数据挖掘

前言

第一章 数据挖掘导论

1.1 数据挖掘发展简述

1.1.1 数据丰富与知识匮乏

1.1.2 从数据到知识

1.1.3 数据挖掘产生

1.2 数据挖掘基本知识

1.2.1 数据挖掘定义

1.2.2 数据挖掘深入

1.3 数据挖掘功能

1.3.1 概念描述：定性与对比

1.3.2 关联分析

1.3.3 分类与预测

1.3.4 聚类分析

1.3.5 异类分析

1.3.6 演化分析

1.4 数据挖掘结果的评估

1.5 数据挖掘系统

1.5.1 数据挖掘系统分类

1.5.2 数据挖掘系统应用

1.6 数据挖掘研究重点

1.7 本章小结

参考文献

第二章 数据预处理

2.1 数据预处理的重要性

2.2 数据清洗

2.2.1 遗漏数据处理

2.2.2 噪声数据处理

2.2.3 不一致数据处理

2.3 数据转换处理

2.3.1 数据集成处理

2.3.2 数据转换处理

2.4 数据消减

2.4.1 数据立方合计

2.4.2 维数消减

2.4.3 数据压缩

2.4.4 数据块消减

2.5 离散化和概念层次树生成

2.5.1 数值概念层次树生成

2.5.2 类别概念层次树生成

2.6 本章小结

参考文献

第三章 定性归纳

3.1 概念描述基本知识

3.2 数据泛化与概要描述

3.2.1 数据泛化中的数据立方方法

3.2.2 基于属性归纳方法

3.2.3 基于属性归纳算法

3.2.4 基于属性归纳结果的表示

3.3 属性相关分析

3.3.1 属性相关分析意义

3.3.2 属性相关分析方法

3.3.3 分析定性描述示例

3.4 挖掘概念对比描述

3.4.1 概念对比方法与实现

3.4.2 要领对比描述的表示

3.4.3 概念的定性与对比描述的表示

3.5 挖掘大数据库的描述型统计信息

3.5.1 计算中心趋势

3.5.2 计算数据分布

3.6 方法讨论

3.6.1 概念描述：经典机器学习比较

3.6.2 概念描述的递增和并行挖掘

3.7 本章小结

第四章 分类与预测

4.1 分类与预测基本知识

4.2 基于决策树的分类

4.3 基于决策

…………

第五章 关联挖掘

第六章 聚类分析

第七章 复杂数据的挖掘

第八章 互联网信息挖掘

第九章 互联网使用挖掘

第十章 网络安全数据挖掘

参考文献