數(shù)據(jù)挖掘算法及其工程應(yīng)用

前言
第1章　數(shù)據(jù)挖掘綜述
　1.1　數(shù)據(jù)挖掘的概念和定義
　1.2　數(shù)據(jù)挖掘的歷史及發(fā)展
　1.3　數(shù)據(jù)挖掘研究內(nèi)容及功能
　1.4　數(shù)據(jù)挖掘常用技術(shù)及工具
　1.5　數(shù)據(jù)挖掘應(yīng)用熱點
第2章　數(shù)理統(tǒng)計方法
　2.1　數(shù)據(jù)挖掘與數(shù)理統(tǒng)計的關(guān)系
　2.2　數(shù)理統(tǒng)計與數(shù)據(jù)庫技術(shù)的結(jié)合
　2.3　回歸分析的基本概念
　2.4　線性回歸方程
　2.5　線性相關(guān)的顯著性檢驗
　　2.5.1　線性回歸的方差分析
　　2.5.2　相關(guān)系數(shù)的顯著性檢驗
　2.6　非線性回歸分析
　　2.6.1　化非線性回歸為線性回歸
　　2.6.2　多項式回歸
　2.7　多元線性回歸分析
　　2.7.1　多元線性回歸方程
　　2.7.2　多元線性回歸的方差分析
　2.8　一般情況下的回歸分析
　　2.8.1　一般情況下的回歸方程
　　2.8.2　一般情況下的參數(shù)估計
　2.9　逐步回歸分析的軟件設(shè)計
　2.10　鍛模設(shè)計準則的制定
　　2.10.1　研究的內(nèi)容
　　2.10.2　資料收集與數(shù)據(jù)處理
　　2.10.3　飛邊尺寸設(shè)計準則的制定
　　2.10.4　飛邊金屬消耗設(shè)計準則的制定
　2.11　小結(jié)
　參考文獻
第3章　決策樹學習算法
　3.1　決策樹概述
　　3.1.1　決策樹構(gòu)造與分類
　　3.1.2　決策樹的應(yīng)用
　　3.1.3　決策樹發(fā)展趨勢
　3.2　ID3及其系列決策樹算法
　　3.2.1　ID3算法
　　3.2.2　ID4算法
　　3.2.3　ID5R算法
　3.3　C4.5決策樹學習算法
　　3.3.1　C4.5功能改進
　　3.3.2　C4.5系統(tǒng)應(yīng)用
　　3.3.3　C4.5的不足
　3.4　其他決策樹分類算法
　　3.4.1　CART算法
　　3.4.2　CHAID算法
　　3.4.3　SLIQ算法
　　3.4.4　SPRINT算法
　　3.4.5　PUBLIC算法
　3.5　小結(jié)
　參考文獻
第4章　基于分層搜索的關(guān)聯(lián)挖掘算法
第5章　軟計算方法
第6章　支持向量機
第7章　數(shù)據(jù)挖掘算法的工程應(yīng)用