数据挖掘原理与算法
￥ 13.98 3.5折 ￥ 39.5 九五品
仅1件
北京通州
认证卖家担保交易快速发货售后保障
作者毛国君 段立娟
出版社清华大学出版社
ISBN9787302415817
出版时间2016-01
版次1
装帧平装
开本16开
纸张胶版纸
页数334页
字数99999千字
定价39.5元
上书时间2024-07-11
商品详情
- 品相描述：九五品
- 商品描述
-
基本信息
书名:数据挖掘原理与算法
定价：39.50元
作者:毛国君 段立娟
出版社：清华大学出版社
出版日期：2016-01-01
ISBN：9787302415817
字数：504000
页码：334
版次：3
装帧：平装
开本：128开
商品重量：
编辑推荐
《数据挖掘原理与算法（第3版）》在经典教材的基础上，重点增加了大数据挖掘等新的数据挖掘的需求和技术分析，对Web挖掘的内容进行了重新编排，并增加了必要的新方法。近年来出现的公认的典型算法和技术也得到加强，使之很好地适应读者在教学或者学习中的新需求。本书内容相对全面，各章之间耦合度小。作为教材，教师可以根据学生类型、学时安排等进行选择性教学。作为参考书，读者可以根据自己的基础进行选择性学习或查阅。在每章后面都设置专门一节来对本章内容和文献引用情况进行归纳，它不仅可以帮助读者对相关内容进行整理，而且对读者，特别是研究人员，也起到文献的注释性索引功能。
内容提要
本书是一本全面介绍数据挖掘和知识发现技术的专业书籍，系统地阐述了数据挖掘和知识发现技术的产生、发展、应用以及相关概念、原理和算法，对数据挖掘中的主要技术分支，包括关联规则、分类、聚类、序列、空间以及Web挖掘等进行了理论剖析和算法描述。本书的许多内容是作者们在攻读博士学位期间的工作总结，一方面，对于相关概念和技术的阐述尽量先从理论分析入手，在此基础上进行技术归纳； 另一方面，为了保证技术的系统性，所有的挖掘模型和算法描述都在统一的技术归纳框架下进行。同时，为了避免抽象算法描述给读者带来的理解困难，本书的所有典型算法都通过具体跟踪执行实例来进一步说明。 全书共分8章，各章相对独立成篇，以利于读者选择性学习。在每章后面都设置专门一节来对本章内容和文献引用情况进行归纳，它不仅可以帮助读者对相关内容进行整理，而且也起到对本章内容相关文献的注释性索引功能。 本书可作为计算机专业研究生或高年级本科生教材，也可以作为从事计算机研究和开发人员的参考资料。作为教材，教师可以根据课时安排进行选择性教学。为了更好地让教师进行选择性教学，本书配有专门的教师用书，对内容的重点、难点和课时分配给出了对应的建议，对重要的和难度较大的习题进行了分析和解答。对于研究人员，本书是一本高参考价值的专业书籍。对于软件技术人员，可以把它当作提高用书或参考资料，一些算法可以通过改造用于实际的应用系统中。
目录
章绪论1.1数据挖掘技术的产生与发展1.1.1数据挖掘技术的商业需求分析1.1.2数据挖掘产生的技术背景分析1.1.3大数据时代的数据挖掘技术需求分析1.2数据挖掘研究的发展趋势1.3数据挖掘概念1.3.1从商业角度看数据挖掘技术1.3.2数据挖掘的技术含义1.3.3数据挖掘研究的理论基础1.4数据挖掘技术的分类问题1.5数据挖掘常用的知识表示模式与方法1.5.1广义知识挖掘1.5.2关联知识挖掘1.5.3类知识挖掘1.5.4预测型知识挖掘1.5.5特异型知识挖掘1.6不同数据存储形式下的数据挖掘问题1.6.1事务数据库中的数据挖掘1.6.2关系型数据库中的数据挖掘1.6.3数据仓库中的数据挖掘1.6.4在关系模型基础上发展的新型数据库中的数据挖掘1.6.5面向应用的新型数据源中的数据挖掘1.6.6Web数据源中的数据挖掘1.7粗糙集方法及其在数据挖掘中的应用1.7.1粗糙集的一些重要概念1.7.2粗糙集应用举例1.7.3粗糙集方法在KDD中的应用范围1.8数据挖掘的应用分析1.8.1数据挖掘与CRM1.8.2数据挖掘与社会网络1.8.3数据挖掘应用的成功案例分析1.9本章小结和文献注释习题1第2章知识发现过程与应用结构2.1知识发现的基本过程2.1.1数据抽取与集成技术要点2.1.2数据清洗与预处理技术要点2.1.3数据的选择与整理技术要点2.1.4数据挖掘技术要点2.1.5模式评估技术要点2.2数据库中的知识发现处理过程模型2.2.1阶梯处理过程模型2.2.2螺旋处理过程模型2.2.3以用户为中心的处理模型2.2.4联机KDD模型2.2.5支持多数据源多知识模式的KDD处理模型2.3知识发现软件或工具的发展2.3.1独立的知识发现软件2.3.2横向的知识发现工具集2.3.3纵向的知识发现解决方案2.3.4KDD系统介绍2.4知识发现项目的过程化管理2.5数据挖掘语言介绍2.5.1数据挖掘语言的分类2.5.2数据挖掘查询语言2.5.3数据挖掘建模语言2.5.4通用数据挖掘语言2.5.5DMQL挖掘查询语言介绍2.6本章小结和文献注释习题2第3章关联规则挖掘理论和算法3.1基本概念与解决方法3.2经典的频繁项目集生成算法分析3.2.1项目集空间理论3.2.2经典的发现频繁项目集算法3.2.3关联规则生成算法3.3Apriori算法的性能瓶颈问题3.4Apriori的改进算法3.4.1基于数据分割的方法3.4.2基于散列的方法3.4.3基于采样的方法3.5项目集空间理论的发展3.5.1Close算法3.5.2FPtree算法3.6项目集格空间和它的操作3.7基于项目集操作的关联规则挖掘算法3.7.1关联规则挖掘空间3.7.2三个实用算子3.7.3最大频繁项目集格的生成算法3.7.4ISSDM算法执行示例3.8改善关联规则挖掘质量问题3.8.1用户主观层面3.8.2系统客观层面3.9约束数据挖掘问题3.9.1约束在数据挖掘中的作用3.9.2约束的类型3.10时态约束关联规则挖掘3.11关联规则挖掘中的一些更深入的问题3.11.1多层次关联规则挖掘3.11.2多维关联规则挖掘3.11.3数量关联规则挖掘3.12数量关联规则挖掘方法3.12.1数量关联规则挖掘问题3.12.2数量关联规则的分类3.12.3数量关联规则挖掘的一般步骤3.12.4数值属性离散化问题及算法3.13本章小结和文献注释习题3第4章分类方法4.1分类的基本概念与步骤4.2基于距离的分类算法4.3决策树分类方法4.3.1决策树基本算法概述4.3.2ID3算法4.3.3C4.5算法4.4贝叶斯分类4.4.1贝叶斯定理4.4.2朴素贝叶斯分类4.4.3EM算法4.5规则归纳4.5.1AQ算法4.5.2CN2算法4.5.3FOIL算法4.6与分类有关的其他问题4.6.1分类数据预处理4.6.2分类器性能的表示与评估4.7本章小结和文献注释习题4第5章聚类方法5.1概述5.1.1聚类分析在数据挖掘中的应用5.1.2聚类分析算法的概念与基本分类5.1.3距离与相似性的度量5.2划分聚类方法5.2.1k平均算法5.2.2PAM5.2.3其他方法5.3层次聚类方法5.3.1AGNES算法5.3.2DIANA算法5.3.3其他聚类方法5.4密度聚类方法5.5其他聚类方法5.5.1STING算法5.5.2SOM算法5.5.3COBWEB算法5.5.4模糊聚类算法FCM5.6本章小结和文献注释习题5第6章时间序列和序列模式挖掘6.1时间序列及其应用6.2时间序列预测的常用方法6.2.1确定性时间序列预测方法6.2.2随机时间序列预测方法6.2.3其他方法6.3基于ARMA模型的序列匹配方法6.3.1基本概念6.3.2利用基本概念建立模型6.3.3构造判别函数6.4基于离散傅里叶变换的时间序列相似性查找6.4.1完全匹配6.4.2子序列匹配6.5基于规范变换的查找方法6.5.1基本概念6.5.2查找方法6.6序列挖掘6.6.1基本概念6.6.2数据源的形式6.6.3序列模式挖掘的一般步骤6.7AprioriAll算法6.8AprioriSome算法6.9GSP算法6.10本章小结和文献注释习题6第7章Web挖掘技术7.1Web挖掘的意义7.2Web挖掘的分类7.3Web挖掘的含义7.3.1Web挖掘与信息检索7.3.2Web挖掘与信息抽取7.4Web挖掘的数据来源7.4.1服务器日志数据7.4.2在线市场数据7.4.3Web页面7.4.4Web页面超链接关系7.4.5其他信息7.5Web内容挖掘方法7.5.1爬虫与Web内容挖掘7.5.2虚拟的Web视图7.5.3个性化与Web内容挖掘7.5.4对Web页面内文本信息的挖掘7.5.5对Web页面内多媒体信息挖掘7.5.6Web页面内容的预处理7.6Web访问信息挖掘方法7.6.1Web访问信息挖掘的特点7.6.2Web访问信息挖掘的意义7.6.3Web访问信息挖掘的数据源7.6.4Web访问信息挖掘的一般过程7.6.5Web访问信息挖掘的数据清理7.6.6用户识别方法7.6.7会话识别方法7.6.8其他预处理技术7.6.9Web访问挖掘的应用方法7.6.10Web访问信息挖掘的要素构成7.6.11Web访问信息挖掘应用7.7Web结构挖掘方法7.7.1页面等级（分级）的评价方法7.7.2PageRank算法7.7.3权威页面和中心页面7.7.4Web站点结构的预处理7.8本章小结和文献注释习题7第8章空间挖掘8.1引言8.2空间数据概要8.2.1空间数据的复杂性特征8.2.2空间查询问题8.2.3空间数据结构8.2.4专题地图8.3空间数据挖掘基础8.4空间统计学8.5泛化与特化8.5.1逐步求精8.5.2泛化8.5.3最临近方法8.5.4统计信息网格方法8.6空间规则8.7空间分类算法8.7.1ID3扩展8.7.2空间决策树8.8空间聚类算法8.8.1基于随机搜索的聚类方法CLARANS扩展8.8.2大型空间数据库基于距离分布的聚类算法DBCLASD8.8.3BANG8.8.4小波聚类8.8.5近似值8.9空间挖掘的其他问题8.10空间数据挖掘原型系统介绍8.11空间数据挖掘的研究现状8.12空间数据挖掘的研究与发展方向8.13空间数据挖掘与相关学科的关系8.13.1空间数据挖掘与空间数据库8.13.2空间数据挖掘与空间数据仓库8.13.3空间数据挖掘与空间联机分析处理8.13.4空间数据挖掘与地理信息系统8.14数字地球8.15本章小结和文献注释习题8参考文献
作者介绍
序言
-
【封面】
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价