数据挖掘算法原理与实现(第2版)

封面 扉页 内容简介 版权页 前言 目录 第1章 绪论 1.1 数据挖掘的概念 1.2 数据挖掘的历史及发展 1.3 数据挖掘的研究内容及功能 1.4 数据挖掘的常用技术及工具 1.5 数据挖掘的应用热点 1.6 小结 思考题 第2章 数据预处理 2.1 数据预处理的目的 2.2 数据清理 2.3 数据集成和数据变换 2.4 数据归约 2.5 特征选择与提取 2.6 小结 思考题 第3章 关联规则挖掘 3.1 基本概念 3.2 关联规则挖掘算法———Apriori算法原理 3.3 Apriori算法实例分析 3.4 Apriori算法源程序分析 3.5 Apriori算法的特点及应用 3.6 小结 思考题 第4章 决策树分类算法 4.1 基本概念 4.2 决策树分类算法———ID3算法原理 4.3 ID3算法实例分析 4.4 ID3算法源程序分析 4.5 ID3算法的特点及应用 4.6 决策树分类算法———C4.5算法原理 4.7 C4.5算法实例分析 4.8 C4.5算法源程序分析 4.9 C4.5算法的特点及应用 4.10 小结 思考题 第5章 贝叶斯分类算法 5.1 基本概念 5.2 贝叶斯分类算法原理 5.3 贝叶斯算法实例分析 5.4 贝叶斯算法源程序分析 5.5 贝叶斯算法特点及应用 思考题 第6章 人工神经网络算法 6.1 基本概念 6.2 BP算法原理 6.3 BP算法实例分析 6.4 BP算法源程序分析 6.5 BP算法的特点及应用 6.6 小结 思考题 第7章 支持向量机 7.1 基本概念 7.2 支持向量机原理 7.3 支持向量机实例分析 7.4 支持向量机的特点及应用 7.5 小结 思考题 第8章 K-means聚类算法 8.1 简介 8.2 K-means聚类算法原理 8.3 K-means聚类算法实例分析 8.4 K-means聚类算法源程序分析 8.5 K-means聚类算法的特点及应用 8.6 小结 思考题 第9章 K-中心点聚类算法 9.1 简介 9.2 K-中心点聚类算法原理 9.3 K-中心点聚类算法实例分析 9.4 K-中心点聚类算法源程序分析 9.5 K-中心点聚类算法的特点及应用 9.6 小结 第10章 神经网络聚类方法:SOM 10.1 简介 10.2 竞争学习算法基础 10.3 SOM 算法原理 10.4 SOM 算法实例分析 10.5 SOM算法源程序分析 10.6 SOM算法的特点及应用 10.7 小结 思考题 第11章 数据挖掘的发展 11.1 Web挖掘 11.2 空间数据挖掘 11.3 流数据挖掘 11.4 数据挖掘与可视化技术 11.5 小结 思考题 正文结束 参考文献