數(shù)據(jù)挖掘原理與算法（第4版）

基礎(chǔ)篇
第1章 緒論
1.1 數(shù)據(jù)挖掘技術(shù)的產(chǎn)生與發(fā)展
1.1.1 數(shù)據(jù)挖掘技術(shù)的商業(yè)需求分析
1.1.2 數(shù)據(jù)挖掘產(chǎn)生的技術(shù)背景分析
1.1.3 大數(shù)據(jù)時代的數(shù)據(jù)挖掘技術(shù)需求分析
1.2 數(shù)據(jù)挖掘研究的發(fā)展趨勢
1.3 數(shù)據(jù)挖掘概念
1.3.1 從商業(yè)角度看數(shù)據(jù)挖掘技術(shù)
1.3.2 數(shù)據(jù)挖掘的技術(shù)含義
1.3.3 數(shù)據(jù)挖掘研究的理論基礎(chǔ)
1.4 數(shù)據(jù)挖掘技術(shù)的分類問題
1.5 數(shù)據(jù)挖掘常用的知識表示模式與方法
1.5.1 廣義知識挖掘
1.5.2 關(guān)聯(lián)知識挖掘
1.5.3 類知識挖掘
1.5.4 預(yù)測型知識挖掘
1.5.5 特異型知識挖掘
1.6 不同數(shù)據(jù)存儲形式下的數(shù)據(jù)挖掘問題
1.6.1 事務(wù)數(shù)據(jù)庫中的數(shù)據(jù)挖掘
1.6.2 關(guān)系型數(shù)據(jù)庫中的數(shù)據(jù)挖掘
1.6.3 數(shù)據(jù)倉庫中的數(shù)據(jù)挖掘
1.6.4 在關(guān)系模型基礎(chǔ)上發(fā)展的新型數(shù)據(jù)庫中的數(shù)據(jù)挖掘
1.6.5 面向應(yīng)用的新型數(shù)據(jù)源中的數(shù)據(jù)挖掘
1.6.6 Web數(shù)據(jù)源中的數(shù)據(jù)挖掘
1.7 粗糙集方法及其在數(shù)據(jù)挖掘中的應(yīng)用
1.7.1 粗糙集的一些重要概念
1.7.2 粗糙集應(yīng)用舉例
1.7.3 粗糙集方法在KDD中的應(yīng)用范圍
1.8 數(shù)據(jù)挖掘的應(yīng)用分析
1.8.1 數(shù)據(jù)挖掘與CRM
1.8.2 數(shù)據(jù)挖掘與社會網(wǎng)絡(luò)
1.8.3 數(shù)據(jù)挖掘應(yīng)用的成功案例分析
1.9 本章小結(jié)和文獻(xiàn)注釋
習(xí)題1
第2章 知識發(fā)現(xiàn)過程與應(yīng)用結(jié)構(gòu)
2.1 知識發(fā)現(xiàn)的基本過程
2.1.1 數(shù)據(jù)抽取與集成技術(shù)要點
2.1.2 數(shù)據(jù)清洗與預(yù)處理技術(shù)要點
2.1.3 數(shù)據(jù)的選擇與整理技術(shù)要點
2.1.4 數(shù)據(jù)挖掘技術(shù)要點
2.1.5 模式評估技術(shù)要點
2.2 數(shù)據(jù)庫中的知識發(fā)現(xiàn)處理過程模型
2.2.1 階梯處理過程模型
2.2.2 螺旋處理過程模型
2.2.3 以用戶為中心的處理模型
2.2.4 聯(lián)機KDD模型
2.2.5 支持多數(shù)據(jù)源多知識模式的KDD處理模型
2.3 知識發(fā)現(xiàn)軟件或工具的發(fā)展
2.3.1 獨立的知識發(fā)現(xiàn)軟件