數(shù)據(jù)挖掘原理、算法與應(yīng)用

出版說明
前言
第1章  概述
  1.1 從數(shù)據(jù)中獲取知識
  1.2 數(shù)據(jù)挖掘的基本概念
  1.3 數(shù)據(jù)挖掘的發(fā)展歷程
  1.4 數(shù)據(jù)挖掘的功能和數(shù)據(jù)挖掘系統(tǒng)的分類
    1.4.1 分類與回歸
    1.4.2 聚類分析
    1.4.3 關(guān)聯(lián)規(guī)則
    1.4.4 時序模式
    1.4.5 異常檢測
    1.4.6 數(shù)據(jù)挖掘系統(tǒng)的分類
  1.5 數(shù)據(jù)挖掘的過程
    1.5.1 數(shù)據(jù)挖掘的一般流程
    1.5.2 跨行業(yè)數(shù)據(jù)挖掘標準過程
  1.6 數(shù)據(jù)挖掘與其他學(xué)科的關(guān)系
    1.6.1 數(shù)據(jù)挖掘與數(shù)據(jù)庫知識發(fā)現(xiàn)
    1.6.2 數(shù)據(jù)挖掘與數(shù)據(jù)庫查詢
    1.6.3 數(shù)據(jù)挖掘與統(tǒng)計分析
    1.6.4 數(shù)據(jù)挖掘與數(shù)據(jù)倉庫
    1.6.5 數(shù)據(jù)挖掘與聯(lián)機分析處理
    1.6.6 數(shù)據(jù)挖掘與人工智能、專家系統(tǒng)、機器學(xué)習(xí)
  1.7 數(shù)據(jù)挖掘的應(yīng)用和發(fā)展趨勢
    1.7.1 商業(yè)的數(shù)據(jù)挖掘
    1.7.2 金融業(yè)的數(shù)據(jù)挖掘
    1.7.3 欺詐偵測中的數(shù)據(jù)挖掘
    1.7.4 DNA數(shù)據(jù)分析中的數(shù)據(jù)挖掘
    1.7.5 電信業(yè)中的數(shù)據(jù)挖掘
    1.7.6 科學(xué)和統(tǒng)計數(shù)據(jù)挖掘
    1.7.7 數(shù)據(jù)挖掘系統(tǒng)和軟件
    1.7.8 數(shù)據(jù)挖掘的發(fā)展趨勢
  1.8 小結(jié)
  1.9 習(xí)題
第2章  數(shù)據(jù)存儲
  2.1 關(guān)系數(shù)據(jù)集
  2.2 數(shù)據(jù)倉庫
    2.2.1 數(shù)據(jù)倉庫的概念和特點
    2.2.2 數(shù)據(jù)倉庫的數(shù)據(jù)組織
    2.2.3 數(shù)據(jù)倉庫的關(guān)鍵技術(shù)
    2.2.4 數(shù)據(jù)倉庫與數(shù)據(jù)挖掘的關(guān)系
  2.3 NoSQL數(shù)據(jù)庫
    2.3.1 NoSQL概念與理論
    2.3.2 NoSQL數(shù)據(jù)模型
    2.3.3 NoSQL與關(guān)系數(shù)據(jù)庫
  2.4 分布式文件系統(tǒng)
    2.4.1 分布式文件系統(tǒng)的歷史
    2.4.2 分布式文件系統(tǒng)的體系結(jié)構(gòu)
    2.4.3 谷歌文件系統(tǒng)（GoogleFS）
    2.4.4 Hadoop分布式文件系統(tǒng)(HDFS)
  2.5 小結(jié)
  2.6 習(xí)題
第3章  數(shù)據(jù)預(yù)處理
  3.1 數(shù)據(jù)預(yù)處理的必要性
  3.2 數(shù)據(jù)清理
    3.2.1 缺失數(shù)據(jù)處理方法
    3.2.2 噪聲數(shù)據(jù)平滑技術(shù)
    3.2.3 時間相關(guān)數(shù)據(jù)的處理
  3.3 數(shù)據(jù)集成
    3.3.1 實體識別與匹配
    3.3.2 冗余和相關(guān)分析
    3.3.3 元組重復(fù)數(shù)據(jù)的檢測
    3.3.4 沖突數(shù)據(jù)的檢測與處理
  3.4 數(shù)據(jù)轉(zhuǎn)換
    3.4.1 數(shù)據(jù)標準化
    ……
第4章  數(shù)據(jù)相似度與異常檢測
第5章  數(shù)據(jù)分類和預(yù)測
第6章  數(shù)據(jù)聚類分析
第7章  數(shù)據(jù)關(guān)聯(lián)分析
第8章  性能評估和提升
第9章  復(fù)雜數(shù)據(jù)挖掘
參考文獻