知识发现

图书标准信息

• 作者 史忠植
• 出版社 清华大学出版社
• 出版时间 2002-01
• 版次 1
• ISBN 9787302050612
• 定价 38.00元
• 装帧 平装
• 开本 其他
• 纸张 胶版纸
• 页数 402页
• 字数 601千字

【内容简介】

知识发现是从数据集中识别出有效的、新颖的、潜在有用的，以及最终可理解的模式的非平凡过程。知识发现将信息变为知识，从数据矿山中找到知识金块，将为知识创新和知识经济的发展作出贡献。

  本书全面而又系统地介绍了知识发现的方法和技术，反映了当前知识发现研究的最新成果。

  全书共分14章。第1章是绪论，介绍知识发现的重要概念和任务。第2章讨论决策树，它是归纳学习方法中最实用的一种技术。关联规则挖掘是近几年应用最为广泛的方法，第3章将对重要的关联规则挖掘算法进行讨论。第4章讨论范例推理，它是一种有效的实用技术。第5章探讨模糊聚类法。第6章讨论粗糙集。第7章是贝叶斯网络，贝叶斯网络可以处理不完整和带有噪声的数据集，它用概率测度的权重来描述数据间的相关性。第8章探讨支持向量机，它在近几年知识发现研究中是极其活跃的研究课题。第9章讨论隐马尔科夫模型。第10章是神经网络，书中着重介绍几种实用的算法。第11章讨论进化和遗传算法。第12章介绍知识发现平台MSMiner。接着，以Web知识发现、生物信息处理为例，介绍知识发现的应用。第13章关于Web知识发现。第14章介绍生物信息处理中基因组模式的发现。

  本书内容新颖，认真总结了作者的科研成果，取材国内外最新资料，反映了当前该领域的研究水平。论述力求概念清晰，表达准确，突出理论联系实际，通过实例说明原理，富有启发性。本书对从事知识发现、数据挖掘、机器学习、人工智能研究和知识管理的科技人员具有重要参考价值，可以用作计算机、信息技术等专业博士生、硕士生的教材。

【目录】

前言

第1章 绪论

  1.1 知识

  1.2 知识发现

  1.3 知识发现的任务

  1.4 知识发现的方法

  1.5 知识发现的对象

  1.6 知识发现与创新

第2章 决策树

  2.1 归纳学习

  2.2 决策树学习

  2.3 CLS学习算法

  2.4 ID3学习算法

  2.5 决策树的改进算法

  2.6 决策树的评价

  2.7 简化决策树

  2.8 连续型属性离散化

  2.9 基于偏置变换的决策树学习算法BSDT

  2.10 归纳学习中的问题

第3章 关联规则

  3.1 关联规则挖掘概述

  3.2 广义模糊关联规则的挖掘

  3.3 挖掘关联规则的数组方法

  3.4 任意多表间关联规则的并行挖掘

  3.5 基于分布式系统的关联规则挖掘算法

  3.6 词性标注规则的挖掘算法与应用

第4章 基于范例的推理

  4.1 概述

  4.2 过程模型

  4.3 范例的表示

  4.4 范例的索引

  4.5 范例的检索

  4.6 相似性关系

  4.7 范例的复用

  4.8 范例的保存

  4.9 基于例示的学习

  4.10 范例工程

  4.11 范例约简算法

  4.12 中心渔场预报专家系统

第5章 模糊聚类

  5.1 概述

  5.2 传递闭包法

  5.3 FCMBP聚类法

  5.4 系统聚类法

  5.5 C－均值聚类法

  5.6 聚类有效性

  5.7 聚类方法的比较

第6章 粗糙集

  6.1 概述

  6.2 知识的约简

  6.3 决策逻辑

  6.4 决策表的约简

  6.5 粗糙集的扩展模型

  6.6 粗糙集的实验系统

  6.7 粗糙集的展望

第7章 贝叶斯网络

  7.1 概述

  7.2 贝叶斯概率基础

  7.3 贝叶斯学习理论

  7.4 简单贝叶斯学习模型

  7.5 贝叶斯网络的建造

  7.6 贝叶斯潜在语义模型

  7.7 半监督文本挖掘算法

第8章 支持向量机

  8.1 统计学习问题

  8.2 学习过程的一致性

  8.3 结构风险最小归纳原理

  8.4 支持向量机

  8.5 核函数

  8.6 基于分类超曲面的海量数据分类方法

第9章 隐马尔科夫模型

  9.1 马尔科夫过程

  9.2 隐马尔科夫模型

  9.3 似然概率和前反向算法

  9.4 学习算法

  9.5 基于状态驻留时间的分段概率模型

第10章 神经网络

  10.1 概述

  ……

第11章 进化和遗传算法

第12章 知识发现平台MSMiner

第13章 Web知识发现

第14章 生物信息知识发现

参考文献

索引