數(shù)據(jù)挖掘技術應用實例

前言

21世紀是信息的世紀。信息已經(jīng)和能源、材料一起成為支撐人類社會發(fā)展的三大要素，并顯示出越來越重要的作用。21世紀也是知識的世紀。以知識為主題的許多新研究對象的出現(xiàn)，如知識經(jīng)濟、知識產業(yè)、知識工人、知識管理、知識工程和知識網(wǎng)絡等，豐富了理論研究的內涵，也推動了以網(wǎng)絡為基礎的信息技術向著更高層次發(fā)展。如何實現(xiàn)從信息到知識的轉變呢？數(shù)據(jù)挖掘技術給出了答案。隨著計算機技術、網(wǎng)絡技術以及通訊技術的迅速發(fā)展和普及，信息技術將我們領進入了全新的信息社會。但是隨著信息技術的不斷進步，人們收集數(shù)據(jù)的手段不斷豐富，數(shù)據(jù)庫、數(shù)據(jù)倉庫容量的不斷膨脹，以及Web等新型數(shù)據(jù)源的不斷出現(xiàn)，各種各樣的數(shù)據(jù)已經(jīng)由不同的渠道匯成了浩瀚的海洋。據(jù)不完全統(tǒng)計，1993年全球數(shù)據(jù)存儲容量約為2000TB，到2000年增加到大約300萬TB，到2008年，這一數(shù)字已經(jīng)飆升至上億TB。人們面臨的主要問題已經(jīng)不再是沒有充分的信息可選擇，而是徜徉在如此龐大的信息之中，如何更為有效地利用它們，并且找到蘊含于這些信息之中的有價值的知識寶藏。當前的數(shù)據(jù)庫系統(tǒng)無法發(fā)現(xiàn)隱藏在海量數(shù)據(jù)中的潛在聯(lián)系和規(guī)則，不能根據(jù)現(xiàn)有的數(shù)據(jù)預測未來的發(fā)展趨勢，缺乏挖掘數(shù)據(jù)背后隱藏知識的手段，導致了人們面臨“數(shù)據(jù)豐富而知識匱乏”的現(xiàn)象。因此，在人們需求的呼喚下，數(shù)據(jù)挖掘和知識發(fā)現(xiàn)技術應運而生，并得以在社會生活的各個領域蓬勃發(fā)展。數(shù)據(jù)挖掘推動信息分析處理技術上升到一個更高的階段。比爾·蓋茨曾預計，數(shù)據(jù)挖掘技術將是今后計算機技術發(fā)展的第二大方向。

內容概要

　　《數(shù)據(jù)挖掘技術應用實例》在介紹數(shù)據(jù)挖掘技術理論和算法的基礎上，通過不同領域的應用案例，來說明數(shù)據(jù)挖掘在實際應用中的具體操作方法，以期為讀者提供一個更為廣闊的視角?！稊?shù)據(jù)挖掘技術應用實例》從理論、應用實例和數(shù)據(jù)挖掘的發(fā)展趨勢，以及面臨的機遇和挑戰(zhàn)等方面，對數(shù)據(jù)挖掘技術進行了詳細介紹，其中在應用實例部分分別介紹了數(shù)據(jù)挖掘技術在客戶關系管理、市場營銷、證券領域、電信領域、產品設計、軍事領域以及web數(shù)據(jù)挖掘等方面的應用。　　《數(shù)據(jù)挖掘技術應用實例》可作為企事業(yè)單位信息管理部門以及其他各行各業(yè)的管理者、信息分析人員、數(shù)據(jù)統(tǒng)計人員、市場營銷人員、研究與開發(fā)人員的參考資料，也可作為高等院校信息管理類、數(shù)據(jù)分析類、計算機類等相關專業(yè)的教材和參考書，還可作為高等院校畢業(yè)論文或畢業(yè)設計的參考資料。

書籍目錄

出版說明前言第1章 緒論1.1 數(shù)據(jù)挖掘的基本概念1.1.1 啤酒與尿布1.1.2 什么是數(shù)據(jù)挖掘1.1.3 數(shù)據(jù)挖掘的分類1.1.4 數(shù)據(jù)挖掘的特點和功能1.2 數(shù)據(jù)挖掘的過程1.2.1 數(shù)據(jù)準備1.2.2 數(shù)據(jù)選擇1.2.3 數(shù)據(jù)預處理1.2.4 數(shù)據(jù)挖掘及模式評價1.3 數(shù)據(jù)倉庫和數(shù)據(jù)挖掘1.3.1 數(shù)據(jù)倉庫的概念和特點1.3.2 數(shù)據(jù)集市1.3.3 元數(shù)據(jù)1.3.4 數(shù)據(jù)倉庫和數(shù)據(jù)挖掘的關系1.4 OLAP和數(shù)據(jù)挖掘1.4.1 OLAP的基本概念1.4.2 OLAP的操作1.4.3 OLAP的類別1.4.4 OLAP和0LTP的關系1.4.5 OLAP和數(shù)據(jù)挖掘的關系1.5 數(shù)據(jù)挖掘的應用領域1.6 數(shù)據(jù)挖掘研究現(xiàn)狀1.6.1 商業(yè)應用1.6.2 支持平臺數(shù)據(jù)展現(xiàn)1.6.3 使用成本1.6.4 挖掘算法1.7 本章 小結第2章 數(shù)據(jù)挖掘的常用技術2.1 決策樹2.1.1 決策樹的基本概念2.1.2 決策樹的基本原理2.1.3 決策樹的算法2.1.4 決策樹的優(yōu)勢和劣勢2.2 神經(jīng)網(wǎng)絡2.2.1 神經(jīng)網(wǎng)絡的基本概念2.2.2 神經(jīng)網(wǎng)絡的特征2.2.3 神經(jīng)網(wǎng)絡的分類和學習方式2.2.4 進化計算2.2.5 神經(jīng)網(wǎng)絡的優(yōu)缺點2.3 關聯(lián)規(guī)則2.3.1 關聯(lián)規(guī)則的基本概念2.3.2 經(jīng)典Apriori算法的描述2.3.3 AprioriTid算法2.3.4 FPtree算法2.4 聚類分析2.4.1 聚類分析的基本概念2.4.2 聚類算法簡介2.4.3 孤立點分析2.5 統(tǒng)計學習2.5.1 統(tǒng)計分析綜述2.5.2 貝葉斯學習2.5.3 支撐矢量機2.5.4 回歸分析2.6 模糊集和粗糙集2.6.1 模糊集概述2.6.2 粗糙集概述2.7 本章小結第3章 數(shù)據(jù)挖掘在客戶關系管理中的應用3.1 數(shù)據(jù)挖掘在CRM中的應用現(xiàn)狀3.1.1 CRM的由來3.1.2 CRM系統(tǒng)的研發(fā)現(xiàn)狀3.1.3 數(shù)據(jù)挖掘在CRM中的使用情況3.2 數(shù)據(jù)挖掘在CIW中的應用3.2.1 客戶群體分類3.2.2 客戶盈利能力分析3.2.3 客戶獲取和客戶保持3.2.4 客戶滿意度分析3.3 數(shù)據(jù)挖掘在通信公司CRM應用實例3.3.1 客戶細分模型和挖掘算法選擇3.3.2 數(shù)據(jù)挖掘模型和挖掘步驟3.3.3 結果分析和市場策略制定3.4 本章 小結第4章 數(shù)據(jù)挖掘在市場營銷中的應用4.1 數(shù)據(jù)挖掘在市場營銷中的應用現(xiàn)狀4.1.1 客戶分析4.1.2 產品分析4.1.3 促銷分析4.1.4 改進企業(yè)市場預測機制4.1.5 市場營銷中常用的數(shù)據(jù)挖掘方法4.2 定位模型與設定營銷目標4.3 客戶響應建模、風險建模、客戶流失建模4.3.1 客戶響應建模4.3.2 風險建模4.3.3 客戶流失建模4.4 產品生命周期建模4.5 對模型的驗證與評估4.5.1 模型的驗證4.5.2 對挖掘結果的解釋評估4.6 制定營銷戰(zhàn)略4.7 本章 小結第5章 數(shù)據(jù)挖掘在證券領域中的應用5.1 中國證券市場的特點5.2 證券業(yè)數(shù)據(jù)倉庫的構建5.2.1 證券行業(yè)應用分析5.2.2 證券業(yè)基礎數(shù)據(jù)分析5.2.3 證券業(yè)數(shù)據(jù)倉庫設計與構建5.3 實施數(shù)據(jù)挖掘5.3.1 基于關聯(lián)規(guī)則和模式發(fā)現(xiàn)的客戶行為模型挖掘5.3.2 基于決策樹的客戶流失模型分析5.3.3 基于神經(jīng)網(wǎng)絡的股票行情時間序列模式挖掘5.4 BP網(wǎng)絡預測5.4.1 神經(jīng)網(wǎng)絡模型5.4.2 BP算法5.4.3 利用BP預測股市5.5 本章 小結第6章 數(shù)據(jù)挖掘在電信領域中的應用6.1 電信業(yè)務概述6.2 數(shù)據(jù)挖掘在電信業(yè)中的應用背景6.3 電信業(yè)務系統(tǒng)數(shù)據(jù)挖掘6.3.1 電信系統(tǒng)數(shù)據(jù)挖掘目標6.3.2 電信系統(tǒng)數(shù)據(jù)預處理6.3.3 關聯(lián)規(guī)則挖掘6.3.4 關聯(lián)規(guī)則挖掘算法的選擇與應用6.4 本章 小結第7章 數(shù)據(jù)挖掘在產品設計中的應用7.1.產品設計的概念7.2 產品概念設計的體系結構7.2.1 產品概念設計的內涵7.2.2 產品概念設計的特點7.2.3 產品概念設計的理論及發(fā)展7.2.4 產品概念設計的體系結構7.3 面向產品設計的數(shù)據(jù)挖掘模型7.3.1 數(shù)據(jù)挖掘過程7.3.2 需求分析數(shù)據(jù)挖掘過程的實現(xiàn)7.3.3 功能結構數(shù)據(jù)挖掘過程的實現(xiàn)7.4 產品設計數(shù)據(jù)挖掘實例7.4.1 參數(shù)選擇7.4.2 構造概念樹7.4.3 解釋關系規(guī)則7.4.4 評估與展望7.5 本章 小結第8章 數(shù)據(jù)挖掘在軍事領域中的應用8.1 新軍事變革概述8.2 數(shù)據(jù)挖掘在軍事領域的應用現(xiàn)狀8.2.1 數(shù)據(jù)挖掘在戰(zhàn)場信息融合中的應用8.2.2 數(shù)據(jù)挖掘在軍事通信系統(tǒng)中的應用8.2.3 數(shù)據(jù)挖掘在軍事智能決策中的應用8.2.4 數(shù)據(jù)挖掘在信息作戰(zhàn)中的應用8.3 指揮信息控制系統(tǒng)數(shù)據(jù)挖掘模型8.3.1 指揮信息控制系統(tǒng)的功能需求分析8.3.2 指揮信息控制系統(tǒng)的信息需求分析8.3.3 指揮信息控制系統(tǒng)數(shù)據(jù)挖掘的體系結構8.3.4 指揮信息控制機理及數(shù)據(jù)挖掘過程8.3.5 基于指揮控制系統(tǒng)數(shù)據(jù)挖掘模型指揮控制戰(zhàn)8.4 三維態(tài)勢演播系統(tǒng)數(shù)據(jù)挖掘模型實例8.4.1 二、三維模型數(shù)據(jù)轉換層8.4.2 模型數(shù)據(jù)導入導出及轉化層8.4.3 三維數(shù)據(jù)表現(xiàn)和提取層8.4.4 三維態(tài)勢構造繪制層8.5 本章 小結第9章 Web數(shù)據(jù)挖掘9.1 Web數(shù)據(jù)挖掘的基本概念9.1.1 Web數(shù)據(jù)挖掘的定義9.1.2 Web數(shù)據(jù)挖掘的分類9.2 W.eb數(shù)據(jù)挖掘的應用狀況9.2.1 Web信息分類9.2.2 Web信息抽取9.2.3 數(shù)據(jù)約簡高效算法研究9.3 基于web數(shù)據(jù)挖掘的搜索引擎應用9.3.1 數(shù)據(jù)挖掘在搜索引擎中的使用現(xiàn)狀9.3.2 基于Web數(shù)據(jù)挖掘的搜索引擎建模9.3.3 PageRank技術9.3.4 PageRank算法改進的有效性驗證9.4 本章 小結第10章 數(shù)據(jù)挖掘技術的發(fā)展10.1 數(shù)據(jù)挖掘是不斷發(fā)展的概念10.2 數(shù)據(jù)挖掘面臨的問題10.3 數(shù)據(jù)挖掘的發(fā)展趨勢10.4 本章 小結參考文獻

章節(jié)摘錄

插圖：3.1.1 CRM的由來總體上說，客戶關系管理的產生原因有以下四個：（1）信息技術的發(fā)展。伴隨著網(wǎng)絡技術的迅速普及，電子商務日益成為影響企業(yè)效益的重要因素和產品推向市場的重要手段。電子商務使產品趨向同質化，使市場趨向全球化。（2）市場環(huán)境的變化。進入信息社會的同時，經(jīng)濟也更多地融入了信息元素。在信息經(jīng)濟時代，信息不僅推動了企業(yè)的進步，也讓消費者的消費觀念發(fā)生了變化。（3）市場營銷理論的變化。（4）企業(yè)管理理念的變化。CRM就是基于以上背景產生的，其核心思想是將企業(yè)的客戶（包括最終客戶、分銷商和合作伙伴）作為最重要的企業(yè)資源，企業(yè)通過進行客戶關懷，及時了解客戶的需求，以及建立長期的客戶關系，并通過在全企業(yè)范圍內來強化這一關系，為客戶提供比競爭對手更好的服務，增強客戶的滿意度和忠誠度，促使客戶回頭購買更多的產品，企業(yè)整個業(yè)務也將從每位客戶未來不斷的采購中獲益，實現(xiàn)企業(yè)與客戶雙贏。簡言之，客戶關系管理的本質（見圖3-1）就是在合適的時間，以合適的價格，將合適的產品和服務提供給合適的客戶，以滿足他們的需要。客戶的一般消費行為都是經(jīng)過考慮各種因素，然后作出購買決策的。一個客戶的消費行為模型如圖3-2所示。通用汽車公司總裁杰克·史密斯先生曾經(jīng)說過：“要把所有的一切——全部的資產、決策都集中在客戶身上。他們才是成敗的最終裁判?！?/pre>




編輯推薦
《數(shù)據(jù)挖掘技術應用實例》由機械工業(yè)出版社出版。





圖書封面



圖書標簽Tags
無




評論、評分、閱讀與下載



還沒讀過(58)
勉強可看(422)
一般般(721)
內容豐富(2990)
強力推薦(245)


 


    數(shù)據(jù)挖掘技術應用實例 PDF格式下載