数据挖掘原理与算法2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

数据挖掘原理与算法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 导论1

1.1数据挖掘的社会需求1

1.2什么是数据挖掘2

1.3数据挖掘的数据来源5

1.4数据挖掘的分类7

1.4.1分类分析8

1.4.2聚类分析9

1.4.3关联分析10

1.4.4序列分析及时间序列11

1.4.5孤立点分析12

1.4.6其他分析12

1.5数据挖掘的体系结构与运行过程13

1.5.1数据挖掘的体系结构13

1.5.2数据挖掘的步骤15

1.5.3实例17

1.5.4数据挖掘的过程模型18

1.5.5数据挖掘主要厂商和产品18

1.6数据挖掘与其他相关技术19

1.6.1数据挖掘与数据库中知识发现19

1.6.2数据挖掘与联机分析处理20

1.6.3数据挖掘与信息检索22

1.6.4数据挖掘与机器学习23

1.6.5数据挖掘与数据融合24

1.6.6数据挖掘与统计学24

1.6.7数据挖掘与专家系统25

1.6.8数据挖掘与决策支持系统25

1.6.9数据挖掘与客户关系管理26

1.6.10软硬件发展对数据挖掘的影响28

1.6.11 XML与面向Web的数据挖掘技术28

1.7数据挖掘工具的评价标准31

1.8数据挖掘的应用32

1.9数据挖掘的要求及挑战34

第2章 数据仓库技术36

2.1数据仓库概述36

2.1.1数据仓库的定义36

2.1.2数据仓库查询系统37

2.1.3 OLTP与OLAP37

2.1.4数据仓库与数据集市38

2.1.5数据仓库系统的结构40

2.1.6数据仓库中的元数据管理41

2.2数据仓库的建模45

2.2.1星型模型45

2.2.2雪花模型46

2.2.3混合模型47

2.2.4多维数据模型47

2.3联机分析处理48

2.3.1 OLAP的功能及体系结构49

2.3.2 OLAP数据组织模型50

2.3.3 OLAP的Web结构52

2.3.4 OLAP数据查询机制53

2.4海威数据仓库系统简介54

2.4.1 Highway Decision Center V1.0系统结构54

2.4.2 Highway Decision Center V2.0系统结构58

2.4.3海威数据仓库网络结构59

2.5数据仓库应用举例60

2.5.1信用卡资信分析60

2.5.2贷款分析63

第3章 数据挖掘中的数据预处理67

3.1概论67

3.2数据预处理的基本步骤67

3.3数值属性的离散化与特征选择69

3.3.1 Chi2算法简介70

3.3.2举例72

3.3.3讨论73

3.4概念分层73

3.4.1数据库中面向属性的归纳74

3.4.2概念分层的动态提炼79

3.4.3针对数值属性的概念分层的自动产生83

3.5数据抽样85

3.5.1数据挖掘不同领域中的抽样86

3.5.2数据挖掘中抽样方法87

3.5.3静态与动态抽样88

第4章 关联规则90

4.1关联规则挖掘的基本概念90

4.2关联规则的发现算法92

4.2.1算法Apriori92

4.2.2算法AprioriTid95

4.2.3算法AprioriHybrid98

4.2.4生成规则98

4.2.5算法FP-Growth99

4.2.6算法ECLAT101

4.2.7基于粒计算的频繁模式挖掘算法103

4.3数值属性关联规则106

4.3.1基本概念106

4.3.2确定数值属性划分的聚类算法CP108

4.4多层关联规则挖掘110

4.4.1概念层次（conceptual hierarchies）110

4.4.2同层（same hierarchy）关联规则挖掘111

4.5约束性关联规则发现方法及算法113

4.5.1算法Separate114

4.5.2其他约束条件116

4.6关联规则的增量式更新算法116

4.6.1阈值的动态调整117

4.6.2数据库的更新120

4.7频繁项集的压缩122

第5章 数据分类124

5.1决策树基本算法126

5.1.1决策树生成算法126

5.1.2决策树的修剪128

5.2决策树ID3130

5.2.1基本概念131

5.2.2定义133

5.2.3 ID3算法134

5.2.4 ID3算法优劣135

5.3决策树学习算法C4.5136

5.3.1使用增益率136

5.3.2处理未知值的训练样本137

5.3.3有连续值的属性138

5.3.4规则的产生138

5.3.5交叉验证139

5.3.6 C4.5工作流程139

5.4分类与回归树140

5.4.1基本定义141

5.4.2构建树算法143

5.4.3修剪145

5.4.4决策树评估149

5.4.5内存管理及时间复杂性分析151

5.5 SLIQ一种快速可扩展的分类算法152

5.5.1扩展性问题153

5.5.2 SLIQ分类器154

5.5.3数据结构及算法158

5.6 SPRINT——数据挖掘中一种可扩展的并行分类器161

5.6.1数据结构162

5.6.2分割点的求解163

5.6.3分割164

5.6.4与SLIQ的对比165

5.6.5分类并行化165

5.7分类算法的评价167

5.7.1分类器准确率度量167

5.7.2 ROC曲线169

5.8其他分类算法169

5.8.1人工神经网络169

5.8.2支持向量机170

5.8.3概率图模型171

第6章 聚类分析175

6.1基础知识179

6.1.1距离与相似系数181

6.1.2聚类的特征与聚类间的距离183

6.2聚类算法k-means及k-modes184

6.2.1 k-means算法184

6.2.2改进的k-means算法185

6.2.3 k-modes算法188

6.3基于k-medoid的划分聚类算法192

6.3.1 PAM算法192

6.3.2 CLARA算法193

6.3.3基于随机搜索的聚类算法CLARANS194

6.4层次聚类法196

6.4.1最短距离法196

6.4.2最长距离法198

6.4.3中间距离法199

6.4.4其他方法201

6.4.5利用层次方法的平衡迭代归约及聚类204

6.5基于密度方法的聚类211

6.5.1基本术语211

6.5.2基于密度的簇排序（density-based cluster-ordering）213

6.5.3识别聚类结构（identifying the clustering structure）217

6.6高维度数据的自动子空间聚类算法CLIQUE224

6.6.1问题描述225

6.6.2算法227

6.7大型数据集中孤立点挖掘的高效算法231

6.7.1问题定义232

6.7.2嵌入式循环及基于索引的算法233

6.7.3基于划分的算法236

6.8聚类有效性241

6.8.1只涉及隶属度值的有效性指标242

6.8.2涉及隶属度和数据集的有效性指标242

第7章 序列模式与时间序列244

7.1序列模式挖掘244

7.1.1基本定义244

7.1.2 Apriori类算法247

7.1.3有时间约束的序列模式挖掘258

7.1.4基于垂直数据库格式的SPADE算法260

7.1.5基于投影数据库的FreeSpan算法261

7.1.6偏序挖掘265

7.2时间序列挖掘268

7.2.1时间序列相似性搜索272

7.2.2时间序列分段线性表示276

第8章 空间多维数据访问与可视化279

8.1多维访问技术280

8.1.1引言280

8.1.2空间数据的结构280

8.1.3基本的数据结构284

8.2 R-树及R*-树：空间搜索的动态索引树289

8.2.1 R-树的索引结构289

8.2.2搜索及更新291

8.2.3 Choose Subtree算法295

8.2.4 R*-树的分裂296

8.2.5强迫重插入297

8.2.6 R*-树：一个有效的点存取方法299

8.3可视化技术300

8.3.1多维数据可视化简介301

8.3.2多维数据的平行坐标表示法302

8.3.3圆形分段：一种大数据量多维数据可视化技术309

8.3.4高维数据集的可视化311

8.4基于云模型的空间数据挖掘算法313

8.4.1云模型简介313

8.4.2云理论在空间数据挖掘和知识发现中的应用315

第9章 开放式的数据挖掘系统317

9.1用于数据挖掘的OLE DB For Data Ming317

9.1.1 OLE DB For Data Ming简介317

9.1.2 OLE DB For DM编程基础318

9.2可预测模型描述语言323

9.2.1简介323

9.2.2一个简单的PMML例子324

9.3产品简介325

9.3.1背景325

9.3.2产品目标326

9.4系统结构327

9.4.1用于OLAP系统的数据挖掘应用系统结构327

9.4.2基于B／S结构的应用框架328

9.4.3逻辑模块结构设计330

9.5 Web Service技术333

9.6输入和输出334

9.6.1系统输入：OLTP、OLAP及其他334

9.6.2利用可视化技术构造可理解的知识展现334

9.7应用模式335

9.8现状与前景336

第10章 数据挖掘应用337

10.1数据挖掘在商业中的应用337

10.1.1基于数据挖掘的客户忠诚度分析337

10.1.2基于数据挖掘的商品相关性分析342

10.2数据挖掘在金融数据分析领域中的应用346

10.2.1基于数据挖掘的企业信用评估架构模型346

10.2.2基于数据挖掘的反洗钱研究简介347

10.3数据挖掘在网络信息安全中的应用348

10.3.1网络入侵检测技术概述348

10.3.2网络入侵检测模型350

10.3.3基于数据挖掘的网络入侵检测应用351

10.3.4网络入侵检测技术的发展趋势363

10.4数据挖掘在科研文献分析中的应用363

10.4.1科研文献挖掘简介363

10.4.2基于研究者发文序列的领域发展研究366

10.4.3基于概率图模型的科研文献主题演化研究372

10.4.4面向异质关系的社区挖掘375

第11章 数据挖掘新进展379

11.1方法上的新进展379

11.1.1全局和局部相结合的数据挖掘380

11.1.2基于数据粒度表示的挖掘382

11.1.3基于局部模式的全局模型挖掘383

11.1.4基于局部模式的全局信息获取384

11.2应用上的新进展385

11.2.1关系数据挖掘385

11.2.2数据流挖掘387

11.2.3隐私保护数据挖掘388

参考文献393