数据挖掘与知识发现

数据挖掘与知识发现：

概述
 《数据挖掘与知识发现》本书详尽地阐述了数据挖掘与知识发现领域中的一些基本理论和研究方法。概述了KDD与数据挖掘的概念、数据挖掘对象、知识发现过程、研究方法以及相关研究领域和应用范围。作为知识发现的数据预处理工作，简要叙述了数据清理、数据约简、数据概念等级分层、多维数据模型等内容。
 《数据挖掘与知识发现》书中较详细地概述了粗糙级、模糊集、聚类分析、关联规则、人工神经网络、分类与预测等数据挖掘方法，最后还简要概述了多媒体数据挖掘工作的有关进展。
 《数据挖掘与知识发现》本书可以作为计算机科学与技术专业和信息科学方向高年级本科生和研究生的教材或参考书，也可供有关科技人员学习参考。
数据挖掘与知识发现：

内容截图
 
数据挖掘与知识发现：目录
第一章 绪论
1.1 引言
1.2 KDD与数据挖掘
1.2.1 KDD定义
1.2.2 KDD过程
1.2.3 数据库技术发展与数据挖掘
1.3 数据挖掘的对象与环境
1.3.1 数据与系统特征
1.3.2 数据结构
1.3.3 数据库系统
1.4 数据挖掘方法与相关领域
1.4.1 数据挖掘相关领域
1.4.2 粗糙集
1.4.3 聚类
1.4.4 关联规则
1.4.5 决策树
1.4.6 模糊集
1.4.7 规则归纳
1.4.8 进化计算
1.5 KDD系统与应用
本章小结
习题一
第二章 数据预处理与数据仓库
2.1 数据清理
2.1.1 填补空缺值
2.1.2 消除噪声数据
2.1.3 实现数据一致性
2.2 数据集成与转换
2.2.1 数据集成
2.2.2 数据转换
2.3 数据归约与浓缩
2.3.1 数据立方体聚集
2.3.2 维归约
2.3.3 数据压缩
2.3.4 数值归约
2.4 概念分层
2.4.1 概念分层的概念
2.4.2 概念分层的类型
2.4.3 数值数据的概念分层与离散化
2.4.4 分类数据的概念分层
2.5 数据仓库与多维数据模型
2.5.1 数据仓库的概念
2.5.2 数据仓库中的数据组织
2.5.3 数据立方体
2.5.4 多维数据库模式
2.6 数据仓库与数据挖掘
2.6.1 数据仓库应用
2.6.2 数据挖掘和数据仓库的关系
本章小结
习题二
第三章 粗糙集
3.1 近似空间
3.1.1 近似空间与不可分辨关系
3.1.2 知识与知识库
3.2 近似与粗糙集
3.2.1 近似与粗糙集的基本概念
3.2.2 粗糙集的基本性质
3.3 粗糙集的特征描述
3.3.1 近似精度
……
第四章 模糊集
第五章 聚类分析
第六章 关联规则
第七章 人工神经网络
第八章 分类与预测
第九章 多媒体数据挖掘
参考文献
名词索引
【注】
《数据挖掘与知识发现》从网络收集，免费分享！对您有助，是本站最大的荣幸。
《数据挖掘与知识发现》禁用于商业用途！如果您喜欢《数据挖掘与知识发现》，请耐心下载，ED2K资源需要有人做种，有时冷门资源需挂机等待。有特别需要的请去论坛求助资源，推荐大家用百度云盘共享。
书我要，下载先！ http://www.books51.com/ 祝您开卷有益！

本文链接: https://www.books51.com/326906.html

上一篇: 化学问题设计与问题解决

下一篇: 模糊数学在土木与水利工程中的应用

(0 次顶, 0 人已投票)
你必须注册后才能投票！

Loading...