内容简介

本书详尽地阐述了数据挖掘与知识发现领域中的一些基本理论和研究方法。介绍了KDD与数据挖掘的概念、数据挖掘对象、知识发现过程、研究方法以及相关研究领域和应用范围。作为知识发现的数据预处理工作，简要叙述了数据清理、数据约简、数据概念等级分层、多维数据模型等内容。书中较详细地介绍了粗糙级、模糊集、聚类分析、关联规则、人工神经网络、分类与预测等数据挖掘方法，最后还简要介绍了多媒体数据挖掘工作的有关进展。
　　 本书可以作为计算机科学与技术专业和信息科学方向高年级本科生和研究生的教材或参考书，也可供有关科技人员学习参考。

目录

第一章　绪论
1.1 引言
1.2 KDD与数据挖掘
1.2.1 KDD定义
1.2.2 KDD过程
1.2.3　数据库技术发展与数据挖掘
1.3　数据挖掘的对象与环境
1.3.1　数据与系统特征
1.3.2　数据结构
1.3.3　数据库系统
1.4　数据挖掘方法与相关领域
1.4.1　数据挖掘相关领域
1.4.2　粗糙集
1.4.3　聚类
1.4.4　关联规则
1.4.5　决策树
1.4.6　模糊集
1.4.7　规则归纳
1.4.8　进化计算
1.5　KDD系统与应用
本章小结
习题一
第二章　数据预处理与数据仓库
2.1　数据清理
2.1.1　填补空缺值
2.1.2　消除噪声数据
2.1.3　实现数据一致性
2.2　数据集成与转换
2.2.1　数据集成
　2.2.2　数据转换
　2.3　数据归约与浓缩
　2.3.1　数据立方体聚集
　 2.3.2　维归约
　2.3.3　数据压缩
　 2.3.4　数值归约
　2.4　概念分层
　2.4.1　概念分层的概念
　 2.4.2　概念分层的类型
　 2.4.3　数值数据的概念分层与离散化
　 2.4.4　分类数据的概念分层
　2.5　数据仓库与多维数据模型
　 2.5.1　数据仓库的概念
　 2.5.2　数据仓库中的数据组织
　 2.5.3　数据立方体
　 2.5.4　多维数据库模式
　2.6　数据仓库与数据挖掘
　 2.6.1　数据仓库应用
　 2.6.2　数据挖掘和数据仓库的关系
　本章小结
　习题二
第三章　粗糙集
3.1　近似空间
3.1.1　近似空间与不可分辨关系
3.1.2　知识与知识库
3.2　近似与粗糙集
3.2.1　近似与粗糙集的基本概念
3.2.2　粗糙集的基本性质
3.3　粗糙集的特征描述
3.3.1　近似精度
　……
第四章　模糊集
第五章　聚类分析
第六章　关联规则
第七章　人工神经网络
第八章　分类与预测
第九章　多媒体数据挖掘
参考文献
名词索引

文档截图