中圖網(wǎng)小程序
一鍵登錄
更方便
>
>>
數(shù)據(jù)挖掘 概念與技術(shù)(原書第2版)
本類五星書更多>
-
>
全國計(jì)算機(jī)等級(jí)考試最新真考題庫模擬考場及詳解·二級(jí)MSOffice高級(jí)應(yīng)用
-
>
決戰(zhàn)行測5000題(言語理解與表達(dá))
-
>
軟件性能測試.分析與調(diào)優(yōu)實(shí)踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強(qiáng)教科書(完全版)(全彩印刷)
-
>
深度學(xué)習(xí)
中圖價(jià):¥43.5
暫時(shí)缺貨
數(shù)據(jù)挖掘 概念與技術(shù)(原書第2版) 版權(quán)信息
- ISBN：7111205383
- 條形碼：9787111205388 ; 978-7-111-20538-8
- 裝幀：暫無
- 冊(cè)數(shù)：暫無
- 重量：暫無
- 所屬分類：>>
數(shù)據(jù)挖掘 概念與技術(shù)(原書第2版) 本書特色
本書第2版在十分豐富和全面的第1版基礎(chǔ)上進(jìn)行了更新和改進(jìn)，并增添了新的重要課題，例如挖掘流數(shù)據(jù)、挖掘社會(huì)網(wǎng)絡(luò)和挖掘空間、多媒體和其他復(fù)雜數(shù)據(jù)。本書將是一本適用于數(shù)據(jù)挖掘和知識(shí)發(fā)現(xiàn)課程的優(yōu)秀教材。. ——Gregory Piatetsky-Shapiro, KDnuggets的總裁 科學(xué)的飛速發(fā)展使產(chǎn)生和收集數(shù)據(jù)的能力快速增長。大多數(shù)商業(yè)、科學(xué)和政府事務(wù)的日益計(jì)算機(jī)化，數(shù)碼相機(jī)、發(fā)布工具和條碼的廣泛應(yīng)用都產(chǎn)生著大量的數(shù)據(jù)。在數(shù)據(jù)收集方面，掃描的文本和圖像平臺(tái)、衛(wèi)星遙感系統(tǒng)和互聯(lián)網(wǎng)已經(jīng)使我們生活在海量的數(shù)據(jù)之中。這種爆炸性的數(shù)據(jù)增長促使我們比以往更迫切地需要新技術(shù)和自動(dòng)化工具，以幫助我們將這些數(shù)據(jù)轉(zhuǎn)換為有用的信息和知識(shí)。.. 本書第1版曾被KDnuggets的讀者評(píng)選為*受歡迎的數(shù)據(jù)挖掘?qū)Ｖ且槐究勺x性極佳的教材。它從數(shù)據(jù)庫角度全面系統(tǒng)地介紹了數(shù)據(jù)挖掘的基本概念、基本方法和基本技術(shù)以及數(shù)據(jù)挖掘的技術(shù)研究進(jìn)展，重點(diǎn)關(guān)注其可行性、有用性、有效性和可伸縮性問題。第1版出版之后，數(shù)據(jù)挖掘領(lǐng)域的研究又取得了很大的進(jìn)展，開發(fā)出了新的數(shù)據(jù)挖掘方法、系統(tǒng)和應(yīng)用。第2版在這方面進(jìn)行了充實(shí)，增加了多個(gè)章節(jié)講述*新的數(shù)據(jù)挖掘方法，以便能夠挖掘出復(fù)雜類型的數(shù)據(jù)，包括流數(shù)據(jù)、序列數(shù)據(jù)、圖結(jié)構(gòu)數(shù)據(jù)、社會(huì)網(wǎng)絡(luò)數(shù)據(jù)和多重關(guān)系數(shù)據(jù)。 本書適合作為高等院校計(jì)算機(jī)及相關(guān)專業(yè)高年級(jí)本科生的選修課教材，特別適合作為研究生的專業(yè)課教材，同時(shí)也適宜作為數(shù)據(jù)挖掘研究人員和相關(guān)專業(yè)人士的參考書。 本書特點(diǎn)： ● 全面實(shí)用地論述了從實(shí)際業(yè)務(wù)數(shù)據(jù)中抽取出讀者需要的概念和技術(shù)。 ● 結(jié)合讀者的反饋，反映數(shù)據(jù)挖掘領(lǐng)域的技術(shù)變化以及統(tǒng)計(jì)和機(jī)器學(xué)習(xí)方面的進(jìn)展。 ● 引入了許多算法和實(shí)現(xiàn)示例，全部以易于理解的偽代碼編寫，適用于實(shí)際的大規(guī)模數(shù)據(jù)挖掘項(xiàng)目。...
數(shù)據(jù)挖掘 概念與技術(shù)(原書第2版) 內(nèi)容簡介
本書全面地講述數(shù)據(jù)挖掘領(lǐng)域的重要知識(shí)和技術(shù)創(chuàng)新。在第1版內(nèi)容相當(dāng)全面的基礎(chǔ)上，第2版展示了該領(lǐng)域的*新研究成果，例如挖掘流、時(shí)序和序列數(shù)據(jù)以及挖掘時(shí)間空間、多媒體、文本和Web數(shù)據(jù)。本書可作為數(shù)據(jù)挖掘和知識(shí)發(fā)現(xiàn)領(lǐng)域的教師、研究人員和開發(fā)人員的一本必讀書。
本書第1版曾是受讀者歡迎的數(shù)據(jù)挖掘?qū)Ｖ且槐究勺x性極佳的教材。第2版充實(shí)了數(shù)據(jù)挖掘領(lǐng)域研究新進(jìn)展的題材，增加了講述*新的數(shù)據(jù)挖掘方法的若干章節(jié)。本書適合作為高等院校計(jì)算機(jī)及相關(guān)專業(yè)高年級(jí)本科生的選修課教材，特別適合作為研究生的專業(yè)課教材。
數(shù)據(jù)挖掘 概念與技術(shù)(原書第2版) 目錄
| 出版者的話. |
| 專家指導(dǎo)委員會(huì) |
| 中文版序 |
| 譯者序 |
| 序 |
| 前言 |
| 第1章引言1 |
| 1.1什么激發(fā)了數(shù)據(jù)挖掘,為什么它是重要的1 |
| 1.2什么是數(shù)據(jù)挖掘3 |
| 1.3對(duì)何種數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘6 |
| 1.3.1關(guān)系數(shù)據(jù)庫6 |
| 1.3.2數(shù)據(jù)倉庫8 |
| 1.3.3事務(wù)數(shù)據(jù)庫10 |
| 1.3.4高級(jí)數(shù)據(jù)和信息系統(tǒng)與高級(jí)應(yīng)用10 |
| 1.4數(shù)據(jù)挖掘功能—可以挖掘什么類型的模式14 |
| 1.4.1概念/類描述：特征化和區(qū)分14 |
| 1.4.2挖掘頻繁模式.關(guān)聯(lián)和相關(guān)15 |
| 1.4.3分類和預(yù)測15 |
| 1.4.4聚類分析17 |
| 1.4.5離群點(diǎn)分析17 |
| 1.4.6演變分析18 |
| 1.5所有模式都是有趣的嗎18 |
| 1.6數(shù)據(jù)挖掘系統(tǒng)的分類19 |
| 1.7數(shù)據(jù)挖掘任務(wù)原語20 |
| 1.8數(shù)據(jù)挖掘系統(tǒng)與數(shù)據(jù)庫系統(tǒng)或數(shù)據(jù)倉庫系統(tǒng)的集成22 |
| 1.9數(shù)據(jù)挖掘的主要問題23 |
| 1.10小結(jié)25 |
| 習(xí)題26 |
| 文獻(xiàn)注釋27 |
| 第2章數(shù)據(jù)預(yù)處理30 |
| 2.1為什么要預(yù)處理數(shù)據(jù)30 |
| 2.2描述性數(shù)據(jù)匯總32 |
| 2.2.1度量數(shù)據(jù)的中心趨勢(shì)32 |
| 2.2.2度量數(shù)據(jù)的離散程度34 |
| 2.2.3基本描述數(shù)據(jù)匯總的圖形顯示36 |
| 2.3數(shù)據(jù)清理39 |
| 2.3.1缺失值39 |
| 2.3.2噪聲數(shù)據(jù)40 |
| 2.3.3數(shù)據(jù)清理作為一個(gè)過程41 |
| 2.4數(shù)據(jù)集成和變換43 |
| 2.4.1數(shù)據(jù)集成43 |
| 2.4.2數(shù)據(jù)變換45 |
| 2.5數(shù)據(jù)歸約47 |
| 2.5.1數(shù)據(jù)立方體聚集47 |
| 2.5.2屬性子集選擇48 |
| 2.5.3維度歸約49 |
| 2.5.4數(shù)值歸約51 |
| 2.6數(shù)據(jù)離散化和概念分層產(chǎn)生55 |
| 2.6.1數(shù)值數(shù)據(jù)的離散化和概念分層產(chǎn)生56 |
| 2.6.2分類數(shù)據(jù)的概念分層產(chǎn)生60 |
| 2.7小結(jié)62 |
| 習(xí)題62 |
| 文獻(xiàn)注釋65 |
| 第3章數(shù)據(jù)倉庫與OLAP技術(shù)概述67 |
| 3.1什么是數(shù)據(jù)倉庫67 |
| 3.1.1操作數(shù)據(jù)庫系統(tǒng)與數(shù)據(jù)倉庫的區(qū)別68 |
| 3.1.2為什么需要分離的數(shù)據(jù)倉庫69 |
| 3.2多維數(shù)據(jù)模型70 |
| 3.2.1由表和電子數(shù)據(jù)表到數(shù)據(jù)立方體70 |
| 3.2.2星形.雪花形和事實(shí)星座形模式：多維數(shù)據(jù)庫模式72 |
| 3.2.3定義星形.雪花形和事實(shí)星座形模式的例子75 |
| 3.2.4度量的分類和計(jì)算76 |
| 3.2.5概念分層77 |
| 3.2.6多維數(shù)據(jù)模型中的OLAP操作79 |
| 3.2.7查詢多維數(shù)據(jù)庫的星形網(wǎng)查詢模型81 |
| 3.3數(shù)據(jù)倉庫的系統(tǒng)結(jié)構(gòu)82 |
| 3.3.1數(shù)據(jù)倉庫的設(shè)計(jì)和構(gòu)造步驟82 |
| 3.3.2三層數(shù)據(jù)倉庫的系統(tǒng)結(jié)構(gòu)83 |
| 3.3.3數(shù)據(jù)倉庫后端工具和實(shí)用程序85 |
| 3.3.4元數(shù)據(jù)儲(chǔ)存庫86 |
| 3.3.5OLAP服務(wù)器類型：ROLAP. |
| MOLAP與HOLAP86 |
| 3.4數(shù)據(jù)倉庫實(shí)現(xiàn)88 |
| 3.4.1數(shù)據(jù)立方體的有效計(jì)算88 |
| 3.4.2索引OLAP數(shù)據(jù)90 |
| 3.4.3OLAP查詢的有效處理92 |
| 3.5從數(shù)據(jù)倉庫到數(shù)據(jù)挖掘93 |
| 3.5.1數(shù)據(jù)倉庫的使用93 |
| 3.5.2由聯(lián)機(jī)分析處理到聯(lián)機(jī)分析挖掘95 |
| 3.6小結(jié)96 |
| 習(xí)題97 |
| 文獻(xiàn)注釋99 |
| 第4章數(shù)據(jù)立方體計(jì)算與數(shù)據(jù)泛化101 |
| 4.1數(shù)據(jù)立方體計(jì)算的有效方法101 |
| 4.1.1不同類型立方體物化的路線圖101 |
| 4.1.2完全立方體計(jì)算的多路數(shù)組聚集105 |
| 4.1.3BUC：從頂點(diǎn)方體向下計(jì)算冰山立方體108 |
| 4.1.4Star-Cubing：使用動(dòng)態(tài)星形樹結(jié)構(gòu)計(jì)算冰山立方體111 |
| 4.1.5為快速高維OLAP預(yù)計(jì)算殼片段116 |
| 4.1.6計(jì)算具有復(fù)雜冰山條件的立方體121 |
| 4.2數(shù)據(jù)立方體和OLAP技術(shù)的進(jìn)一步發(fā)展122 |
| 4.2.1數(shù)據(jù)立方體的發(fā)現(xiàn)驅(qū)動(dòng)的探查122 |
| 4.2.2在多粒度的復(fù)雜聚集：多特征立方體124 |
| 4.2.3數(shù)據(jù)立方體中被約束的梯度分析126 |
| 4.3面向?qū)傩缘臍w納—另一種數(shù)據(jù)泛化和概念描述方法128 |
| 4.3.1數(shù)據(jù)特征化的面向?qū)傩缘臍w納129 |
| 4.3.2面向?qū)傩詺w納的有效實(shí)現(xiàn)132 |
| 4.3.3導(dǎo)出泛化的表示133 |
| 4.3.4挖掘類比較：區(qū)分不同的類136 |
| 4.3.5類描述：特征化和比較的表示139 |
| 4.4小結(jié)140 |
| 習(xí)題141 |
| 文獻(xiàn)注釋144 |
| 第5章挖掘頻繁模式.關(guān)聯(lián)和相關(guān)146 |
| 5.1基本概念和路線圖146 |
| 5.1.1購物籃分析：引發(fā)性例子146 |
| 5.1.2頻繁項(xiàng)集.閉項(xiàng)集和關(guān)聯(lián)規(guī)則147 |
| 5.1.3頻繁模式挖掘：路線圖149 |
| 5.2有效的和可伸縮的頻繁項(xiàng)集挖掘方法150 |
| 5.2.1Apriori算法：使用候選產(chǎn)生發(fā)現(xiàn)頻繁項(xiàng)集151 |
| 5.2.2由頻繁項(xiàng)集產(chǎn)生關(guān)聯(lián)規(guī)則154 |
| 5.2.3提高Apriori算法的效率155 |
| 5.2.4不候選產(chǎn)生挖掘頻繁項(xiàng)集156 |
| 5.2.5使用垂直數(shù)據(jù)格式挖掘頻繁項(xiàng)集159 |
| 5.2.6挖掘閉頻繁項(xiàng)集160 |
| 5.3挖掘各種類型的關(guān)聯(lián)規(guī)則162 |
| 5.3.1挖掘多層關(guān)聯(lián)規(guī)則162 |
| 5.3.2從關(guān)系數(shù)據(jù)庫和數(shù)據(jù)倉庫挖掘多維關(guān)聯(lián)規(guī)則164 |
| 5.4由關(guān)聯(lián)挖掘到相關(guān)分析168 |
| 5.4.1強(qiáng)關(guān)聯(lián)規(guī)則不一定有趣：一個(gè)例子168 |
| 5.4.2從關(guān)聯(lián)分析到相關(guān)分析168 |
| 5.5基于約束的關(guān)聯(lián)挖掘172 |
| 5.5.1關(guān)聯(lián)規(guī)則的元規(guī)則制導(dǎo)挖掘172 |
| 5.5.2約束推進(jìn)：規(guī)則約束制導(dǎo)的挖掘173 |
| 5.6小結(jié)176 |
| 習(xí)題177 |
| 文獻(xiàn)注釋181 |
| 第6章分類和預(yù)測184 |
| 6.1什么是分類,什么是預(yù)測..184 |
| 6.2關(guān)于分類和預(yù)測的問題186 |
| 6.2.1為分類和預(yù)測準(zhǔn)備數(shù)據(jù)186 |
| 6.2.2比較分類和預(yù)測方法187 |
| 6.3用決策樹歸納分類188 |
| 6.3.1決策樹歸納189 |
| 6.3.2屬性選擇度量191 |
| 6.3.3樹剪枝196 |
| 6.3.4可伸縮性與決策樹歸納198 |
| 6.4貝葉斯分類200 |
| 6.4.1貝葉斯定理201 |
| 6.4.2樸素貝葉斯分類201 |
| 6.4.3貝葉斯信念網(wǎng)絡(luò)204 |
| 6.4.4訓(xùn)練貝葉斯信念網(wǎng)絡(luò)205 |
| 6.5基于規(guī)則的分類206 |
| 6.5.1使用IF-THEN規(guī)則分類206 |
| 6.5.2從決策樹提取規(guī)則208 |
| 6.5.3使用順序覆蓋算法的規(guī)則歸納209 |
| 6.6用后向傳播分類212 |
| 6.6.1多層前饋神經(jīng)網(wǎng)絡(luò)213 |
| 6.6.2定義網(wǎng)絡(luò)拓?fù)?13 |
| 6.6.3后向傳播214 |
| 6.6.4黑盒內(nèi)部：后向傳播和可解釋性218 |
| 6.7支持向量機(jī)219 |
| 6.7.1數(shù)據(jù)線性可分的情況219 |
| 6.7.2數(shù)據(jù)非線性可分的情況222 |
| 6.8關(guān)聯(lián)分類：基于關(guān)聯(lián)規(guī)則分析的分類224 |
| 6.9惰性學(xué)習(xí)法（或從近鄰學(xué)習(xí)）226 |
| 6.9.1k*近鄰分類法226 |
| 6.9.2基于案例的推理228 |
| 6.10其他分類方法228 |
| 6.10.1遺傳算法228 |
| 6.10.2粗糙集方法229 |
| 6.10.3模糊集方法229 |
| 6.11預(yù)測231 |
| 6.11.1線性回歸231 |
| 6.11.2非線性回歸233 |
| 6.11.3其他基于回歸的方法234 |
| 6.12準(zhǔn)確率和誤差的度量234 |
| 6.12.1分類器準(zhǔn)確率度量234 |
| 6.12.2預(yù)測器誤差度量236 |
| 6.13評(píng)估分類器或預(yù)測器的準(zhǔn)確率237 |
| 6.13.1保持方法和隨機(jī)子抽樣237 |
| 6.13.2交叉確認(rèn)238 |
| 6.13.3自助法238 |
| 6.14系綜方法—提高準(zhǔn)確率238 |
| 6.14.1裝袋239 |
| 6.14.2提升240 |
| 6.15模型選擇241 |
| 6.15.1估計(jì)置信區(qū)間242 |
| 6.15.2ROC曲線243 |
| 6.16小結(jié)244 |
| 習(xí)題245 |
| 文獻(xiàn)注釋247 |
| 第7章聚類分析251 |
| 7.1什么是聚類分析251 |
| 7.2聚類分析中的數(shù)據(jù)類型253 |
| 7.2.1區(qū)間標(biāo)度變量253 |
| 7.2.2二元變量255 |
| 7.2.3分類.序數(shù)和比例標(biāo)度變量256 |
| 7.2.4混合類型的變量259 |
| 7.2.5向量對(duì)象260 |
| 7.3主要聚類方法的分類261 |
| 7.4劃分方法263 |
| 7.4.1典型的劃分方法：k均值和k中心點(diǎn)263 |
| 7.4.2大型數(shù)據(jù)庫的劃分方法：從k中心點(diǎn)到CLARANS266 |
| 7.5層次方法267 |
| 7.5.1凝聚和分裂層次聚類267 |
| 7.5.2BIRCH：利用層次方法的平衡迭代歸約和聚類269 |
| 7.5.3ROCK：分類屬性的層次聚類算法271 |
| 7.5.4Chameleon：利用動(dòng)態(tài)建模的層次聚類算法272 |
| 7.6基于密度的方法273 |
| 7.6.1DBSCAN：一種基于高密度連通區(qū)域的基于密度的聚類方法273 |
| 7.6.2OPTICS：通過點(diǎn)排序識(shí)別聚類結(jié)構(gòu)275 |
| 7.6.3DENCLUE：基于密度分布函數(shù)的聚類276 |
| 7.7基于網(wǎng)格的方法278 |
| 7.7.1STING：統(tǒng)計(jì)信息網(wǎng)格278 |
| 7.7.2WaveCluster：利用小波變換聚類279 |
| 7.8基于模型的聚類方法280 |
| 7.8.1期望*大化方法280 |
| 7.8.2概念聚類281 |
| 7.8.3神經(jīng)網(wǎng)絡(luò)方法283 |
| 7.9聚類高維數(shù)據(jù)284 |
| 7.9.1CLIQUE：維增長子空間聚類方法285 |
| 7.9.2PROCLUS：維歸約子空間聚類方法287 |
| 7.9.3基于頻繁模式的聚類方法287 |
| 7.10基于約束的聚類分析290 |
| 7.10.1含有障礙物的對(duì)象聚類291 |
| 7.10.2用戶約束的聚類分析293 |
| 7.10.3半監(jiān)督聚類分析293 |
| 7.11離群點(diǎn)分析295 |
| 7.11.1基于統(tǒng)計(jì)分布的離群點(diǎn)檢測295 |
| 7.11.2基于距離的離群點(diǎn)檢測296 |
| 7.11.3基于密度的局部離群點(diǎn)檢測298 |
| 7.11.4基于偏差的離群點(diǎn)檢測299 |
| 7.12小結(jié)300 |
| 習(xí)題301 |
| 文獻(xiàn)注釋303 |
| 第8章挖掘流.時(shí)間序列和序列數(shù)據(jù)306 |
| 8.1挖掘數(shù)據(jù)流306 |
| 8.1.1流數(shù)據(jù)處理方法和流數(shù)據(jù)系統(tǒng)307 |
| 8.1.2流OLAP和流數(shù)據(jù)立方體310 |
| 8.1.3數(shù)據(jù)流中的頻繁模式挖掘314 |
| 8.1.4動(dòng)態(tài)數(shù)據(jù)流的分類315 |
| 8.1.5聚類演變數(shù)據(jù)流318 |
| 8.2時(shí)間序列數(shù)據(jù)挖掘320 |
| 8.2.1趨勢(shì)分析320 |
| 8.2.2時(shí)間序列分析中的相似性搜索323 |
| 8.3挖掘事務(wù)數(shù)據(jù)庫中的序列模式325 |
| 8.3.1序列模式挖掘：概念和原語326 |
| 8.3.2挖掘序列模式的可伸縮方法327 |
| 8.3.3基于約束的序列模式挖掘333 |
| 8.3.4時(shí)間相關(guān)序列數(shù)據(jù)的周期性分析335 |
| 8.4挖掘生物學(xué)數(shù)據(jù)中的序列模式336 |
| 8.4.1生物學(xué)序列比對(duì)336 |
| 8.4.2生物學(xué)序列分析的隱馬爾可夫模型339 |
| 8.5小結(jié)345 |
| 習(xí)題346 |
| 文獻(xiàn)注釋348 |
| 第9章圖挖掘.社會(huì)網(wǎng)絡(luò)分析和多關(guān)系數(shù)據(jù)挖掘351 |
| 9.1圖挖掘351 |
| 9.1.1挖掘頻繁子圖的方法351 |
| 9.1.2挖掘變體和約束子結(jié)構(gòu)的模式357 |
| 9.1.3應(yīng)用：圖索引.相似性搜索.分類和聚類361 |
| 9.2社會(huì)網(wǎng)絡(luò)分析363 |
| 9.2.1什么是社會(huì)網(wǎng)絡(luò)363 |
| 9.2.2社會(huì)網(wǎng)絡(luò)的特征365 |
| 9.2.3鏈接挖掘：任務(wù)和挑戰(zhàn)367 |
| 9.2.4挖掘社會(huì)網(wǎng)絡(luò)369 |
| 9.3多關(guān)系數(shù)據(jù)挖掘373 |
| 9.3.1什么是多關(guān)系數(shù)據(jù)挖掘373 |
| 9.3.2多關(guān)系分類的ILP方法375 |
| 9.3.3元組ID傳播376 |
| 9.3.4利用元組ID傳播進(jìn)行多關(guān)系分類377 |
| 9.3.5用戶指導(dǎo)的多關(guān)系聚類379 |
| 9.4小結(jié)382 |
| 習(xí)題383 |
| 文獻(xiàn)注釋384 |
| 第10章挖掘?qū)ο?空間.多媒體.文本和Web數(shù)據(jù)386 |
| 10.1復(fù)雜數(shù)據(jù)對(duì)象的多維分析和描述性挖掘386 |
| 10.1.1結(jié)構(gòu)化數(shù)據(jù)的泛化386 |
| 10.1.2空間和多媒體數(shù)據(jù)泛化中的聚集和近似387 |
| 10.1.3對(duì)象標(biāo)識(shí)和類/子類層次的泛化388 |
| 10.1.4類復(fù)合層次泛化388 |
| 10.1.5對(duì)象立方體的構(gòu)造與挖掘389 |
| 10.1.6用分治法對(duì)規(guī)劃數(shù)據(jù)庫進(jìn)行基于泛化的挖掘389 |
| 10.2空間數(shù)據(jù)挖掘391 |
| 10.2.1空間數(shù)據(jù)立方體構(gòu)造和空間OLAP392 |
| 10.2.2挖掘空間關(guān)聯(lián)和并置模式395 |
| 10.2.3空間聚類方法396 |
| 10.2.4空間分類和空間趨勢(shì)分析396 |
| 10.2.5挖掘光柵數(shù)據(jù)庫396 |
| 10.3多媒體數(shù)據(jù)挖掘396 |
| 10.3.1多媒體數(shù)據(jù)的相似性搜索396 |
| 10.3.2多媒體數(shù)據(jù)的多維分析397 |
| 10.3.3多媒體數(shù)據(jù)的分類和預(yù)測分析399 |
| 10.3.4挖掘多媒體數(shù)據(jù)中的關(guān)聯(lián)399 |
| 10.3.5音頻和視頻數(shù)據(jù)挖掘400 |
| 10.4文本挖掘401 |
| 10.4.1文本數(shù)據(jù)分析和信息檢索401 |
| 10.4.2文本的維度歸約405 |
| 10.4.3文本挖掘方法407 |
| 10.5挖掘萬維網(wǎng)410 |
| 10.5.1挖掘Web頁面布局結(jié)構(gòu)411 |
| 10.5.2挖掘Web鏈接結(jié)構(gòu)識(shí)別權(quán)威Web頁面413 |
| 10.5.3挖掘Web上的多媒體數(shù)據(jù)416 |
| 10.5.4Web文檔的自動(dòng)分類418 |
| 10.5.5Web使用挖掘418 |
| 10.6小結(jié)419 |
| 習(xí)題420 |
| 文獻(xiàn)注釋421 |
| 第11章數(shù)據(jù)挖掘的應(yīng)用和發(fā)展趨勢(shì)424 |
| 11.1數(shù)據(jù)挖掘的應(yīng)用424 |
| 11.1.1金融數(shù)據(jù)分析的數(shù)據(jù)挖掘424 |
| 11.1.2零售業(yè)的數(shù)據(jù)挖掘425 |
| 11.1.3電信業(yè)的數(shù)據(jù)挖掘426 |
| 11.1.4生物學(xué)數(shù)據(jù)分析的數(shù)據(jù)挖掘427 |
| 11.1.5其他科技應(yīng)用的數(shù)據(jù)挖掘428 |
| 11.1.6入侵檢測的數(shù)據(jù)挖掘429 |
| 11.2數(shù)據(jù)挖掘系統(tǒng)產(chǎn)品和研究原型430 |
| 11.2.1如何選擇數(shù)據(jù)挖掘系統(tǒng)431 |
| 11.2.2商用數(shù)據(jù)挖掘系統(tǒng)的實(shí)例432 |
| 11.3數(shù)據(jù)挖掘的其他主題433 |
| 11.3.1數(shù)據(jù)挖掘的理論基礎(chǔ)434 |
| 11.3.2統(tǒng)計(jì)學(xué)數(shù)據(jù)挖掘434 |
| 11.3.3可視數(shù)據(jù)和音頻數(shù)據(jù)挖掘435 |
| 11.3.4數(shù)據(jù)挖掘和協(xié)同過濾440 |
| 11.4數(shù)據(jù)挖掘的社會(huì)影響440 |
| 11.4.1無處不在和無形的數(shù)據(jù)挖掘441 |
| 11.4.2數(shù)據(jù)挖掘.隱私和數(shù)據(jù)安全443 |
| 11.5數(shù)據(jù)挖掘的發(fā)展趨勢(shì)445 |
| 11.6小結(jié)446 |
| 習(xí)題447 |
| 文獻(xiàn)注釋449 |
| 附錄微軟用于數(shù)據(jù)挖掘的OLEDB簡介452 |
| A.1模型創(chuàng)建453 |
| A.2模型訓(xùn)練454 |
| A.3模型預(yù)測和瀏覽456 |
| 索引...460 |
展開全部
書友推薦
- >
羅庸西南聯(lián)大授課錄
- >
隨園食單
- >
我從未如此眷戀人間
- >
史學(xué)評(píng)論
- >
莉莉和章魚
- >
名家?guī)阕x魯迅:故事新編
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
唐代進(jìn)士錄
本類暢銷
