数据挖掘技术与应用-(第2版)

第1章数据挖掘概述11.1数据仓库和数据挖掘定义与解释11.1.1数据仓库的定义与解释11.1.2数据挖掘的定义与解释11.2数据仓库系统的相关技术31.2.1数据仓库系统相关技术之间的关系31.2.2数据仓库系统模式71.3数据仓库系统中多维数据组织的形式化定义与描述91.4数据挖掘方法与研究体系161.4.1数据挖掘系统的发展与结构161.4.2数据挖掘的相关技术与工具171.4.3数据挖掘应用及发展241.5商务智能系统定义与构成261.6小结28思考题28第2章数据采集、集成与预处理技术292.1数据采集的对象292.2数据集成技术与方法322.2.13g与mis的集成模式332.2.2异构数据集成的设计与实现352.3数据预处理技术与方法362.3.1数据清理的方法362.3.2数据融合的方法372.3.3数据变换的方法382.3.4数据归约的方法392.4基于样本数据划分的通用数据挖掘模型系统402.5中间件技术412.5.1中间件技术的定义与作用412.5.2中间件技术在数据仓库系统中数据采集的应用452.6小结57思考题57第3章多维数据分析与组织583.1多维数据分析概述583.1.1联机分析处理的定义和特点583.1.2联机分析处理的评价准则593.1.3多维数据分析的主要概念603.2多维数据模型与结构613.2.1多维数据的概念模型613.2.2多维数据的逻辑模型633.2.3多维数据的物理模型653.3多维数据分析应用与工具683.3.1多维数据分析的基本操作683.3.2多维数据分析的工具及特点693.4从联机分析处理到联机分析挖掘713.4.1联机分析挖掘形成原因713.4.2联机分析挖掘概念及特征713.5小结73思考题73第4章预测模型研究与应用744.1预测模型的基础理论744.1.1预测方法的分类744.1.2预测方法的一般步骤744.2回归分析预测模型754.2.1一元线性回归预测模型754.2.2多元线性回归预测模型794.2.3非线性回归预测模型854.3趋势外推预测模型884.3.1佩尔预测模型884.3.2龚珀兹预测模型914.3.3林德诺预测模型944.4时间序列预测模型974.4.1移动平均预测模型974.4.2指数平滑预测模型984.4.3季节指数预测模型1044.5基于神经网络的预测模型1074.6马尔可夫预测模型1184.7小结121思考题121第5章关联规则模型及应用1235.1关联规则的基础理论1235.1.1关联规则的定义与解释1235.1.2关联规则在知识管理过程中的作用1235.2apriori关联规则算法1255.2.1关联规则算法的相关概念1255.2.2关联规则算法的流程1265.2.3基于apriori算法的关联规则算例1275.3改进的apriori关联规则方法1285.3.1动态存储空间的构建1285.3.2快速产生强项集的算法流程1295.3.3改进算法的时间复杂性分析1305.4apriori关联规则方法的实例1315.5小结138思考题138第6章聚类分析方法与应用1396.1聚类分析的基础理论1396.1.1聚类分析的定义1396.1.2对聚类算法性能的要求1396.2聚类分析的方法1406.2.1基于划分的聚类方法1406.2.2基于层次的聚类方法1416.2.3基于密度的聚类方法1426.2.4基于网格的聚类方法1436.2.5基于模型的聚类方法1436.3应用聚类分析方法1456.3.1k瞞eans聚类方法1456.3.2k瞞edoids聚类方法1466.3.3agnes聚类方法1496.3.4diana聚类方法1506.3.5dbscan聚类方法1526.4小结154思考题154第7章粗糙集方法与应用1557.1粗糙集理论背景介绍1557.1.1粗糙集的含义1557.1.2粗糙集的应用及与其他领域的结合1557.2粗糙集基本理论1587.2.1知识与不可分辨关系1587.2.2不精确范畴、近似与粗糙集1597.2.3粗糙集的精度和粗糙度1607.2.4粗糙集的粗等价和粗包含1617.3基于粗糙集的属性约简1617.3.1知识的约简和核1627.3.2知识的依赖性度量和属性的重要度1647.4基于粗糙集的决策知识表示1657.4.1基于粗糙集的决策知识表示方法1657.4.2粗糙集在规则提取中的应用算例1677.5小结168思考题168第8章遗传算法与应用1698.1遗传算法基础理论1698.1.1遗传算法概述1698.1.2遗传算法特点1708.2遗传算法的应用领域和研究方向1708.2.1遗传算法的应用领域1708.2.2遗传算法的研究方向1738.3遗传算法的基础知识1748.3.1遗传算法的相关概念1748.3.2遗传算法的编码规则1748.3.3遗传算法的主要算子1768.3.4遗传算法的适应度函数1808.4遗传算法计算过程和应用1818.4.1遗传算法计算过程1818.4.2遗传算法参数选择1818.4.3遗传算法实例应用1828.5小结186思考题186第9章基于模糊理论的模型与应用1879.1层次分析法1879.1.1层次分析法的计算步骤1879.1.2层次分析法应用实例1909.2模糊层次分析法1929.2.1模糊层次分析法的步骤1939.2.2模糊层次分析法应用实例1939.3模糊综合评判法1969.3.1模糊综合评判法的原理与步骤1969.3.2模糊综合评判法应用实例1999.4模糊聚类分析方法2019.4.1模糊聚类方法介绍2019.4.2模糊聚类算法应用2029.5小结203思考题203第10章灰色系统理论与方法20410.1灰色系统的基础理论20410.1.1灰色系统理论介绍20410.1.2灰色系统的特点20510.1.3灰色系统建模与适用范围20510.2灰色预测模型20710.2.1建立灰色预测模型20810.2.2灰色预测模型实例20910.3灰色聚类分析21110.3.1基于灰色关联度的聚类分析21210.3.2基于灰色白化权函数的聚类方法21610.4灰色综合评价法22010.4.1多层次灰色综合评价方法计算步骤22010.4.2多层次灰色综合评价方法应用案例22210.5小结226思考题226第11章基于数据挖掘的知识推理22711.1知识推理的分类22711.1.1非单调推理22711.1.2非确定性推理22711.1.3基于规则的推理23211.1.4基于案例的推理23311.2基于数据挖掘方法的知识推理23411.2.1基于决策树的知识推理23411.2.2基于关联规则的知识推理23911.2.3基于粗糙集的知识推理23911.3小结240思考题240参考文献241