《数据挖掘技术》是依据数据挖掘经典优化计算方法及数据挖掘制造行业*科研专业性进行数据分析的教学内容。这书内容包括数据挖掘概述、分类算法、聚类算法、关联规则优化计算方法及相对性广泛性优化计算方法的优化计算方法描述及分析等。对现如今数据挖掘的新技术——流数据挖掘算法、高维聚类算法、分布式系统数据挖掘、物联网数据挖掘进行了详细的详解。该部分在描述基本前提及广泛性优化计算方法的大部分配有新科研的优化计算方法实体模型及分析,并有实验数据分析及资料显示。后对其他数据挖掘新技术,包括工作流程活动主题监控挖掘专业性、云操作系统架构和数据挖掘方法 及思维逻辑流程数据挖掘算法进行了描述。
这书可以作为高等院校数字化管理、数理统计等专业有关数据挖掘教学课堂的大学毕业或者研究生的专业课教学内容,可以作为各种各样相关培训学校的教学内容,能够作为从事数据分析、智能家居系统手机软件开发者的教材内容及数据挖掘爱好者的根据通过自学用书。
目录
- 第1章 数据挖掘概述
- 1.1数据挖掘的概念
- 1.1.1KDD与数据挖掘
- 1.1.2数据挖掘过程
- 1.1.3数据挖掘任务
- 1.2数据挖掘的发展历程
- 1.3数据挖掘的分类
- 1.4数据挖掘的研究方法
- 1.4.1统计分析方法
- 1.4.2决策树方法
- 1.4.3模糊集方法
- 1.4.4粗糙集方法
- 1.4.5人工神经网络方法
- 1.4.6遗传算法
- 1.5国内外数据挖掘研究现状
- 本章小结
- 参考文献
- 第2章 分类算法分析
- 2.1分类概念
- 2.2分类方法
- 2.3决策树算法
- 2.3.1ID3算法
- 2.3.2C4.5算法
- 2.4贝叶斯分类
- 2.5粗糙集方法
- 2.5.1粗糙集模型扩展
- 2.5.2粗糙集与其他不确定信息处理理论的关系
- 2.6遗传算法
- 2.7其他分类算法
- 本章小结
- 参考文献
- 第3章 聚类算法分析
- 3.1聚类分析概述
- 3.1.1聚类分析概念
- 3.1.2聚类分析中的数据类型
- 3.2聚类分类
- 3.3划分方法
- 3.3.1K—means算法
- 3.3.2Kmedoid算法
- 3.4层次方法
- 3.4.1BIRCH算法
- 3.4.2CURE算法
- 3.5密度方法
- 3.5.1DBSCAN算法
- 3.5.2OPTICS算法
- 3.6网格方法
- 3.6.1STING算法
- 3.6.2Wavecluster算法
- 3.7基于标量化III的聚类统计算法
- 3.7.1数学描述
- 3.7.2计算方法
- 3.7.3文本数据
- 3.7.4应用实例
- 3.8其他聚类算法
- 本章小结
- 参考文献
- 第4章 关联规则算法分析
- 4.1关联规则概念
- 4.2频繁模式挖掘
- ……
- 第5章 流数据挖掘技术
- 第6章 高维聚类算法
- 第7章 分布式数据挖掘
- 第8章 物联网数据挖掘