数据挖掘：方法与应用-应用案例/清华大学计算机系列教材

图书标准信息

• 作者 徐华 著
• 出版社 清华大学出版社
• 出版时间 2017-08
• 版次 1
• ISBN 9787302472117
• 定价 19.00元
• 装帧 平装
• 开本 32开
• 纸张 胶版纸
• 页数 178页
• 字数 154千字
• 正文语种 简体中文
• 丛书 清华大学计算机系列教材

【内容简介】

　　《数据挖掘：方法与应用-应用案例/清华大学计算机系列教材》主要以作者近五年在清华大学开展数据挖掘应用研究和教学工作为基础，从所指导的多个数据挖掘与分析的应用案例中精选出包括交通、体育、金融、生物信息、社交网络、电力等领域代表性的数据挖掘与分析案例，结合基本的数据挖掘应用实施思路，展示了在不同行业领域开展数据挖掘与分析工作的实际过程。
　　《数据挖掘：方法与应用-应用案例/清华大学计算机系列教材》可作为高等院校学生学习数据挖掘的参考读物，同时可供工程技术人员开展数据挖掘与分析工作时参考。

【作者简介】

　　徐华，博士，1998年获得西安交通大学计算机专业学士学位；2003年获得清华大学计算机应用技术专业博士学位；现为清华大学计算机系副教授，博士生导师。主要研究兴趣领域包括：网络文本数据挖掘、智能信息处理和机器人智能控制等。作为项目负责人、首席技术专家或研发骨干，负责完成国家科技重大专项课题3项，国家自然科学基金项目4项，国家973项目二级课题2项，国家863项目（课题）5项，国际500强企业（宝洁、西门子、安捷伦等）合作项目13项。目前已在本专业领域期刊和会议上发表学术论文97篇；编写教材2本，参与编写学术专著2部。作为第1完成人获得国家发明专利16项，国际PCT发明专利4项，软件著作权15项。作为清华方面的第1完成人，获得国家科技进步二等奖1项，北京市科学技术一等奖、二等奖和三等奖各1项，重庆市科学技术三等奖1项，行业协会科学技术一等奖2项等。

【目录】

第1章 绪论

1．1 本书背景

1．2 数据挖掘应用概述

1．3 本书的主要内容安排

1．4 小结

第2章 基于GPS信息的出租车行车轨迹数据挖掘

2．1 概述

2．2 出租车GPS数据挖掘问题描述

2．3 基于GPS数据的出租车轨迹挖掘与分析

2．4 挖掘任务点评

2．5 小结

第3章 NBA比赛结果预测

3．1 问题背景

3．2 数据采集

3．2．1 数据来源

3．2．2 数据采集方法

3．2．3 原始数据

3．3 挖掘方法

3．3．1 挖掘的目标与实现思路

3．3．2 预测特征选取

3．4 分类和预测方法

3．5 预测结果的分析和对比

3．5．1 使用球队平均数据预测比赛结果

3．5．2 使用球队近期数据预测比赛结果

3．6 挖掘任务点评

3．7 小结

参考文献

第4章 大型商业银行后台运维数据故障分析

4．1 概述

4．1．1 应用背景

4．1．2 主要研发内容

4．2 相关方法回顾

4．2．1 主成分分析法

4．2．2 前向特征选择法

4．2．3 随机森林方法

4．3 交易超时故障预测方法设计与实现

4．3．1 问题定义

4．3．2 工作流程

4．3．3 数据预处理

4．3．4 降维处理

4．3．5 预测模型

4．3．6 防范模型

4．3．7 评价方法

4．4 综合系统的设计与实现

4．4．1 系统框架

4．4．2 数据预处理模块

4．4．3 随机森林模块

4．4．4 展示模块

4．4．5 最终效果模块

4．5 结果分析与评价

4．5．1 实验数据

4．5．2 交易故障预测相关实验

4．6 挖掘任务点评

4．7 小结

4．7．1 总结

4．7．2 展望

参考文献

第5章 RNA排序预测

5．1 概述

5．2 研发现状

5．2．1 内部核糖体进入位点的数据挖掘研发现状

5．2．2 冷冻电镜图像蛋白质颗粒挑选研究现状

5．3 工作设计与实现

5．3．1 基本的设计框架与实现思路

5．3．2 核心挖掘模型设计与实现

5．4 应用实现

5．4．1 实现程序与功能

5．4．2 数据挖掘分析结果展示

5．5 操作说明

5．6 挖掘任务点评

5．7 小结

参考文献

第6章 “乐学”微信公众号关注趋势分析

6．1 前言

6．1．1 研究背景

6．1．2 数据来源

6．1．3 数据预处理

6．1．4 研究思路

6．2 平台发展现状

6．2．1 平台用户特性

6．2．2 平台传播状态

6．2．3 便捷操作发展状况

6．3 推送发展模式探究

6．3．1 成功推送案例分析

6．3．2 理想发展模式探究

6．3．3 不同模式下的平台关注量预测

6．3．4 推送发展的改进思路

6．4 便捷操作功能探究

6．4．1 用户使用习惯分析

6．4．2 便捷操作功能的改进思路

6．5 挖掘任务点评

6．6 小结

参考文献

第7章 保险行业客户特征识别

7．1 概述

7．2 数据挖掘问题描述

7．2．1 问题背景

7．2．2 关于数据集

7．3 保险客户特征识别与分析

7．3．1 数据预处理

7．3．2 挖掘与分析结果

7．4 挖掘任务点评

7．5 小结

参考文献

第8章 电力系统不良数据辨识案例分析

8．1 概述

8．1．1 电力系统不良数据辨识

8．1．2 数据介绍

8．2 研究内容

8．2．1 基于GSA的k-means聚类

8．2．2 基于有效指数的k-means聚类

8．2．3 模糊C-means聚类

8．3 总结分析

8．3．1 不良数据辨识结果对比

8．3．2 不良数据分析

8．4 挖掘任务点评

8．5 小结

第9章 总结