紹。該部分在講述基本概念及典型算法的基礎上配有新研究的算法模型及分析，並有實驗數據分析及結果顯示。最後對其他數據挖掘新技術，包括業務活動監控挖掘技術、雲計算平台架構和數據挖掘方法及思維流程數據挖掘技術進行了描述。本書可以作為高等院校信息管理、數理統計等專業有關數據挖掘教學的本科生或者研究生的專業課教材，也可以作為各類相關培訓班的教材，還可以作為從事數據分析、智慧型產品軟體開發人員的參考書及數據挖掘愛好者的自學用書。
內容簡介
《高等院校通用教材:數據挖掘技術》可以作為高等院校信息管理、數理統計等專業有關數據挖掘教學的本科生或者研究生的專業課教材，也可以作為各類相關培訓班的教材，還可以作為從事數據分析、智慧型產品軟體開發人員的參考書及數據挖掘愛好者的自學用書。
圖書目錄
第1章數據挖掘概述
1.1數據挖掘的概念
1.1.1 KDD與數據挖掘
1.1.2數據挖掘過程
1.1.3數據挖掘任務
1.2數據挖掘的發展歷程
1.3數據挖掘的分類
1.4數據挖掘的研究方法
1.4.1統計分析方法
1.4.2決策樹方法
1.4.3模糊集方法
1.4.4粗糙集方法
1.4.5人工神經網路方法
1.4.6遺傳算法
1.5 國內外數據挖掘研究現狀
本章小結
參考文獻
第2章分類算法分析
2.1分類概念
2.2分類方法
2.3決策樹算法
2.3.1 ID3算法
2.3.2 C4.5算法
2.4貝葉斯分類
2.5粗糙集方法
2.5.1粗糙集模型擴展
2.5.2 粗糙集與其他不確定信息處理理論的關係
2.6遺傳算法
2.7其他分類算法
本章小結
參考文獻
第3章聚類算法分析
3.1聚類分析概述
3.1.1聚類分析概念
3.1.2聚類分析中的數據類型
3.2聚類分類
3.3劃分方法
3.3.1 K—means算法
3.3.2 K—medoid算法
3.4層次方法
3.4.1 BIRCH算法
3.4.2 CURE算法
3.5密度方法
3.5.1 DBSCAN算法
3.5.2 0PTICS算法
3.6格線方法
3.6.1 STING算法
3.6.2 Wavecluster算法
3.7基於標量化III的聚類統計算法
3.7.1數學描述
3.7.2計算方法
3.7.3文本數據
3.7.4套用實例
3.8其他聚類算法
本章小結
參考文獻
第4章關聯規則算法分析
第5章流數據挖掘技術
第6章高維聚類算法
第7章分散式數據挖掘
第8章物聯網數據挖掘
第9章數據挖掘新技術
