智能数据挖掘技术2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

智能数据挖掘技术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

1.1　人工智能综述1

1.1.1 人工智能的发展历史1

第1章　绪论1

1.1.2　人工智能的概念及研究领域10

1.1.3　人工智能的发展前景16

1.2　知识发现导论18

1.2.1　知识发现（KDD）与数据挖掘的概念18

1.2.2 KDD过程及系统结构19

1.2.3 KDD研究的主要问题22

1.2.4 KDD应用及存在的问题23

1.2.5　KDD中不完备信息的问题27

思考题32

2.1.1　数据仓库的概念33

第2章　数据仓库的概念与结构33

2.1　数据仓库的概念和特征33

2.1.2　数据仓库的特征37

2.2　数据仓库工程规划38

2.2.1 制定数据仓库工程规划的重要性38

2.2.2　制定数据仓库工程规划的过程39

2.2.3　数据仓库工程规划文档的内容42

2.3　数据仓库系统的设计准则48

2.4　数据仓库的结构和设计50

2.4.1　数据仓库的数据模型50

2.4.2　数据仓库的元数据管理51

2.4.3　数据仓库的组件57

2.4.4　数据仓库体系结构58

思考题67

3.1　基于概率统计的数据挖掘技术68

第3章　基于概率统计与神经网络的数据挖掘技术68

3.2　基于神经网络的数据挖掘技术71

思考题74

第4章　基于信息论的数据挖掘技术75

4.1　信息论原理75

4.1.1　基本思想75

4.1.2　基本概念76

4.1.3　信道模型及容量81

4.2　基于互信息的ID3算法及改进算法82

4.2.1　ID3算法82

4.2.2　改进算法88

思考题95

5.1.1　基本概念97

第5章　基于关联规则的数据挖掘技术97

5.1　基本概念及主要算法97

5.1.2 关联规则挖掘种类98

5.1.3 关联规则挖掘算法综述99

5.2　在线挖掘关联规则算法的改进108

5.2.1　在线挖掘关联规则算法Carma简介109

5.2.2　对PhaseⅠ的改进111

5.2.3 对PhaseⅡ的改进117

5.3　关联规则并行化挖掘算法118

5.3.1 其他并行算法的回顾118

5.3.2　IDD并行算法119

思考题124

6.1.1　粗糙集合的历史与发展125

6.1　基于粗糙集合的分类方法125

第6章　基于分类规则的数据挖掘技术125

6.1.2　粗糙集合的基本概念131

6.1.3　粗糙微积分139

6.1.4　基于粗集的数据过滤方法146

6.1.5　RS代数的公理化方法152

6.1.6　可变精度粗集中的近似空间158

6.1.7　知识表达逻辑160

6.2　基于模糊集合的分类方法169

6.2.1　模糊集合与凸模糊集169

6.2.2　模糊关系及其基本性质185

6.3　贝叶斯分类与推进方法分类194

6.3.1　贝叶斯分类194

6.3.2　推进方法分类196

思考题198

第7章　基于聚类规则的数据挖掘技术199

7.1　聚类原理199

7.1.1 属性聚类200

7.1.2　概念聚类202

7.2　聚类分析中的数据类型205

7.2.1 区间标度变量205

7.2.2　二元变量206

7.2.3 混合类型的变量207

7.3　相似性测度208

7.3.1　样本点间的相似性测度208

7.3.2 类与类之间的相似性测度210

7.4　硬聚类211

7.5　软聚类213

7.6　模糊聚类215

7.6.1　HCM聚类方法215

7.6.2　FCM聚类方法216

7.6.3　快速FCM聚类方法217

7.7　空间对象聚类221

思考题224

第8章　基于Web的数据挖掘技术225

8.1　Web挖掘概述225

8.1.1　一些基本概念227

8.1.2　Web挖掘内容230

8.1.3　Web挖掘难点233

8.2　Web结构挖掘235

8.2.1　Web结构挖掘的意义235

8.2.2　超链分析与页面分类237

8.3　Web内容挖掘242

8.3.1　Web信息获取242

8.3.2　Web信息清理245

8.3.3　Web文本挖掘250

思考题258

第9章　基于数据挖掘技术的智能决策研究框架259

9.1　智能化交互式人机界面259

9.2　问题求解器261

9.3　方案设计决策支持261

9.4　广义知识库管理系统262

9.5　知识发现过程与数据挖掘管理器264

思考题264

参考文献265