图书介绍
数据挖掘技术与应用PDF|Epub|txt|kindle电子书版本网盘下载
- 夏春艳著 著
- 出版社： 北京：冶金工业出版社
- ISBN：9787502467869
- 出版时间：2014
- 标注页数：137页
- 文件大小：24MB
- 文件页数：148页
- 主题词：数据采集
PDF下载
下载说明
数据挖掘技术与应用PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
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
图书目录
1 绪论1
1.1 数据挖掘的起源1
1.2 数据挖掘的现状2
1.3 数据挖掘的概念3
1.3.1 数据挖掘的技术含义4
1.3.2 数据挖掘的理论基础4
1.3.3 数据的分类6
1.3.4 训练集和测试集6
1.3.5 学习6
1.4 数据挖掘的功能7
1.5 数据挖掘的过程8
1.6 数据挖掘的分类9
1.6.1 根据数据库类型分类9
1.6.2 根据知识类型分类9
1.6.3 根据技术分类9
1.6.4 根据应用分类9
1.7 数据挖掘的方法10
1.7.1 决策树方法10
1.7.2 神经网络方法10
1.7.3 模糊集方法10
1.7.4 遗传算法10
1.7.5 统计分析方法10
1.7.6 粗糙集方法11
1.8 数据挖掘的应用分析11
1.8.1 数据挖掘在体育竞技中的应用11
1.8.2 数据挖掘在商业银行中的应用11
1.8.3 数据挖掘在电信中的应用12
1.8.4 数据挖掘在科学探索中的应用12
1.8.5 数据挖掘在信息安全中的应用12
1.9 数据挖掘的发展趋势与面对的问题13
参考文献15
2 数据16
2.1 数据类型16
2.1.1 属性与度量16
2.1.2 数据集的类型20
2.2 数据预处理24
2.2.1 数据清理24
2.2.2 数据集成26
2.2.3 数据变换26
2.2.4 数据归约27
2.3 邻近性度量27
2.3.1 一些概念27
2.3.2 简单属性之间的邻近度28
2.3.3 数据对象之间的相异度28
2.3.4 数据对象之间的相似度29
2.3.5 邻近性度量举例29
参考文献31
3 关联规则32
3.1 关联规则概念32
3.2 Apriori关联规则算法34
3.2.1 发现频繁项目集34
3.2.2 生成关联规则36
3.3 提高Apriori算法的效率38
3.3.1 基于划分的方法38
3.3.2 基于散列的方法39
3.3.3 基于采样的方法39
3.3.4 基于事务压缩的方法40
3.3.5 基于动态项目集计数的方法40
3.4 关联规则挖掘的深入问题40
3.4.1 多层次关联规则挖掘40
3.4.2 多维关联规则挖掘42
3.4.3 数量关联规则挖掘42
参考文献46
4 分类和预测47
4.1 分类概念47
4.2 分类规则48
4.2.1 分类规则原理48
4.2.2 分类规则算法步骤49
4.2.3 分类规则模式49
4.3 基于距离的分类器50
4.4 决策树分类器52
4.4.1 决策树基本算法53
4.4.2 决策树分类举例56
4.4.3 ID3算法58
4.5 贝叶斯分类器63
4.5.1 贝叶斯定理64
4.5.2 贝叶斯定理在分类中的应用65
4.5.3 朴素贝叶斯分类器66
4.6 基于规则的分类器68
4.6.1 规则的描述68
4.6.2 规则的有效性69
4.6.3 规则产生算法70
4.6.4 分类决策70
4.6.5 分类方法71
参考文献72
5 聚类分析73
5.1 聚类分析概述73
5.1.1 聚类分析在数据挖掘中的应用74
5.1.2 聚类分析方法的概念75
5.1.3 聚类分析方法的分类75
5.1.4 距离与相似性度量76
5.2 聚类方法78
5.2.1 划分聚类方法79
5.2.2 层次聚类方法81
5.2.3 密度聚类方法83
参考文献86
6 粗糙集理论87
6.1 国内外研究现状87
6.2 粗糙集思想88
6.3 信息系统89
6.4 知识与不可分辨关系90
6.5 不精确范畴、近似和粗糙度91
6.6 区分矩阵93
6.7 知识的约简和核93
6.7.1 约简和核93
6.7.2 相对约简和相对核94
6.8 属性的重要性95
6.8.1 基于知识依赖性的属性重要度95
6.8.2 基于信息熵的属性重要度96
6.9 决策规则的产生97
6.10 粗糙集方法在数据挖掘中的应用范围97
参考文献98
7 属性约简算法99
7.1 属性约简的典型算法99
7.1.1 基本算法99
7.1.2 启发式算法99
7.1.3 遗传算法100
7.1.4 复合系统的约简100
7.1.5 扩展法则100
7.1.6 动态约简101
7.2 启发式属性约简算法分析101
7.2.1 基于属性依赖度的约简算法101
7.2.2 基于信息熵的约简算法101
7.2.3 基于属性重要性和频度的约简算法102
7.2.4 属性重要度的完备性分析103
7.2.5 属性约简算法的综合分析105
7.3 启发式属性约简算法研究106
7.3.1 启发式属性约简算法（一）106
7.3.2 启发式属性约简算法（二）109
7.3.3 启发式属性约简算法（三）110
7.3.4 启发式属性约简算法（四）112
7.3.5 启发式属性约简算法（五）112
参考文献114
8 数据挖掘的应用116
8.1 数据挖掘的应用举例116
8.1.1 属性约简116
8.1.2 分类规则123
8.2 数据挖掘在农业中的应用124
8.2.1 农作物灾害预测实例125
8.2.2 农作物病害预测实例（一）127
8.2.3 农作物病害预测实例（二）128
8.2.4 农作物种植实例129
8.2.5 水稻产量预测实例130
8.3 数据挖掘在教学评价与教学中的应用131
8.3.1 数据挖掘在教学评价中的应用132
8.3.2 数据挖掘在教学中的应用134
参考文献136