数据挖掘原理与算法

第1章绪论

1.1数据挖掘技术的产生与发展

1.1.1数据挖掘技术的商业需求分析

1.1.2数据挖掘产生的技术背景分析

1.1.3大数据时代的数据挖掘技术需求分析

1.2数据挖掘研究的发展趋势

1.3数据挖掘概念

1.3.1从商业角度看数据挖掘技术

1.3.2数据挖掘的技术含义

1.3.3数据挖掘研究的理论基础

1.4数据挖掘技术的分类问题

1.5数据挖掘常用的知识表示模式与方法

1.5.1广义知识挖掘

1.5.2关联知识挖掘

1.5.3类知识挖掘

1.5.4预测型知识挖掘

1.5.5特异型知识挖掘

1.6不同数据存储形式下的数据挖掘问题

1.6.1事务数据库中的数据挖掘

1.6.2关系型数据库中的数据挖掘

1.6.3数据仓库中的数据挖掘

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

1.6.5面向应用的新型数据源中的数据挖掘

1.6.6Web数据源中的数据挖掘

1.7粗糙集方法及其在数据挖掘中的应用

1.7.1粗糙集的一些重要概念

1.7.2粗糙集应用举例

1.7.3粗糙集方法在KDD中的应用范围

1.8数据挖掘的应用分析

1.8.1数据挖掘与CRM

1.8.2数据挖掘与社会网络

1.8.3数据挖掘应用的成功案例分析

1.9本章小结和文献注释

习题1

第2章知识发现过程与应用结构

2.1知识发现的基本过程

2.1.1数据抽取与集成技术要点

2.1.2数据清洗与预处理技术要点

2.1.3数据的选择与整理技术要点

2.1.4数据挖掘技术要点

2.1.5模式评估技术要点

2.2数据库中的知识发现处理过程模型

2.2.1阶梯处理过程模型

2.2.2螺旋处理过程模型

2.2.3以用户为中心的处理模型

2.2.4联机KDD模型

2.2.5支持多数据源多知识模式的KDD处理模型

2.3知识发现软件或工具的发展

2.3.1独立的知识发现软件

2.3.2横向的知识发现工具集

2.3.3纵向的知识发现解决方案

2.3.4KDD系统介绍

2.4知识发现项目的过程化管理

2.5数据挖掘语言介绍

2.5.1数据挖掘语言的分类

2.5.2数据挖掘查询语言

2.5.3数据挖掘建模语言

2.5.4通用数据挖掘语言

2.5.5DMQL挖掘查询语言介绍

2.6本章小结和文献注释

习题2

第3章关联规则挖掘理论和算法

3.1基本概念与解决方法

3.2经典的频繁项目集生成算法分析

3.2.1项目集空间理论

3.2.2经典的发现频繁项目集算法

3.2.3关联规则生成算法

3.3Apriori算法的性能瓶颈问题

3.4Apriori的改进算法

3.4.1基于数据分割的方法

3.4.2基于散列的方法

3.4.3基于采样的方法

3.5项目集空间理论的发展

3.5.1Close算法

3.5.2FP—tree算法

3.6项目集格空间和它的操作

3.7基于项目集操作的关联规则挖掘算法

3.7.1关联规则挖掘空间

3.7.2三个实用算子

3.7.3最大频繁项目集格的生成算法

3.7.4ISS—DM算法执行示例

3.8改善关联规则挖掘质量问题

3.8.1用户主观层面

3.8.2系统客观层面

3.9约束数据挖掘问题

3.9.1约束在数据挖掘中的作用

3.9.2约束的类型

3.10时态约束关联规则挖掘

3.11关联规则挖掘中的一些更深入的问题

3.11.1多层次关联规则挖掘

3.11.2多维关联规则挖掘

3.11.3数量关联规则挖掘

3.12数量关联规则挖掘方法

3.12.1数量关联规则挖掘问题

3.12.2数量关联规则的分类

3.12.3数量关联规则挖掘的一般步骤

3.12.4数值属性离散化问题及算法

3.13本章小结和文献注释

习题3

第4章分类方法

4.1分类的基本概念与步骤

4.2基于距离的分类算法

4.3决策树分类方法

4.3.1决策树基本算法概述

4.3.2ID3算法

4.3.3C4.5算法

4.4贝叶斯分类

4.4.1贝叶斯定理

4.4.2朴素贝叶斯分类

4.4.3EM算法

4.5规则归纳

4.5.1AQ算法

4.5.2CN2算法

4.5.3FOIL算法

4.6与分类有关的其他问题

4.6.1分类数据预处理

4.6.2分类器性能的表示与评估

4.7本章小结和文献注释

习题4

……

第5章聚类方法

第6章时间序列和序列模式挖掘

第7章Web挖掘技术

第8章空间挖掘

参考文献

本书是一本全面介绍数据挖掘和知识发现技术的专业书籍，系统地阐述了数据挖掘和知识发现技术的产生、发展、应用以及相关概念、原理和算法，对数据挖掘中的主要技术分支，包括关联规则、分类、聚类、序列、空间以及Web挖掘等进行了理论剖析和算法描述。本书的许多内容是作者们在攻读博士学位期间的工作总结，一方面，对于相关概念和技术的阐述尽量先从理论分析入手，在此基础上进行技术归纳； 另一方面，为了保证技术的系统性，所有的挖掘模型和算法描述都在统一的技术归纳框架下进行。同时，为了避免抽象算法描述给读者带来的理解困难，本书的所有典型算法都通过具体跟踪执行实例来进一步说明。全书共分8章，各章相对独立成篇，以利于读者选择性学习。在每章后面都设置专门一节来对本章内容和文献引用情况进行归纳，它不仅可以帮助读者对相关内容进行整理，而且也起到对本章内容相关文献的注释性索引功能。本书可作为计算机专业研究生或高年级本科生教材，也可以作为从事计算机研究和开发人员的参考资料。作为教材，教师可以根据课时安排进行选择性教学。为了更好地让教师进行选择性教学，本书配有专门的教师用书，对内容的重点、难点和课时分配给出了对应的建议，对重要的和难度较大的习题进行了分析和解答。对于研究人员，本书是一本高参考价值的专业书籍。对于软件技术人员，可以把它当作提高用书或参考资料，一些算法可以通过改造用于实际的应用系统中。

《数据挖掘原理与算法（第3版）》在经典教材的基础上，重点增加了大数据挖掘等新的数据挖掘的需求和技术分析，对Web挖掘的内容进行了重新编排，并增加了必要的新方法。近年来出现的公认的典型算法和技术也得到加强，使之很好地适应读者在教学或者学习中的新需求。
本书内容相对全面，各章之间耦合度小。作为教材，教师可以根据学生类型、学时安排等进行选择性教学。作为参考书，读者可以根据自己的基础进行选择性学习或查阅。在每章后面都设置专门一节来对本章内容和文献引用情况进行归纳，它不仅可以帮助读者对相关内容进行整理，而且对读者，特别是研究人员，也起到文献的注释性索引功能。