数据挖掘原理与算法 第2版2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

数据挖掘原理与算法 第2版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 绪论1

1.1　数据挖掘技术的产生与发展2

1.1.1 数据挖掘技术的商业需求分析2

1.1.2　数据挖掘产生的技术背景分析3

1.2　数据挖掘研究的发展趋势5

1.3　数据挖掘概念7

1.3.1　从商业角度看数据挖掘技术7

1.3.2　数据挖掘的技术含义7

1.3.3　数据挖掘研究的理论基础9

1.4　数据挖掘技术的分类问题10

1.5　数据挖掘常用的知识表示模式与方法12

1.5.1　广义知识挖掘12

1.5.2　关联知识挖掘14

1.5.3　类知识挖掘14

1.5.4　预测型知识挖掘19

1.5.5　特异型知识挖掘20

1.6　不同数据存储形式下的数据挖掘问题21

1.6.1　事务数据库中的数据挖掘21

1.6.2　关系型数据库中的数据挖掘22

1.6.3　数据仓库中的数据挖掘23

1.6.4　在关系模型基础上发展的新型数据库中的数据挖掘24

1.6.5 面向应用的新型数据源中的数据挖掘24

1.6.6　Web数据源中的数据挖掘24

1.7　粗糙集方法及其在数据挖掘中的应用26

1.7.1　粗糙集的一些重要概念27

1.7.2　粗糙集应用举例28

1.7.3　粗糙集方法在KDD中的应用范围29

1.8　数据挖掘的应用分析30

1.8.1　数据挖掘与CRM30

1.8.2　数据挖掘应用的成功案例分析31

1.9　本章小结和文献注释33

习题137

第2章　知识发现过程与应用结构39

2.1　知识发现的基本过程39

2.1.1　数据抽取与集成技术要点41

2.1.2　数据清洗与预处理技术要点41

2.1.3　数据的选择与整理技术要点42

2.1.4　数据挖掘技术要点42

2.1.5　模式评估技术要点42

2.2　数据库中的知识发现处理过程模型43

2.2.1　阶梯处理过程模型43

2.2.2　螺旋处理过程模型44

2.2.3 以用户为中心的处理模型45

2.2.4　联机KDD模型47

2.2.5　支持多数据源多知识模式的KDD处理模型49

2.3　知识发现软件或工具的发展52

2.3.1　独立的知识发现软件52

2.3.2　横向的知识发现工具集52

2.3.3　纵向的知识发现解决方案53

2.3.4　KDD系统介绍53

2.4　知识发现项目的过程化管理55

2.5　数据挖掘语言介绍57

2.5.1　数据挖掘语言的分类57

2.5.2　数据挖掘查询语言58

2.5.3　数据挖掘建模语言59

2.5.4　通用数据挖掘语言60

2.5.5　DMQL挖掘查询语言介绍61

2.6　本章小结和文献注释64

习题266

第3章　关联规则挖掘理论和算法67

3.1　基本概念与解决方法67

3.2　经典的频繁项目集生成算法分析68

3.2.1　项目集空间理论68

3.2.2　经典的发现频繁项目集算法69

3.2.3　关联规则生成算法71

3.3　Apriori算法的性能瓶颈问题73

3.4　Apriori的改进算法74

3.4.1 基于数据分割（Partition）的方法74

3.4.2　基于散列（Hash）的方法75

3.4.3　基于采样（Sampling）的方法76

3.5　对项目集空间理论的发展77

3.5.1　Close算法78

3.5.2　FP-tree算法82

3.6　项目集格空间和它的操作85

3.7　基于项目集操作的关联规则挖掘算法87

3.7.1　关联规则挖掘空间87

3.7.2　三个实用算子87

3.7.3　最大频繁项目集格的生成算法89

3.7.4　ISS-DM算法执行示例89

3.8　改善关联规则挖掘质量问题90

3.8.1　用户主观层面90

3.8.2　系统客观层面91

3.9　约束数据挖掘问题91

3.9.1　约束在数据挖掘中的作用91

3.9.2　约束的类型92

3.10　时态约束关联规则挖掘95

3.11　关联规则挖掘中的一些更深入的问题98

3.11.1　多层次关联规则挖掘98

3.11.2　多维关联规则挖掘99

3.11.3　数量关联规则挖掘100

3.12　数量关联规则挖掘方法101

3.12.1　数量关联规则挖掘问题101

3.12.2　数量关联规则的分类102

3.12.3　数量关联规则挖掘的一般步骤103

3.12.4　数值属性离散化问题及算法106

3.13　本章小结和文献注释109

习题3111

第4章　分类方法114

4.1　分类的基本概念与步骤115

4.2　基于距离的分类算法117

4.3　决策树分类方法120

4.3.1　决策树基本算法概述120

4.3.2　ID3算法122

4.3.3　C4.5算法128

4.4　贝叶斯分类132

4.4.1　贝叶斯定理132

4.4.2　朴素贝叶斯分类133

4.4.3　EM算法135

4.5　规则归纳139

4.5.1　AQ算法140

4.5.2　CN2算法143

4.5.3 FOIL算法150

4.6　与分类有关的其他问题155

4.6.1　分类数据预处理155

4.6.2　分类器性能的表示与评估156

4.7　本章小结和文献注释158

习题4160

第5章　聚类方法164

5.1　概述164

5.1.1 聚类分析在数据挖掘中的应用166

5.1.2 聚类分析算法的概念与基本分类166

5.1.3　距离与相似性的度量169

5.2　划分聚类方法172

5.2.1　k-平均算法172

5.2.2　PAM175

5.2.3　其他方法179

5.3　层次聚类方法179

5.3.1　AGNES算法180

5.3.2　DIANA算法181

5.3.3　其他聚类方法183

5.4　密度聚类方法184

5.5　其他聚类方法188

5.5.1 STING算法188

5.5.2　SOM算法189

5.5.3 COBWEB算法189

5.5.4　模糊聚类算法FCM190

5.6　本章小结和文献注释190

习题5192

第6章 时间序列和序列模式挖掘194

6.1　时间序列及其应用194

6.2　时间序列预测的常用方法195

6.2.1　确定性时间序列预测方法195

6.2.2　随机时间序列预测方法196

6.2.3　其他方法196

6.3 基于ARMA模型的序列匹配方法196

6.3.1　基本概念196

6.3.2　利用基本概念建立模型197

6.3.3　构造判别函数198

6.4 基于离散傅里叶变换的时间序列相似性查找199

6.4.1 完全匹配200

6.4.2　子序列匹配201

6.5　基于规范变换的查找方法203

6.5.1　基本概念204

6.5.2　查找方法204

6.6　序列挖掘206

6.6.1　基本概念207

6.6.2　数据源的形式207

6.6.3　序列模式挖掘的一般步骤209

6.7　AprioriAll算法210

6.8　AprioriSome算法213

6.9 GSP算法217

6.10　本章小结和文献注释219

习题6222

第7章　Web挖掘技术224

7.1　Web挖掘的意义224

7.2　Web挖掘的分类225

7.3　Web挖掘的含义227

7.3.1　Web挖掘与信息检索227

7.3.2　Web挖掘与信息抽取227

7.4　Web挖掘的数据来源228

7.4.1　服务器日志数据228

7.4.2　在线市场数据229

7.4.3　Web页面229

7.4.4　Web页面超链接关系230

7.4.5　其他信息230

7.5　Web内容挖掘方法230

7.5.1　爬虫与Web内容挖掘231

7.5.2　虚拟的Web视图231

7.5.3　个性化与Web内容挖掘232

7.5.4　对Web页面内文本信息的挖掘232

7.5.5　对Web页面内多媒体信息挖掘233

7.5.6　Web页面内容的预处理233

7.6　Web访问信息挖掘方法234

7.6.1　Web访问信息挖掘的特点234

7.6.2　Web访问信息挖掘的意义236

7.6.3　Web访问信息挖掘的数据源237

7.6.4　Web访问信息挖掘的预处理240

7.6.5　其他信息的预处理技术244

7.6.6　在Web访问挖掘中的常用技术246

7.6.7　Web访问信息挖掘的要素构成247

7.6.8　利用Web访问信息挖掘实现用户建模248

7.6.9　利用Web访问信息挖掘发现导航模式250

7.6.10　利用Web访问信息挖掘改进访问效率252

7.6.11　利用Web访问信息挖掘进行个性化服务253

7.6.12　利用Web访问信息挖掘进行商业智能发现255

7.6.13　利用Web访问信息挖掘进行用户移动模式发现256

7.6.14　利用协作推荐的方法实现实时个性化推荐的例子257

7.7　Web结构挖掘方法260

7.7.1　页面重要性的评价方法260

7.7.2　页面等级261

7.7.3　权威页面和中心页面261

7.7.4　Web站点结构的预处理262

7.8　本章小结和文献注释264

习题7268

第8章　空间挖掘271

8.1 引言271

8.2　空间数据概要272

8.2.1　空间数据的复杂性特征272

8.2.2　空间查询问题273

8.2.3　空间数据结构274

8.2.4　专题地图278

8.3　空间数据挖掘基础278

8.4　空间统计学280

8.5　泛化与特化281

8.5.1　逐步求精281

8.5.2　泛化281

8.5.3　最临近方法283

8.5.4　统计信息网格方法STING283

8.6　空间规则285

8.7　空间分类算法287

8.7.1　ID3扩展287

8.7.2　空间决策树287

8.8　空间聚类算法288

8.8.1 基于随机搜索的聚类方法CLARANS扩展289

8.8.2 大型空间数据库基于距离分布的聚类算法DBCLASD290

8.8.3 BANG291

8.8.4　小波聚类291

8.8.5 近似值291

8.9　空间挖掘的其他问题293

8.10　空间数据挖掘原型系统介绍296

8.11　空间数据挖掘的研究现状298

8.12　空间数据挖掘的研究与发展方向299

8.13　空间数据挖掘与相关学科的关系302

8.13.1 空间数据挖掘与空间数据库302

8.13.2　空间数据挖掘与空间数据仓库302

8.13.3 空间数据挖掘与空间联机分析处理303

8.13.4　空间数据挖掘与地理信息系统303

8.14 数字地球304

8.15　本章小结和文献注释304

习题8307

参考文献309