• 数据挖掘原理与算法(第二版第2版) 毛国君 清华大学出版社 9787302158769 正版旧书
21年品牌 40万+商家 超1.5亿件商品

数据挖掘原理与算法(第二版第2版) 毛国君 清华大学出版社 9787302158769 正版旧书

正版旧书 里面部分笔记 内容完好 可正常使用 旧书不附带光盘

0.1 九五品

库存3件

江西南昌
认证卖家担保交易快速发货售后保障

作者毛国君

出版社清华大学出版社

ISBN9787302158769

出版时间2007-12

装帧线装

页数329页

货号364816

上书时间2024-04-18

辉煌二手教材专营店

七年老店
已实名 已认证 进店 收藏店铺

   商品详情   

品相描述:九五品
商品描述
温馨提示:亲!旧书库存变动比较快,有时难免会有断货的情况,为保证您的利益,拍前请务必联系卖家咨询库存情况!谢谢!
书名:数据挖掘原理与算法(第二版)(内容一致,印次、封面或*不同,统一售价,随机发货)
编号:364816
ISBN:9787302158769[十位:]
作者:毛国君
出版社:清华大学出版社
出版日期:2007年12月
页数:329
定价:29.00 元
参考重量:0.534Kg
-------------------------
新旧程度:6-9成新左右,不影响阅读,详细情况请咨询店主
如图书附带、磁带、学习卡等请咨询店主是否齐全* 图书目录 *
第1章 绪论
 1.1 数据挖掘技术的产生与发展
 1.2 数据挖掘研究的发展趋势
 1.3 数据控制的概念
 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
 1.6 不同数据存储形式下的数据挖掘问题
 1.7 粗糙集方法及其在数据挖掘中的应用
 1.8 数据挖掘的应用分析
 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
 2.2 数据库中的知识发现处理过程模型
 2.3 知识发现软件或工具的发展
 2.4 知识发现项目的过程化管理
 2.5 数据挖掘语言介绍
 2.6 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
 3.3 Apriori算法的性能瓶颈问题
 3.4 Apriori的改进算法
 3.5 对项目集空间理论的发展
 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
 3.8 改善关联规则挖掘质量问题
 3.9 约束数据挖掘问题
 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
 3.12 数量关联规则挖掘方法
 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
 4.4 贝叶斯分类
 4.5 规则归纳
 4.6 与分类有关的其他问题
 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
 5.2 划分聚类方法
 5.3 层次聚类方法
 5.4 密度聚类方法
 5.5 其他聚类方法
 5.6 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
 6.3 基于ARMA模型的序列匹配方法
 6.4 基于离散傅里叶变换的时间序列相似性查找
 6.5 基于规范变换的查找方法
 6.6 序列挖掘
 6.7 AprioriAll算法
 6.8 AprioriSome算法
 6.9 GSP算法
 9.10 本章小结和文献注释
 习题6
第7章 Web挖掘技术
 7.1 Web挖掘的分类
 7.2 Web挖掘的含义
 7.3 Web挖掘的数据来源
 7.4 Web内容挖掘方法
 7.5 Web内容挖掘方法
 7.6 Web访问信息挖掘方法
 7.7 Web结构挖掘方法
 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
 8.3 空间数据挖掘基础
 8.4 空间统计学
 8.5 泛化与特化
 8.6 空间规则
 8.7 空间分类算法
 8.8 空间聚类算法
 8.9 空间挖掘的其他问题
 8.10 空间数据挖掘原型系列介绍
 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
 8.14 数字地球
 8.15 本章小结和文献注释
 习题8
参考文献
  • 数据挖掘原理与算法(第二版第2版) 毛国君 清华大学出版社 9787302158769 正版旧书

   相关推荐   

—  没有更多了  —

以下为对购买帮助不大的评价

此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP