【子分类】：
 | 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 [Bin] TLF-SOFT-SPSS_Clementine_v11 1_MULTiLANGUAGE-CYGiSO bin |
英文名: SPSS Clementine v11.1 MULTiLANGUAGE
资源格式: 光盘镜像
简介:
类别：数据挖掘
Clementine是ISL(Integral Solutions Limited)公司开发的数据挖掘工具平台。1999年SPSS公司收购了ISL公司，对Clementine产品进行重新整合和开发，现在Clementine已经成为SPSS公司的又一亮点。
 | 浙大-数据挖掘1-10 |
资料关联类别：
工程科技资料
资料录入:yezhi1974
更新时间:2006-01-16 03:09:00
文件大小:985 MB
语言要求:中文
资料类型:视频资料
下载方式:电驴(eMule)下载
Picture URL:http://img.xidong.net/xdpic_n/6012404/1135628.jpg | 801×642
概述：
一、数据挖掘的概念
二、数据挖掘的主要步骤
1、数据收集
2、数据整理
3、数据挖掘
4、数据挖掘结果的评估
5、分析决策
三、数据挖掘的主要任务
1、数据总结
2、分类
3、关联分析
4、聚类
四、数据挖掘的主要方法
1、决策树(Decision Tree)
2、神经网络(Neural
 | 网站规划与实施网络构建、网页设计和数据挖掘 |
 | 生物数据挖掘 (Biological Data Mining)(Jake Y. Chen & Stefano Lonardi)文字版 Jake Y· ChenStefano Lonardi |
原名: Biological Data Mining
作者: Stefano Lonardi
图书分类: 教育/科技
资源格式: PDF
版本: 文字版
出版社: CRC
书号: 1420086847
发行时间: 2009年
地区: 英文
简介:
| 数据挖掘与知识发现 文字版 李雄飞 |
作者: 李雄飞
图书分类: 科技
资源格式: PDF
版本: 文字版
出版社: 高等教育出版社
书号: 9787040133080
发行时间: 2003年01月
地区: 大陆
语言: 简体中文
简介:
内容简介：
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。介绍了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。书中较详细地介绍了粗糙级、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，最后还简要介绍了多媒体数据挖掘工作的有关进展。
| 生物数据挖掘 Biological Data Mining |
:
生物数据挖掘 内容概述:
《生物数据挖掘》本书的第一部分讨论了在分析和挖掘生物序列和结构以获得对分子功能的了解过程中的挑战和机会。《生物数据挖掘》第二部分解决了在解释高通量组学数据新出现的计算挑战。
《生物数据挖掘》接着描述了数据挖掘与相关计算领域的关系，包括知识表达，信息检索，与结构化和未结构化的生物数据的数据集成。最后一部分探索了新出现的生物医学应用的数据挖掘契机。
生物数据挖掘
内容截图:
生物数据挖掘 目录:
Part I: 序列，结构和功能
Part II: 基因组学，转录组学和蛋白质组学
Part III:功能与分子相互作用网络
Part IV: 文学，本体论和知识集成
最新评论