數據挖掘技術與應用（簡體書）

《數據挖掘技術與應用》系統詳細地闡述了數據挖掘產生的背景、技術、多種相關方法及具體應用，主要內容包括數據挖掘概述，數據采集、集成與預處理技術，多維數據分析與組織，預測模型研究與應用，關聯規則模型及應用，聚類分析方法與應用，粗糙集方法與應用，遺傳算法與應用，基于模糊理論的模型與應用，灰色系統理論與方法，基于數據挖掘的知識推理。
《數據挖掘技術與應用》可作為管理科學與工程、信息科學與技術、應用數學等相關專業高年級本科生和研究生的數據倉庫、數據挖掘及知識管理等相關課程的教材或參考資料，同時《數據挖掘技術與應用》有助于相關的專業研究人員提升數據挖掘的技巧和開拓新的研究方向。

第1章 數據挖掘概述
1.1 數據倉庫和數據挖掘定義與解釋
1.1.1 數據倉庫的定義與解釋
1.1.2 數據挖掘的定義與解釋
1.2 數據倉庫系統的相關技術
1.2.1 數據倉庫系統相關技術之間的關系
1.2.2 數據倉庫系統模式
1.3 數據倉庫系統中多維數據組織的形式化定義與描述
1.4 數據挖掘方法與研究體系
1.4.1 數據挖掘系統的發展與結構
1.4.2 數據挖掘的相關技術與工具
1.4.3 數據挖掘應用及發展
1.5 小結
思考題

第2章 數據采集、集成與預處理技術
2.1 數據采集的對象
2.2 數據集成技術與方法
2.2.1 3G與MIS的集成模式
2.2.2 異構數據集成的設計與實現
2.3 數據預處理技術與方法.
2.3.1 數據清理的方法
2.3.2 數據融合的方法
2.3.3 數據變換的方法
2.3.4 數據歸約的方法
2.4 基于樣本數據劃分的通用數據挖掘模型系統
2.5 中間件技術
2.5.1 中間件技術的定義與作用
2.5.2 中間件技術在數據倉庫系統中數據采集的應用
2.6 小結
思考題

第3章 多維數據分析與組織
3.1 多維數據分析概述
3.1.1 聯機分析處理的定義和特點
3.1.2 聯機分析處理的評價準則
3.1.3 多維數據分析的主要概念
3.2 多維數據模型與結構
3.2.1 多維數據的概念模型
3.2.2 多維數據的邏輯模型
3.2.3 多維數據的物理模型
3.3 多維數據分析應用與工具
3.3.1 多維數據分析的基本操作
3.3.2 多維數據分析的工具及特點
3.4 從聯機分析處理到聯機分析挖掘
3.4.1 聯機分析挖掘形成原因
3.4.2 聯機分析挖掘概念及特征
3.5 小結
思考題

第4章 預測模型研究與應用
4.1 預測模型的基礎理論
4.1.1 預測方法的分類
4.1.2 預測方法的一般步驟
4.2 回歸分析預測模型
4.2.1 一元線性回歸預測模型
4.2.2 多元線性回歸預測模型
4.2.3 非線性回歸預測模型
4.3 趨勢外推預測模型
4.3.1 皮爾預測模型
4.3.2 龔珀茲預測模型
4.3.3 林德諾預測模型
4.4 時間序列預測模型
4.4.1 移動平均預測模型
4.4.2 指數平滑預測模型
4.4.3 季節指數預測模型
4.5 基于神經網絡的預測模型
4.6 馬爾可夫預測模型
4.7 小結
思考題

第5章 關聯規則模型及應用
5.1 關聯規則的基礎理論
5.1.1 關聯規則的定義與解釋
5.1.2 關聯規則在知識管理過程中的作
……

第6章 聚類分析方法與應用
第7章 粗糙集方法與應用
第8章 遺傳算法與應用
第9章 基于模糊理論的模型與應用
第10章 灰色系統理論與方法
第11章 基于數據挖掘的知識推理
參考文獻