图书介绍

数据挖掘技术2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

陈文伟，黄金才等著著
出版社：北京：北京工业大学出版社
ISBN：7563912053
出版时间：2002
标注页数：208页
文件大小：12MB
文件页数：217页
主题词：数据收集

PDF下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快]温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页直链下载[便捷但速度慢] [在线试读本书] [在线获取解压码]

点击复制MD5值：30976125a62e8032fe4d3e79f804ff8d

下载说明

数据挖掘技术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。

点击复制85GB完整离线版磁力链接到迅雷FDM等BT下载工具进行下载详情点击-查看共享计划

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

第1章知识发现与数据挖掘综述1

1.1 知识发现和数据挖掘的概念1

1.1.1 定义1

1.1.2 数据挖掘任务3

1.1.3 数据挖掘分类5

1.1.4 数据挖掘对象6

1.2 数据挖掘方法和技术8

1.2.1 归纳学习方法8

1.2.2 仿生物技术9

1.2.3 公式发现10

1.2.4 统计分析方法10

1.2.5 模糊数学方法11

1.2.6 可视化技术11

1.3 数据挖掘的知识表示11

1.3.3 知识基(浓缩数据)12

1.3.2 决策树12

1.3.1 规则12

1.3.4 网络权值13

1.3.5 公式13

习题114

第2章基于信息论的数据挖掘方法15

2.1 信息论原理15

2.1.1 互信息的计算15

2.1.2 信道模型18

2.1.3 信道容量18

2.1.4 类别译码准则18

2.2 基于互信息的ID3算法与C4.5算法19

2.2.1 ID3算法19

2.2.2 C4.5算法23

2.3 基于信道容量的IBLE算法28

2.3.1 IBLE算法28

2.3.2 IBLE-R算法32

2.3.3 简例和实例35

习题240

第3章基于集合论的数据挖掘方法42

3.1 粗糙集方法42

3.1.1 粗糙集概念42

3.1.2 最小属性集43

3.1.3 获取规则44

3.1.4 应用实例45

3.2 概念树方法48

3.2.1 综述48

3.2.2 概念树的获取和构造50

3.2.3 发现特征规则的策略和算法52

3.3 覆盖正例排斥反例的AQ方法55

3.3.1 AQ方法的基本概念55

3.3.2 AQ方法的核心算法56

3.3.3 AQ方法的应用60

习题362

第4章关联规则挖掘63

4.1 关联规则的基本概念63

4.1.1 基本概念和问题描述63

4.1.2 关联规则的种类65

4.1.3 关联规则价值衡量的方法66

4.2 关联规则挖掘算法67

4.2.1 频繁集方法67

4.2.2 基于FP-tree的关联规则挖掘算法71

4.2.3 多层和多维关联规则的挖掘72

4.3 基于聚类的周期关联规则发现算法(CCAR)74

4.3.1 基本概念74

4.3.2 CCAR算法流程75

4.3.3 时域数据聚类77

4.3.4 算法性能分析78

习题478

5.1.1 神经网络的概念80

第5章神经网络80

5.1 神经网络的概念及几何意义80

5.1.2 神经网络的几何意义82

5.1.3 线性样本与非线性样本83

5.2 典型神经网络85

5.2.1 反向传播模型(BP模型)85

5.2.2 反馈式Hopfield模型93

5.3 超曲面神经网络97

5.3.1 超曲面神经网络的概念97

5.3.2 径向基函数神经网络99

5.3.3 超圆神经元模型CC101

5.3.4 超曲面神经元模型——Cover109

5.4 模糊神经网络116

5.4.1 模糊神经网络概述116

5.4.2 TS模糊神经网络119

5.4.3 模糊规则获取120

5.4.4 模糊神经网络预测125

5.5 神经网络的规则抽取130

5.5.1 规则抽取的概念130

5.5.2 规则抽取方法的评价131

5.5.3 规则抽取示例133

习题5134

第6章遗传算法137

6.1 综述137

6.1.1 遗传算法的形成与发展137

6.1.2 遗传算法的研究现状与方向138

6.2 遗传算法原理139

6.2.1 遗传算法处理流程139

6.2.2 遗传算子141

6.2.3 遗传算法的理论基础145

6.2.4 遗传算法的特点148

6.3.1 适应值函数149

6.3 基于遗传的优化计算149

6.3.2 约束条件的处理151

6.3.3 实例：旅行商问题(TSP)154

6.4 基于遗传的分类学习系统155

6.4.1 概述155

6.4.2 遗传分类器学习系统GCLS的基本原理155

6.4.3 遗传分类器学习系统GCLS的应用159

6.5 遗传算法和神经网络的结合162

6.5.1 引言162

6.5.2 两种技术结合的可能性162

6.5.3 基于遗传算法的神经网络计算163

习题6166

第7章公式发现168

7.1 机器发现概述168

7.2 BACON系统169

7.2.1 BACON系统简介169

7.2.2 BACON系统的应用170

7.3 FDD公式发现系统171

7.3.1 FDD.1171

7.3.2 FDD.2178

7.3.3 FDD.3182

习题7187

第8章数据挖掘应用189

8.1 数据挖掘与决策支持189

8.1.1 数据挖掘辅助决策应用189

8.1.2 知识发现过程与数据挖掘方法评估191

8.1.3 数据仓库与数据库的数据挖掘193

8.2 数据挖掘服务器(DMServer)195

8.2.1 数据挖掘服务器的结构与功能195

8.2.2 数据挖掘服务器实现技术197

8.2.3 数据挖掘服务器的应用前景205

习题8205

参考文献206