数据挖掘与聚类分析【2025|PDF下载-Epub版本|mobi电子书|kindle百度云盘下载】

数据挖掘与聚类分析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篇 基础知识1

第1章 绪论1

1.1数据挖掘概述2

1.2数据挖掘的研究现状及应用领域8

1.3数据挖掘与其他技术的关系11

1.4数据挖掘的工具及评价标准15

1.5聚类分析初探17

1.6本书研究内容纲要18

本章小结19

思考题19

第2章 数据预处理技术20

2.1数据预处理20

2.2数据清理21

2.3数据集成和融合24

2.4数据变换25

2.5数据归约27

本章小结30

思考题31

第3章 多维数据分析与组织32

3.1多维数据分析概述32

3.2多维数据模型与结构33

3.3多维数据分析应用与工具40

3.4从联机分析处理到联机分析挖掘43

本章小结45

思考题45

第2篇 数据挖掘46

第4章 预测技术及其应用46

4.1预测技术基础理论47

4.2回归分析预测49

4.3趋势外推预测64

4.4时间序列预测74

4.5基于神经网络的预测87

4.6马尔可夫预测103

4.7组合预测105

本章小结107

思考题107

第5章 关联分析技术及应用108

5.1关联规则的基础理论108

5.2 Apriori关联规则算法112

5.3改进的Apriori关联规则算法114

5.4 Apriori关联规则算法的实例117

5.5 Apriori关联规则模型运行实例122

本章小结123

思考题124

第6章 遗传算法及应用125

6.1遗传算法基础理论125

6.2遗传算法的应用领域和研究方向126

6.3遗传算法的基础知识130

6.4遗传算法计算过程和应用137

本章小结144

思考题144

第7章 灰色系统理论与方法145

7.1灰色系统的基础理论145

7.2灰色预测模型149

7.3灰色聚类分析154

7.4层次分析方法163

7.5灰色综合评价方法168

本章小结174

思考题174

第8章 粗糙集方法及应用176

8.1粗糙集理论背景介绍176

8.2粗糙集基本理论180

8.3基于粗糙集的属性约简183

8.4基于粗糙集的决策知识表示187

8.5基于粗糙集的数据挖掘模型189

8.6粗糙集在交通肇事逃逸侦破系统中应用198

本章小结206

思考题206

第9章 基于数据挖掘的知识推理207

9.1知识推理的分类207

9.2基于数据挖掘方法的知识推理214

本章小结220

思考题220

第3篇 聚类分析221

第10章 聚类分析概述221

10.1聚类分析经典算法分类222

10.2近年新的聚类方法231

10.3聚类分析的研究热点问题233

10.4聚类分析的应用领域246

本章小结247

思考题247

第11章 模糊聚类248

11.1模糊聚类算法综述248

11.2基于模糊等价关系的模糊聚类算法251

11.3模糊C-均值聚类算法254

11.4 FCM的改进算法255

11.5模糊聚类的应用263

11.6模糊关联规则模型及应用265

本章小结269

思考题269

第12章 聚类融合270

12.1聚类融合算法综述270

12.2分类数据聚类融合方法275

12.3混合属性数据聚类融合方法280

12.4聚类融合的应用284

本章小结286

思考题286

第13章 增量聚类287

13.1增量聚类算法综述287

13.2基于传统聚类的增量聚类算法288

13.3基于生物智能的增量聚类算法291

13.4面向数据流的增量聚类算法292

13.5基于聚类融合的增量聚类算法293

13.6增量聚类算法的应用298

本章小结300

思考题300

第4篇 数据挖掘新进展301

第14章 近年数据挖掘新的研究方向301

14.1 Web挖掘302

14.2知识管理306

14.3空间数据挖掘308

14.4基于MapReduce的大数据集挖掘311

14.5流数据挖掘312

14.6面向隐私保护的数据挖掘316

14.7不确定性数据挖掘317

14.8多媒体数据挖掘320

14.9生物信息数据挖掘322

本章小结326

思考题326

第15章 文本挖掘327

15.1文本挖掘概述327

15.2文本挖掘预处理——文本表示328

15.3文本挖掘方法330

15.4文本挖掘工具337

15.5文本挖掘的应用338

本章小结344

参考文献345

附件 50艘船舶的基本信息369