数据挖掘技术与应用PDF|Epub|txt|kindle电子书版本网盘下载

数据挖掘技术与应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 数据挖掘概述1

1.1数据仓库和数据挖掘定义与解释1

1.1.1数据仓库的定义与解释1

1.1.2数据挖掘的定义与解释1

1.2数据仓库系统的相关技术3

1.2.1数据仓库系统相关技术之间的关系3

1.2.2数据仓库系统模式7

1.3数据仓库系统中多维数据组织的形式化定义与描述9

1.4数据挖掘方法与研究体系16

1.4.1数据挖掘系统的发展与结构16

1.4.2数据挖掘的相关技术与工具17

1.4.3数据挖掘应用及发展24

1.5小结26

思考题26

第2章 数据采集、集成与预处理技术27

2.1数据采集的对象27

2.2数据集成技术与方法30

2.2.1 3G与MIS的集成模式31

2.2.2异构数据集成的设计与实现33

2.3数据预处理技术与方法34

2.3.1数据清理的方法34

2.3.2数据融合的方法35

2.3.3数据变换的方法35

2.3.4数据归约的方法36

2.4基于样本数据划分的通用数据挖掘模型系统37

2.5中间件技术38

2.5.1中间件技术的定义与作用38

2.5.2中间件技术在数据仓库系统中数据采集的应用42

2.6小结54

思考题54

第3章 多维数据分析与组织55

3.1多维数据分析概述55

3.1.1联机分析处理的定义和特点55

3.1.2联机分析处理的评价准则56

3.1.3多维数据分析的主要概念57

3.2多维数据模型与结构58

3.2.1多维数据的概念模型58

3.2.2多维数据的逻辑模型60

3.2.3多维数据的物理模型62

3.3多维数据分析应用与工具65

3.3.1多维数据分析的基本操作65

3.3.2多维数据分析的工具及特点66

3.4从联机分析处理到联机分析挖掘68

3.4.1联机分析挖掘形成原因68

3.4.2联机分析挖掘概念及特征68

3.5小结70

思考题70

第4章 预测模型研究与应用71

4.1预测模型的基础理论71

4.1.1预测方法的分类71

4.1.2预测方法的一般步骤71

4.2回归分析预测模型72

4.2.1一元线性回归预测模型72

4.2.2多元线性回归预测模型76

4.2.3非线性回归预测模型81

4.3趋势外推预测模型85

4.3.1皮尔预测模型85

4.3.2龚拍兹预测模型88

4.3.3林德诺预测模型91

4.4时间序列预测模型94

4.4.1移动平均预测模型94

4.4.2指数平滑预测模型95

4.4.3季节指数预测模型101

4.5基于神经网络的预测模型104

4.6马尔可夫预测模型115

4.7小结118

思考题118

第5章 关联规则模型及应用119

5.1关联规则的基础理论119

5.1.1关联规则的定义与解释119

5.1.2关联规则在知识管理过程中的作用119

5.2 Apriori关联规则算法121

5.2.1关联规则算法的相关概念121

5.2.2关联规则算法的流程122

5.3改进的Apriori关联规则方法123

5.3.1动态存储空间的构建123

5.3.2快速产生强项集的算法流程123

5.3.3改进算法的时间复杂性分析124

5.4 Apriori关联规则方法的实例126

5.5小结133

思考题133

第6章 聚类分析方法与应用134

6.1聚类分析的基础理论134

6.1.1聚类分析的定义134

6.1.2对聚类算法性能的要求134

6.2聚类分析的方法135

6.2.1基于划分的聚类方法135

6.2.2基于层次的聚类方法136

6.2.3基于密度的聚类方法137

6.2.4基于网格的聚类方法138

6.2.5基于模型的聚类方法138

6.3应用聚类分析方法140

6.3.1 k-means聚类方法140

6.3.2 k-medoids聚类方法141

6.3.3 AGNES聚类方法144

6.3.4 DIANA聚类方法145

6.3.5 DBSCAN聚类方法147

6.4小结149

思考题149

第7章 粗糙集方法与应用150

7.1粗糙集理论背景介绍150

7.1.1粗糙集的含义150

7.1.2粗糙集的应用及与其他领域的结合150

7.2粗糙集基本理论153

7.2.1知识与不可分辨关系153

7.2.2不精确范畴、近似与粗糙集154

7.2.3粗糙集的精度和粗糙度155

7.2.4粗糙集的粗等价和粗包含156

7.3基于粗糙集的属性约简156

7.3.1知识的约简和核157

7.3.2知识的依赖性度量和属性的重要度159

7.4基于粗糙集的决策知识表示160

7.4.1基于粗糙集的决策知识表示方法160

7.4.2粗糙集在规则提取中的应用算例161

7.5小结162

思考题162

第8章 遗传算法与应用164

8.1遗传算法基础理论164

8.1.1遗传算法概述164

8.1.2遗传算法特点165

8.2遗传算法的应用领域和研究方向165

8.2.1遗传算法的应用领域165

8.2.2遗传算法的研究方向168

8.3遗传算法的基础知识169

8.3.1遗传算法的相关概念169

8.3.2遗传算法的编码规则169

8.3.3遗传算法的主要算子171

8.3.4遗传算法的适应度函数175

8.4遗传算法计算过程和应用176

8.4.1遗传算法计算过程176

8.4.2遗传算法参数选择176

8.4.3遗传算法实例应用177

8.5小结181

思考题181

第9章 基于模糊理论的模型与应用182

9.1层次分析方法182

9.1.1层次分析法的计算步骤182

9.1.2层次分析法应用实例185

9.2模糊层次分析法187

9.2.1模糊层次分析法的步骤188

9.2.2模糊层次分析法应用实例188

9.3模糊综合评判方法191

9.3.1模糊综合评判法的原理与步骤191

9.3.2模糊综合评判法应用实例194

9.4模糊聚类分析方法195

9.4.1模糊聚类方法介绍195

9.4.2模糊聚类算法应用196

9.5小结198

思考题198

第10章 灰色系统理论与方法199

10.1灰色系统的基础理论199

10.1.1灰色系统理论介绍199

10.1.2灰色系统的特点200

10.1.3灰色系统建模与适用范围200

10.2灰色预测模型202

10.2.1建立灰色预测模型203

10.2.2灰色预测模型实例204

10.3灰色聚类分析206

10.3.1基于灰色关联度的聚类分析206

10.3.2基于灰色白化权函数的聚类方法211

10.4灰色综合评价方法214

10.4.1多层次灰色综合评价方法计算步骤215

10.4.2多层次灰色综合评价方法应用案例217

10.5小结221

思考题221

第11章 基于数据挖掘的知识推理222

11.1知识推理的分类222

11.1.1非单调推理222

11.1.2非确定性推理222

11.1.3基于规则的推理227

11.1.4基于案例的推理227

11.2基于数据挖掘方法的知识推理229

11.2.1基于决策树的知识推理229

11.2.2基于关联规则的知识推理234

11.2.3基于粗糙集的知识推理234

11.3小结235

思考题235

参考文献236