數(shù)據(jù)挖掘算法與應(yīng)用

前言

　　20世紀(jì)末，數(shù)據(jù)挖掘技術(shù)在發(fā)達(dá)國家工業(yè)界如雨后春筍般地發(fā)展起來，這一方面是由于數(shù)據(jù)挖掘算法經(jīng)歷了多年的發(fā)展，已經(jīng)到了瓜熟蒂落的階段；另一方面，也是由于計(jì)算機(jī)，特別是互聯(lián)網(wǎng)的普遍使用，使得數(shù)字型的數(shù)據(jù)產(chǎn)生更為方便、傳播也更為迅速，造成各專業(yè)公司積累了極其大量的數(shù)據(jù)，遠(yuǎn)遠(yuǎn)超過了人類的手工處理能力，于是計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)順理成章地成了各專業(yè)公司首要選擇。作者當(dāng)時身處美國硅谷工業(yè)界，曾親手開發(fā)過數(shù)據(jù)挖掘的產(chǎn)品，親身感受了這種來自應(yīng)用的需求和推動的巨大力量。. 本書的應(yīng)用部分也涉及一些金融方面的內(nèi)容，介紹了最近幾年一些金融數(shù)據(jù)挖掘方面的問題。本書是作者的另一本書籍《網(wǎng)絡(luò)..

內(nèi)容概要

數(shù)據(jù)挖掘是一個涉及數(shù)據(jù)庫技術(shù)、計(jì)算智能、統(tǒng)計(jì)學(xué)、模式識別等多個學(xué)科的領(lǐng)域。目前，數(shù)據(jù)挖掘已經(jīng)在各行各業(yè)有了非常廣泛的應(yīng)用。     本書綜合了大量國內(nèi)外的最新資料和作者的研究成果，系統(tǒng)地介紹了數(shù)據(jù)挖掘算法、相關(guān)技術(shù)及其金融數(shù)據(jù)上的應(yīng)用。在緒論之后，全書從結(jié)構(gòu)上分為3篇。第1篇具體介紹了數(shù)據(jù)挖掘的主要算法，包括決策樹算法、神經(jīng)網(wǎng)絡(luò)算法、基因算法、基本統(tǒng)計(jì)分析方法、貝葉斯網(wǎng)絡(luò)算法、支持向量機(jī)方法等。第2篇主要討論數(shù)據(jù)挖掘的相關(guān)技術(shù)，包括數(shù)據(jù)倉庫技術(shù)、模糊處理技術(shù)、粗糙集技術(shù)以及目標(biāo)優(yōu)化技術(shù)。第3篇探討了一些數(shù)據(jù)挖掘的應(yīng)用專題，包括互聯(lián)網(wǎng)金融信息搜索引擎、互聯(lián)網(wǎng)信息流時間序列挖掘等問題。     本書的讀者可以是對金融應(yīng)用感興趣的計(jì)算機(jī)專業(yè)人士，也可以是對計(jì)算機(jī)和互聯(lián)網(wǎng)感興趣的金融專業(yè)人士。它可供數(shù)據(jù)挖掘、機(jī)器智能、金融數(shù)據(jù)分析等領(lǐng)域的科技人員和高校師生參考。

書籍目錄

第1章 概論　1.1 數(shù)據(jù)挖掘的定義和范疇　1.2 數(shù)據(jù)及其度量　1.3 數(shù)據(jù)挖掘的過程　1.4 數(shù)據(jù)挖掘的任務(wù)和建?！?.5 數(shù)據(jù)挖掘的算法　1.6 聚類分析　1.7 分類　1.8 主模式提取和孤立點(diǎn)挖掘　1.9 數(shù)據(jù)挖掘的應(yīng)用　1.10 數(shù)據(jù)挖掘的軟件及開發(fā)商　1.11 展望第1篇 數(shù)據(jù)挖掘算法　第2章 決策樹算法　　2.1 決策樹基本算法　　2.2 ID3算法　　2.3 C4.5算法　　2.4 CART、算法　　2.5 SLIQ算法　　2.6 SPRINT算法　第3章 神經(jīng)網(wǎng)絡(luò)算法　　3.1 概述　　3.2 人工神經(jīng)元和單層神經(jīng)網(wǎng)絡(luò)　　3.3 多層感知器和反向傳播算法　　3.4 多層神經(jīng)網(wǎng)絡(luò)算法分析　　3.5 改進(jìn)反向傳播的一些實(shí)用技術(shù)　　3.6 徑向基函數(shù)網(wǎng)絡(luò)　　3.7 競爭學(xué)習(xí)和側(cè)抑制　　3.8 自組織特征圖　　3.9 反饋網(wǎng)絡(luò)　　3.10 隨機(jī)算法和Boltzmann網(wǎng)絡(luò)　　3.11 神經(jīng)網(wǎng)絡(luò)在金融市場中的應(yīng)用　第4章 基因算法　　4.1 基因算法的基本原理　　4.2 基因算法分析　　4.3 基因算法應(yīng)用舉例　　4.4 小結(jié)　第5章 基本統(tǒng)計(jì)分析方法　　5.1 正態(tài)分布參數(shù)的假設(shè)檢驗(yàn)和區(qū)間估計(jì)　　5.2 兩組數(shù)據(jù)的比較　　5.3 二維數(shù)據(jù)檢驗(yàn)　　5.4 回歸分析　　5.5 方差分析　　5.6 互聯(lián)網(wǎng)股市信息強(qiáng)度的統(tǒng)計(jì)分類及其在股價波動上的預(yù)測　第6章 貝葉斯網(wǎng)絡(luò)方法　　6.1 主觀概率　　6.2 貝葉斯定理、先驗(yàn)和后驗(yàn)　　6.3 beta分布和Dirichlet分布　　6.4 貝葉斯網(wǎng)絡(luò)　　6.5 貝葉斯網(wǎng)絡(luò)學(xué)習(xí)　　6.6 不完全數(shù)據(jù)情形下的學(xué)習(xí)　　6.7 貝葉斯網(wǎng)絡(luò)有監(jiān)督學(xué)習(xí)　　6.8 貝葉斯網(wǎng)絡(luò)無監(jiān)督學(xué)習(xí)　第7章 支持向量機(jī)　　7.1 概述　　7.2 線性可分問題的SVM方法　　7.3 線性不可分問題的SVM方法　　7.4 核函數(shù)　　7.5 libSVM仿真平臺　　7.6 支持向量機(jī)方法在識別偽造信用卡中的應(yīng)用　第8章 其他數(shù)據(jù)挖掘方法　　8.1 主成分分析　　8.2 近鄰法　　8.3 期望值最大化方法　　8.4 隱Markov模型　　8.5 K-均值聚類　　8.6 K-中心點(diǎn)算法　　8.7 關(guān)聯(lián)規(guī)則挖掘第2篇 數(shù)據(jù)挖掘相關(guān)技術(shù)　第9章 數(shù)據(jù)倉庫　　9.1 概述　　9.2 數(shù)據(jù)倉庫設(shè)計(jì)　　9.3 聯(lián)機(jī)分析處理　　9.4 數(shù)據(jù)倉庫應(yīng)用舉例　第10章 模糊處理技術(shù)　　10.1 特征函數(shù)和隸屬度函數(shù)　　10.2 λ截集　　10.3 模型識別　　10.4 模糊關(guān)系　　10.5 模糊聚類　第11章 粗糙集技術(shù)　　11.1 概述　　11.2 不可分辨關(guān)系　　11.3 下近似和上近似　　11.4 近似精度、粗糙集隸屬函數(shù)　　11.5 模糊集與粗糙集　　11.6 粗糙集技術(shù)在數(shù)據(jù)挖掘中的應(yīng)用　第12章 目標(biāo)優(yōu)化技術(shù)　　12.1 概述　　12.2 無約束非線性規(guī)劃　　12.3 有約束非線性規(guī)劃　　12.4 大規(guī)模優(yōu)化問題的分解算法第3篇 數(shù)據(jù)挖掘應(yīng)用　第13章 互聯(lián)網(wǎng)數(shù)據(jù)挖掘　　13.1 互聯(lián)網(wǎng)數(shù)據(jù)挖掘的分類和特點(diǎn)　　13.2 互聯(lián)網(wǎng)金融數(shù)據(jù)挖掘　　13.3 互聯(lián)網(wǎng)金融數(shù)據(jù)挖掘和金融市場的關(guān)系　第14章 互聯(lián)網(wǎng)金融信息搜索引擎　　14.1 概述　　14.2 金融定點(diǎn)收割引擎　　14.3 金融爬蟲搜索引擎　　14.4 金融信息搜索引擎應(yīng)用實(shí)例　　14.5 搜索引擎定價　第15章 互聯(lián)網(wǎng)信息流時間序列挖掘　　15.1 金融信息流概述　　15.2 時間序列的統(tǒng)計(jì)模型　　15.3 時間序列模式的挖掘　　15.4 互聯(lián)網(wǎng)金融信息流時間序列　　15.5 互聯(lián)網(wǎng)金融信息流強(qiáng)度時間序列挖掘問題參考文獻(xiàn)

編輯推薦

　　《數(shù)據(jù)挖掘算法與應(yīng)用》分為數(shù)據(jù)挖掘算法、數(shù)據(jù)挖掘相關(guān)技術(shù)、數(shù)據(jù)挖掘應(yīng)用三個部分?！稊?shù)據(jù)挖掘算法與應(yīng)用》適合對金融應(yīng)用感興趣的計(jì)算機(jī)專業(yè)人士，也可以是對計(jì)算機(jī)和互聯(lián)網(wǎng)感興趣的金融專業(yè)人士?！稊?shù)據(jù)挖掘算法與應(yīng)用》的讀者可以是對金融應(yīng)用感興趣的計(jì)算機(jī)專業(yè)人士，也可以是對計(jì)算機(jī)和互聯(lián)網(wǎng)感興趣的金融專業(yè)人士。它可供數(shù)據(jù)挖掘、機(jī)器智能、金融數(shù)據(jù)分析等領(lǐng)域的科技人員和高校師生參考。

圖書封面

圖書標(biāo)簽Tags

無

評論、評分、閱讀與下載

---

    數(shù)據(jù)挖掘算法與應(yīng)用 PDF格式下載

---