數(shù)據(jù)挖掘算法與應(yīng)用

第1章 概論
1.1 數(shù)據(jù)挖掘的定義和范疇
1.2 數(shù)據(jù)及其度量
1.3 數(shù)據(jù)挖掘的過(guò)程
1.4 數(shù)據(jù)挖掘的任務(wù)和建模
1.5 數(shù)據(jù)挖掘的算法
1.6 聚類(lèi)分析
1.7 分類(lèi)
1.8 主模式提取和孤立點(diǎn)挖掘
1.9 數(shù)據(jù)挖掘的應(yīng)用
1.10 數(shù)據(jù)挖掘的軟件及開(kāi)發(fā)商
1.11 展望
第1篇 數(shù)據(jù)挖掘算法
第2章 決策樹(shù)算法
2.1 決策樹(shù)基本算法
2.2 ID3算法
2.3 C4.5算法
2.4 CART、算法
2.5 SLIQ算法
2.6 SPRINT算法
第3章 神經(jīng)網(wǎng)絡(luò)算法
3.1 概述
3.2 人工神經(jīng)元和單層神經(jīng)網(wǎng)絡(luò)
3.3 多層感知器和反向傳播算法
3.4 多層神經(jīng)網(wǎng)絡(luò)算法分析
3.5 改進(jìn)反向傳播的一些實(shí)用技術(shù)
3.6 徑向基函數(shù)網(wǎng)絡(luò)
3.7 競(jìng)爭(zhēng)學(xué)習(xí)和側(cè)抑制
3.8 自組織特征圖
3.9 反饋網(wǎng)絡(luò)
3.10 隨機(jī)算法和Boltzmann網(wǎng)絡(luò)
3.11 神經(jīng)網(wǎng)絡(luò)在金融市場(chǎng)中的應(yīng)用
第4章 基因算法
4.1 基因算法的基本原理
4.2 基因算法分析
4.3 基因算法應(yīng)用舉例
4.4 小結(jié)
第5章 基本統(tǒng)計(jì)分析方法
5.1 正態(tài)分布參數(shù)的假設(shè)檢驗(yàn)和區(qū)間估計(jì)
5.2 兩組數(shù)據(jù)的比較
5.3 二維數(shù)據(jù)檢驗(yàn)
5.4 回歸分析
5.5 方差分析
5.6 互聯(lián)網(wǎng)股市信息強(qiáng)度的統(tǒng)計(jì)分類(lèi)及其在股價(jià)波動(dòng)上的預(yù)測(cè)
第6章 貝葉斯網(wǎng)絡(luò)方法
6.1 主觀概率
6.2 貝葉斯定理、先驗(yàn)和后驗(yàn)
6.3 beta分布和Dirichlet分布
6.4 貝葉斯網(wǎng)絡(luò)
6.5 貝葉斯網(wǎng)絡(luò)學(xué)習(xí)
6.6 不完全數(shù)據(jù)情形下的學(xué)習(xí)
6.7 貝葉斯網(wǎng)絡(luò)有監(jiān)督學(xué)習(xí)
6.8 貝葉斯網(wǎng)絡(luò)無(wú)監(jiān)督學(xué)習(xí)
第7章 支持向量機(jī)
7.1 概述
7.2 線性可分問(wèn)題的SVM方法
7.3 線性不可分問(wèn)題的SVM方法
7.4 核函數(shù)
7.5 libSVM仿真平臺(tái)
7.6 支持向量機(jī)方法在識(shí)別偽造信用卡中的應(yīng)用
第8章 其他數(shù)據(jù)挖掘方法
8.1 主成分分析
8.2 近鄰法
8.3 期望值最大化方法
8.4 隱Markov模型
8.5 K-均值聚類(lèi)
8.6 K-中心點(diǎn)算法
8.7 關(guān)聯(lián)規(guī)則挖掘
第2篇 數(shù)據(jù)挖掘相關(guān)技術(shù)
第9章 數(shù)據(jù)倉(cāng)庫(kù)
9.1 概述
9.2 數(shù)據(jù)倉(cāng)庫(kù)設(shè)計(jì)
9.3 聯(lián)機(jī)分析處理
9.4 數(shù)據(jù)倉(cāng)庫(kù)應(yīng)用舉例
第10章 模糊處理技術(shù)
10.1 特征函數(shù)和隸屬度函數(shù)
10.2 λ截集
10.3 模型識(shí)別
10.4 模糊關(guān)系
10.5 模糊聚類(lèi)
第11章 粗糙集技術(shù)
11.1 概述
11.2 不可分辨關(guān)系
11.3 下近似和上近似
11.4 近似精度、粗糙集隸屬函數(shù)
11.5 模糊集與粗糙集
11.6 粗糙集技術(shù)在數(shù)據(jù)挖掘中的應(yīng)用
第12章 目標(biāo)優(yōu)化技術(shù)
12.1 概述
12.2 無(wú)約束非線性規(guī)劃
12.3 有約束非線性規(guī)劃
12.4 大規(guī)模優(yōu)化問(wèn)題的分解算法
第3篇 數(shù)據(jù)挖掘應(yīng)用
第13章 互聯(lián)網(wǎng)數(shù)據(jù)挖掘
13.1 互聯(lián)網(wǎng)數(shù)據(jù)挖掘的分類(lèi)和特點(diǎn)
13.2 互聯(lián)網(wǎng)金融數(shù)據(jù)挖掘
13.3 互聯(lián)網(wǎng)金融數(shù)據(jù)挖掘和金融市場(chǎng)的關(guān)系
第14章 互聯(lián)網(wǎng)金融信息搜索引擎
14.1 概述
14.2 金融定點(diǎn)收割引擎
14.3 金融爬蟲(chóng)搜索引擎
14.4 金融信息搜索引擎應(yīng)用實(shí)例
14.5 搜索引擎定價(jià)
第15章 互聯(lián)網(wǎng)信息流時(shí)間序列挖掘
15.1 金融信息流概述
15.2 時(shí)間序列的統(tǒng)計(jì)模型
15.3 時(shí)間序列模式的挖掘
15.4 互聯(lián)網(wǎng)金融信息流時(shí)間序列
15.5 互聯(lián)網(wǎng)金融信息流強(qiáng)度時(shí)間序列挖掘問(wèn)題
參考文獻(xiàn)