数据挖掘技术与应用 数据库 夏春艳
none
￥ 27.5 7.1折 ￥ 39 全新
库存3件
北京丰台
认证卖家担保交易快速发货售后保障
作者夏春艳
出版社冶金工业出版社
ISBN9787502467869
出版时间2014-08
版次1
装帧平装
开本16
页数137页
字数179千字
定价39元
货号xhwx_1201123494
上书时间2024-12-24
- 在售商品 暂无
- 平均发货时间 27小时
- 好评率 暂无
商品详情
- 品相描述：全新
- 正版特价新书
- 商品描述
-
目录：
1绪论
1.1数据挖掘的起源
1.2数据挖掘的现状
1.3数据挖掘的概念
1.3.1数据挖掘的技术含义
1.3.2数据挖掘的理论基础
1.3.3数据的分类
1.3.4训练集和测试集
1.3.5学
1.4数据挖掘的功能
1.5数据挖掘的过程
1.6数据挖掘的分类
1.6.1根据数据库类型分类
1.6.2根据知识类型分类
1.6.3根据技术分类
1.6.4根据应用分类
1.7数据挖掘的方法
1.7.1决策树方法
1.7.2神经网络方法
1.7.3模糊集方法
1.7.4遗传算法
1.7.5统计分析方法
1.7.6粗糙集方法
1.8数据挖掘的应用分析
1.8.1数据挖掘在体育竞技中的应用
1.8.2数据挖掘在商业银行中的应用
1.8.3数据挖掘在电信中的应用
1.8.4数据挖掘在科学探索中的应用
1.8.5数据挖掘在信息安全中的应用
1.9数据挖掘的发展趋势与面对的问题
参文献
2数据
2.1数据类型
2.1.1属与度量
2.1.2数据集的类型
2.2数据预处理
2.2.1数据清理
2.2.2数据集成
2.2.3数据变换
2.2.4数据归约
2.3邻近度量
2.3.1一些概念
2.3.2简单属之间的邻近度
2.3.3数据对象之间的相异度
2.3.4数据对象之间的相似度
2.3.5邻近度量举例
参文献
3关联规则
3.1关联规则概念
3.2apriori关联规则算法
3.2.1发现频繁项目集
3.2.2生成关联规则
3.3提高apriori算法的效率
3.3.1基于划分的方法
3.3.2基于散列的方法
3.3.3基于采样的方法
3.3.4基于事务压缩的方法
3.3.5基于动态项目集的方法
3.4关联规则挖掘的深人问题
3.4.1多层次关联规则挖掘
3.4.2多维关联规则挖掘
3.4.3数量关联规则挖掘
参文献
4分类和预测
4.1分类概念
4.2分类规则
4.2.1分类规则
4.2.2分类规则算法步骤
4.2.3分类规则模式
4.3基于距离的分类器
4.4决策树分类器
4.4.1决策树基本算法
4.4.2决策树分类举例
4.4.3id3算法
4.5贝叶斯分类器
4.5.1贝叶斯定理
4.5.2贝叶斯定理在分类中的应用
4.5.3朴素贝叶斯分类器
4.6基于规则的分类器
4.6.1规则的描述
4.6.2规则的有效
4.6.3规则产生算法
4.6.4分类决策
4.6.5分类方法
参文献
5聚类分析
5.1聚类分析概述
5.1.1聚类分析在数据挖掘中的应用
5.1.2聚类分析方法的概念
5.1.3聚类分析方法的分类
5.1.4距离与相似度量
5.2聚类方法
5.2.1划分聚类方法
5.2.2层次聚类方法
5.2.3密度聚类方法
参文献
6粗糙集理论
6.1外研究现状
6.2粗糙集思想
6.3信息系统
6.4知识与不可分辨关系
6.5不范畴、近似和粗糙度
6.6区分矩阵
6.7知识的约简和核
6.7.1约简和核
6.7.2相对约简和相对核
6.8属的重要
6.8.1基于知识依赖的属重要度
6.8.2基于信息熵的属重要度
6.9决策规则的产生
6.10粗糙集方法在数据挖掘中的应用范围
参文献
7属约简算法
7.1属约简的典型算法
7.1.1基本算法
7.1.2启发式算法
7.1.3遗传算法
7.1.4复合系统的约简
7.1.5扩展法则
7.1.6动态约简
7.2启发式属约简算法分析
7.2.1基于属依赖度的约简算法
7.2.2基于信息熵的约简算法
7.2.3基于属重要和频度的约简算法
7.2.4属重要度的完备分析
7.2.5属约简算法的综合分析
7.3启发式属约简算法研究
7.3.1启发式属约简算法(一)
7.3.2启发式属约简算法(二)
7.3.3启发式属约简算法(三)
7.3.4启发式属约简算法(四)
7.3.5启发式属约简算法(五)
参文献
8数据挖掘的应用
8.1数据挖掘的应用举例
8.1.1属约简
8.1.2分类规则
8.2数据挖掘在农业中的应用
8.2.1农作物灾害预测实例
8.2.2农作物病害预测实例(一)
8.2.3农作物病害预测实例(二)
8.2.4农作物种植实例
8.2.5水稻产量预测实例
8.3数据挖掘在评价与中的应用
8.3.1数据挖掘在评价中的应用
8.3.2数据挖掘在中的应用
参文献
内容简介：
本书系统的讲述了数据挖掘技术的基本概念和基本，并列举了在相应领域具有参价值的算法及其改进和应用，是作者多年来从事和科研实践的成果。全书共8章，主要内容有：绪论，数据，关联规则，分类规则，聚类分析，粗糙集理论，属约简算法，数据挖掘的应用。
作者简介：
夏春艳，1980年3月出生于黑龙江省桦川县，2007年4月于长春理工大学，获得工学硕士，现任牡丹江师范学院教师，主要研究方向为数据挖掘与信息处理，发表专业10余篇，参与编写教材3部。发表：基于粗糙集的属约简算法，2009年9月，微计算机信息基于粗糙集理论属约简的改进算法，2010年12月，微计算机信息数据挖掘技术在医学诊断中的应用，2011年2月，牡丹江师范学院学报数据挖掘技术在农作物灾害预测中的应用，2011年3月，安徽农业科学粗糙集理论在农业中的应用，2011年10月，安徽农业科学话题识别与跟踪方法的研究，2012年4月，科技致富向导话题跟踪方法的研究，2012年5月，计算机工程与应用数据挖掘技术在中的应用研究，2013年8月，科技致富向导数据挖掘技术在农作物种植领域中的应用，2014年5月，中国农机化学报参编教材：viual foxpro程序设计，2010年2月，清华大学出版社viual foxpro程序设计教程，2011年3月，科学出版社离散数学学辅导，2012年6月，清华大学出版社
精彩内容：
众所周知，数据库技术从20世纪80年代开始，已经得到广泛的普及和应用。随着数据库容量的膨胀，特别是数据仓库以及web等新型数据源的益普及，人们面临的主要问题不再是信息的不足，而是面对浩瀚的数据海洋如何有效地利用这些数据。面对这一挑战，数据挖掘技术应运而生，并显示出强大的生命力。它能从大量数据中挖掘和学有价值的隐含知识，是当今智能系统理论和技术的重要研究内容，因而来得到外的极大重视和研究。数据挖掘是一个多学科交领域，涉及数据库技术、人工智能、机器学、神经网络、统计学、模式识别、知识库系统、知识获取、信息检索、高能计算和数据可视化。数据挖掘研究的进展也正是在于一直重视与其他领域研究者的合作。数据挖掘从、农业、医疗和商业的需求取得动力，从统计学、机器学等领域的长期研究与发展中汲取营养。我们相信，只要有理解数据的需求，有推动数据挖掘研究与应用发展的动力。
本书介绍了数据挖掘技术的基本理论方法和改进算法以及数据挖掘技术的应用，内容共包括8章：章为介绍数据挖掘基本概念和理论的绪论。该章简要介绍了数据挖掘的起源和研究现状，描述了数据挖掘的概念、功能、过程、分类和方法，讨论了数据挖掘的应用分析以及数据挖掘今后的发展趋势与面对的问题。第2章介绍数据挖掘之前的数据技术。讨论了数据类型，主要包括属和数据集的类型。描述了数据预处理技术，包括数据清理、数据集成、数据变换和数据归约。本章后举例介绍了邻近度量的相关概念。第3章阐述关联规则挖掘的与算法。重点介绍了apriori关联规则算法及其效率，分析了关联规则挖掘的深入问题，比如多层次、多维和数量关联规则挖掘。第4章给出分类和预测的主要理论和算法描述。介绍了分类概念和分类规则的、算法步骤和模式，介绍了几种主要的分类器，包括决策树分类器、贝叶斯分类器和基于规则的分类器。第5章讨论聚类的常用技术和方法。首先介绍数据聚类概念，然后提供若干主要的数据聚类技术，包括基于划分的聚类、层次聚类和基于密度的聚类。第6章介绍数据挖掘的主要方法之一粗糙集理论。首先介绍了粗糙集理论的研究现状、基本概念和理论，以及属的重要和规则的产生。在本章的后还介绍了粗糙集在数据挖掘中的应用。第7章讨论粗糙集理论的主要方法属约简算法。介绍了典型的属约简算法，分析和提出改进的启发式属约简算法。第8章讨论数据挖掘的应用。阐述了数据挖掘的应用，讨论了数据挖掘在农业生产和中的应用。
本书综合了作者在数据挖掘理论和应用研究过程中的新研究成果，在研究过程中得到了牡丹江师范学院青年学术骨干项目（1206）的资助。
作者在数据挖掘理论和应用研究过程中得到了长春理工大学崔广才教授、牡丹江师范学院张岩教授的指导和帮助，在本书的编写过程中得到了牡丹江师范学院赵杰教授、李树教授和杨文君教授的支持和指导，特别是李树教授在本书的出版过程中还给予了极大的关心和帮助，在此一并表示感谢。后，感谢冶金出版社编辑的出工作，使得本书得以顺利出版。
由于水和时间所限，书中存在的缺点和错误，恳请读者批评指正。
— 没有更多了 —
以下为对购买帮助不大的评价