数据挖掘算法及其工程应用2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

数据挖掘算法及其工程应用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章 数据挖掘综述1

1.1 数据挖掘的概念和定义1

1.2 数据挖掘的历史及发展2

1.3 数据挖掘研究内容及功能2

1.4 数据挖掘常用技术及工具4

1.5 数据挖掘应用热点6

参考文献10

第2章 数理统计方法11

2.1 数据挖掘与数理统计的关系11

2.2 数理统计与数据库技术的结合12

2.3 回归分析的基本概念13

2.4 线性回归方程14

2.5 线性相关的显著性检验15

2.5.1 线性回归的方差分析16

2.5.2 相关系数的显著性检验17

2.6 非线性回归分析19

2.6.1 化非线性回归为线性回归19

2.6.2 多项式回归19

2.7 多元线性回归分析19

2.7.1 多元线性回归方程19

2.7.2 多元线性回归的方差分析21

2.8 一般情况下的回归分析23

2.8.1 一般情况下的回归方程23

2.8.2 一般情况下的参数估计24

2.9 逐步回归分析的软件设计24

2.10 锻模设计准则的制定25

2.10.1 研究的内容25

2.10.2 资料收集与数据处理25

2.10.3 飞边尺寸设计准则的制定27

2.10.4 飞边金属消耗设计准则的制定30

2.11 小结33

参考文献33

第3章 决策树学习算法34

3.1 决策树概述34

3.1.1 决策树构造与分类35

3.1.2 决策树的应用37

3.1.3 决策树发展趋势38

3.2 ID3及其系列决策树算法39

3.2.1 ID3算法39

3.2.2 ID4算法43

3.2.3 ID5R算法44

3.3 C4.5决策树学习算法45

3.3.1 C4.5功能改进45

3.3.2 C4.5系统应用48

3.3.3 C4.5的不足56

3.4 其他决策树分类算法56

3.4.1 CART算法56

3.4.2 CHAID算法62

3.4.3 SLIQ算法62

3.4.4 SPRINT算法69

3.4.5 PUBLIC算法75

3.5 小结75

参考文献76

第4章 基于分层搜索的关联挖掘算法77

4.1 关联规则挖掘研究综述77

4.1.1 基本关联规则挖掘算法77

4.1.2 复杂类型关联规则挖掘算法78

4.1.3 针对关联规则评价的研究78

4.1.4 并行挖掘算法78

4.1.5 增量挖掘算法79

4.2 基本问题描述79

4.2.1 频繁数据项集79

4.2.2 关联规则80

4.3 关联挖掘基本框架82

4.3.1 产生关联规则的两个阶段82

4.3.2 关联规则的生成算法83

4.4 分层搜索算法分析及仿真研究85

4.4.1 AIS算法简介85

4.4.2 Apriori算法分析与仿真87

4.4.3 DHP算法分析与仿真92

4.5 算法复杂性的度量98

4.5.1 算法复杂性概念98

4.5.2 分层搜索算法复杂性分析模型100

4.5.3 算法的时间复杂性的讨论101

4.6 小结104

参考文献104

第5章 软计算方法107

5.1 概述107

5.1.1 软计算的基本概念107

5.1.2 数据挖掘中的软计算方法107

5.2 粗糙集109

5.2.1 概述109

5.2.2 基于粗糙集的知识表达方法109

5.2.3 集合近似及其性质110

5.2.4 粗糙集的约简与核111

5.2.5 基于粗糙集的数据挖掘112

5.2.6 应用实例114

5.3 神经网络115

5.3.1 神经网络基本概念115

5.3.2 BP神经网络117

5.3.3 神经网络在数据挖掘中的应用118

5.3.4 一个煤灰结渣预测实例120

5.4 基于遗传算法的数据挖掘技术121

5.4.1 遗传算法的一般结构121

5.4.2 遗传算法的组成要素122

5.4.3 基于遗传算法的关联规则挖掘方法124

5.4.4 基于遗传算法的聚类算法128

5.5 人工免疫算法130

5.5.1 生物免疫系统的组成131

5.5.2 抗原与抗体132

5.5.3 人工免疫系统133

5.5.4 GMST问题计算实例136

5.6 小结138

参考文献139

第6章 支持向量机141

6.1 统计学习问题141

6.1.1 经验风险最小化原则141

6.1.2 函数集的VC维142

6.2 学习过程的一致性142

6.2.1 学习一致性的经典定义142

6.2.2 统计学习理论的关键定理143

6.2.3 VC熵143

6.2.4 统计学习理论的三个里程碑144

6.3 结构风险最小化原则144

6.3.1 SRM原则的数学描述144

6.3.2 SRM原则的图解说明145

6.4 最优化理论146

6.4.1 基本概念146

6.4.2 拉格朗日理论147

6.4.3 Karush-Kuhn-Tucker条件148

6.5 支持向量机149

6.5.1 线性支持向量机149

6.5.2 非线性支持向量机152

6.5.3 ε不敏感损失函数153

6.5.4 构造用于回归估计的支持向量机154

6.6 核函数155

6.6.1 多项式核函数155

6.6.2 径向基核函数155

6.6.3 多层感知器156

6.6.4 动态核函数156

6.7 若干扩展支持向量机算法157

6.7.1 C-SVM的二次松弛变量算法157

6.7.2 C-SVM的k次方算法158

6.7.3 BSVM算法158

6.7.4 v-SVM算法158

6.7.5 One-class SVM算法159

6.7.6 WSVM（Weighted SVM）算法160

6.7.7 FSVM算法160

6.7.8 LS-SVM算法160

6.8 仿真实例162

6.9 小结167

参考文献168

第7章 数据挖掘算法的工程应用169

7.1 关联挖掘在烧成窑专家控制系统中的应用169

7.1.1 引言169

7.1.2 一种基于模糊时间序列挖掘的专家控制规则提取方法172

7.1.3 基于数据挖掘的模糊控制规则提取176

7.1.4 基于信息融合和数据挖掘技术的专家控制器设计178

7.1.5 氧化铝烧成窑专家控制系统的实施及运行效果180

7.1.6 小结182

7.2 基于支持向量机分类器的水轮机调速故障诊断182

7.2.1 引言182

7.2.2 支持向量机（C-SVM）183

7.2.3 模糊支持向量机多级二叉树分类器184

7.2.4 水轮机调速系统故障诊断实验186

7.2.5 小结187

7.3 免疫克隆算法在物流配送车辆路径优化问题中的应用188

7.3.1 物流配送车辆路径优化问题的描述和数学模型188

7.3.2 抗体编码189

7.3.3 亲和力函数190

7.3.4 仿真计算190

7.4 小结192

参考文献192