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

1.1 数据挖掘的社会需求1

第1章 导论1

1.2 什么是数据挖掘2

1.3 数据挖掘的数据来源4

1.4 数据挖掘的分类5

1.4.1 分类分析（ClassificationAnalysis）6

1.4.2 聚类分析（ClusteringAnalysis）7

1.4.3 关联分析（AssociationAnalysis）8

1.4.4 序列分析及时间序列（SequenceAnalysisandTimeSequence）10

1.4.5 孤立点分析（OutlierAnalysis）10

1.5 数据挖掘的体系结构与运行过程11

1.5.1 数据挖掘的体系结构11

1.4.6 其他分析11

1.5.2 数据挖掘的步骤13

1.5.3 实例15

1.6 数据挖掘与其他相关技术16

1.6.1 数据挖掘与数据库中的知识发现16

1.6.2 数据挖掘与OLAP17

1.6.3 数据挖掘与人工智能和机器学习18

1.6.4 数据挖掘与统计学19

1.6.5 数据挖掘与客户关系管理20

1.6.6 软硬件发展对数据挖掘的影响21

1.6.7 XML与面向Web的数据挖掘技术22

1.7 数据挖掘工具的评价标准26

1.8 数据挖掘的应用27

1.9 数据挖掘的要求及挑战29

第2章 数据仓库技术31

2.1 数据仓库概述31

2.1.1 数据仓库的定义31

2.1.2 数据仓库查询系统31

2.1.3 OLTP与OLAP32

2.1.4 数据仓库与数据集市33

2.1.5 数据仓库系统的结构34

2.1.6 数据仓库中的元数据管理35

2.2 联机分析处理（OLAP）38

2.2.1 OLAP的功能及体系结构38

2.2.2 OLAP数据组织模型39

2.2.3 数据仓库的建模42

2.2.4 OLAP的Web结构44

2.2.5 OLAP数据查询机制45

2.3 多维数据模型45

2.3.1 数据模型46

2.3.2 代数操作49

2.3.3 数据集合维护操作54

2.4 海威数据仓库系统简介55

2.4.1 HighwayDecisionCenterV1.0系统结构55

2.4.2 HighwayDecisionCenterV2.0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62

2.5.2 贷款分析64

3.1 概论68

第3章 数据挖掘中的数据预处理68

3.1.1 预处理的基本功能69

3.1.2 预处理的主要方法70

3.2 数字属性的离散化与特征选择73

3.2.1 Chi2算法简介73

3.2.2 举例75

3.2.3 讨论76

3.3 数据的采样77

3.3.1 数据挖掘不同领域中的采样78

3.3.2 数据挖掘中的采样方法79

3.3.3 静态与动态采样79

3.4 概念分层81

3.4.1 数据库中的面向属性的归纳81

3.4.2 概念分层的动态提炼85

3.4.3 针对数字属性的概念分层的自动产生88

第4章 关联规则91

4.1 关联规则挖掘的基本概念91

4.2 关联规则的发现算法93

4.2.1 发现大的项集93

4.2.2 算法Apriori94

4.2.3 算法AprioriTid96

4.2.4 算法AprioriHybrid97

4.2.5 生成规则98

4.3 多值属性关联规则99

4.3.1 基本概念99

4.3.3 确定多值属性划分的聚类算法CP100

4.3.2 MAQA算法100

4.3.4 合并数量属性的相邻值102

4.4 多层关联规则挖掘103

4.4.1 概念层次（ConceptualHierarchies）103

4.4.2 同层（SameHierarchy）关联规则挖掘104

4.4.3 混合层（MixedHierarchies）关联规则挖掘109

4.4.4 交叉层（CrossHierarchies）关联规则挖掘111

4.5 约束性关联规则发现方法及算法115

4.5.1 问题陈述115

4.5.2 过滤事务数据库115

4.5.3 算法Separate117

4.5.4 扩展的约束条件120

4.6 关联规则的增量式更新算法121

4.6.1 IUA算法122

4.6.2 PIUA算法125

第5章 数据分类126

5.1 决策树基本算法128

5.1.1 决策树生成算法128

5.1.2 决策树的修剪130

5.2 决策树ID3132

5.2.1 基本概念132

5.2.2 定义134

5.2.3 ID3算法135

5.3 决策树学习算法C4.5136

5.3.1 使用增益比例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（CrossValidation）138

5.3.6 C4.5 的工作流程139

5.4 分类与回归树（CART）140

5.4.1 基本定义141

5.4.2 构建树算法143

5.4.3 修剪（Pruning）145

5.4.4 决策树评估（Estimation）148

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

5.5.2 SLIQ分类器153

5.5.1 扩展性问题153

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162

5.6.1 串行算法163

5.6.2 分类并行化167

第6章 多维访问与数据可视化170

6.1 多维访问方法170

6.1.1 引言170

6.1.2 空间数据的结构171

6.1.3 基本的数据结构175

6.2 R－树及R*树：空间搜索的动态索引树178

6.2.1 R－树的索引结构178

6.2.2 搜索及更新180

6.2.3 ChooseSubtree算法184

6.2.4 R*树的分裂185

6.2.5 强迫重插入186

6.2.6 R*树：一个有效的点存取方法187

6.3 多维数据的平行坐标表示法188

6.4 圆形分段及基于相似性的排列191

6.4.1 圆形分段：一种大数据量多维数据可视化技术191

6.4.2 基于相似性原理的多维数据排列的可视化技术193

第7章 聚类分析197

7.1 基础知识201

7.1.1 距离与相似系数203

7.1.2 聚类的特征与聚类间的距离205

7.2 分层聚类法206

7.2.1 最短距离法207

7.2.2 最长距离法209

7.2.3 中间距离法210

7.2.4 其他方法213

7.3 分割聚类算法CLARANS216

7.3.1 PAM算法216

7.3.2 CLARA算法217

7.3.3 基于随机搜索的聚类算法CLARANS218

7.4 聚类算法k-means及k-modes219

7.4.1 k-means算法219

7.4.2 改进的k-means算法221

7.4.3 大型离散数据集的快速聚类算法224

7.5 高维度数据的自动子空间聚类算法CLIQUE228

7.5.1 问题描述229

7.5.2 算法231

7.6 OPTICS：识别聚类结构的对象排序236

7.6.1 根据聚类结构对数据库排序237

7.6.2 识别聚类结构243

7.6.3 自动化技术248

7.7 利用分层的平衡迭代归约及聚类253

7.7.1 聚类特征（ClusteringFeature）及CF－树254

7.7.2 CF－树重建算法258

7.7.3 BIRCH聚类算法260

7.7.4 阶段1的算法260

7.7.5 阶段2的算法262

7.7.6 阶段3的算法263

7.7.7 阶段4的算法264

7.7.8 内存管理及时间复杂性分析265

7.8 大型数据集中孤立点挖掘的高效算法266

7.8.1 问题定义266

7.8.2 嵌入式循环及基于索引的算法268

7.8.3 基于分区的算法271

第8章 序列模式与时间序列277

8.1 序列模式的数据挖掘277

8.1.1 基本定义277

8.1.2 序列模式的发现279

8.1.3 序列阶段281

8.2 时序数据库中相似序列的挖掘288

8.2.1 基于ARMA模型的序列匹配方法289

8.2.2 基于离散傅里叶变换的时间序列相似性快速查找291

8.2.3 基于规范变换的查找方法294

8.3 在数据库中发现具有时态约束的关联规则298

8.3.1 问题描述298

8.3.2 带时态约束的关联规则发现算法299

第9章 开放式的数据挖掘系统303

9.1 OLEDBForDataMining303

9.1.1 OLEDBForDataMining简介303

9.1.2 OLEDBForDataMining编程基础304

9.2 可预测模型描述语言（PMML）308

9.2.1 简介308

9.2.2 一个简单的PMML例子309

9.3.2 产品目标310

9.3.1 背景310

9.3 产品简介310

9.4 系统结构311

9.4.1 用于OLAP系统的数据挖掘应用系统结构311

9.4.2 基于B/S结构的应用框架313

9.4.3 逻辑模块结构设计313

9.5 Web服务技术316

9.6 输入和输出317

9.6.1 系统输入：OLTP、OLAP及其他317

9.6.2 利用可视化技术构造可理解的知识展现317

9.7 应用模式318

9.8 现状与前景319

参考文献320