數(shù)據(jù)挖掘與管理實踐

內(nèi)容概要

本書對數(shù)據(jù)挖掘技術(shù)及其在管理決策中的應(yīng)用進(jìn)行了較深入的研究。書中重點介紹了聚類分析和關(guān)聯(lián)分析的理論基礎(chǔ)、算法設(shè)計、分析與對比。全書以圖書館現(xiàn)代化管理為主線，探索了如何對管理數(shù)據(jù)實施數(shù)據(jù)挖掘、實現(xiàn)管理決策的全過程，包括數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、數(shù)據(jù)挖掘與分析、挖掘結(jié)果的分析，并提出相應(yīng)的決策建議；根據(jù)一系列應(yīng)用實施過程，總結(jié)出圖書館現(xiàn)代化管理應(yīng)用數(shù)據(jù)挖掘的三層決策構(gòu)架，即數(shù)據(jù)層、技術(shù)層和決策層。    本書適合從事信息分析、數(shù)據(jù)挖掘的人員，企業(yè)和政府部門的管理人員，從事管理學(xué)和情報學(xué)研究的學(xué)者及相關(guān)專業(yè)的研究生閱讀參考。

作者簡介

宋宇辰博士
　　教授，管理科學(xué)與工程學(xué)會(國家一級學(xué)會)理事。主要從事信息技術(shù)、數(shù)據(jù)挖掘領(lǐng)域的教學(xué)和科研工作。2006年10月至2007年10月赴都柏林大學(xué)訪問學(xué)習(xí)。曾出訪歐洲、亞洲、非洲等國。2008年受邀作為專家去津巴布韋等國考察經(jīng)濟管理、信息技術(shù)、礦業(yè)投資環(huán)境。
　　近年來，主持國家社會科學(xué)基金、國家自然科學(xué)基金、教育部春暉計劃等科研項目，參與完成國家和省部級等各類課題10余項。應(yīng)邀參加國際學(xué)術(shù)會議多次，2010年應(yīng)邀主持國際會議分會。在國內(nèi)外期刊上發(fā)表論文多篇，其中被SCI、EI檢索收錄10篇。

書籍目錄

1  概論  1.1  背景    1.1.1  國外研究與應(yīng)用    1.1.2  國內(nèi)研究與應(yīng)用  1.2  意義  1.3  內(nèi)容    1.3.1  聚類分析      1.3.2  關(guān)聯(lián)分析      1.3.3  圖書館數(shù)據(jù)搜集與預(yù)處理    1.3.4  實現(xiàn)數(shù)據(jù)挖掘技術(shù)在圖書館中的應(yīng)用2　數(shù)據(jù)挖掘技術(shù)　2.1  數(shù)據(jù)挖掘系統(tǒng)的組成　2.2  數(shù)據(jù)挖掘的定義　2.3  數(shù)據(jù)挖掘的任務(wù)　2.4  數(shù)據(jù)挖掘的功能    2.4.1  自動預(yù)測趨勢和行為      2.4.2  關(guān)聯(lián)分析    2.4.3  聚類分析      2.4.4  概念描述      2.4.5  偏差檢測  　2.5  數(shù)據(jù)挖掘的實施    2.5.1  數(shù)據(jù)挖掘環(huán)境      2.5.2  數(shù)據(jù)挖掘的過程    2.6  數(shù)據(jù)挖掘的難點    2.6.1  動態(tài)變化的數(shù)據(jù)      2.6.2  噪聲      2.6.3  數(shù)據(jù)不完整      2.6.4  冗余信息      2.6.5  數(shù)據(jù)稀疏    2.6.6  超大數(shù)據(jù)量      2.7  數(shù)據(jù)挖掘的主要應(yīng)用領(lǐng)域3  聚類分析及系統(tǒng)功能  3.1  聚類算法簡介    3.1.1  聚類算法的一般分類    3.1.2  噪聲與孤立點    3.1.3  聚類算法的典型要求　3.2  新聚類算法理論研究    3.2.1  新聚類算法的整體思路      3.2.2  新聚類算法的相關(guān)定義      3.2.3  新聚類算法的算法描述  　3.3  新聚類算法實驗分析    3.3.1  不同尺寸和密度的簇聚類效果實驗    3.3.2  埋藏在“噪聲”中的簇聚類效果實驗    3.3.3  實驗結(jié)果總結(jié)　3.4  新聚類算法系統(tǒng)功能    3.4.1  菜單欄介紹      3.4.2  屬性相關(guān)性檢驗窗口    3.4.3  數(shù)據(jù)標(biāo)準(zhǔn)化窗口      3.4.4  聚類窗口      3.4.5  模式評估窗口　3.5  新聚類算法聚類過程解析    3.5.1  數(shù)據(jù)選擇      3.5.2　數(shù)據(jù)預(yù)處理      3.5.3  數(shù)據(jù)變換　　……4　關(guān)聯(lián)分析與系統(tǒng)功能5　現(xiàn)代化管理中的聚類應(yīng)用6　現(xiàn)代化管理中的關(guān)聯(lián)應(yīng)用7　結(jié)論、建議、展望附錄參考文獻(xiàn)

章節(jié)摘錄

版權(quán)頁：插圖：數(shù)據(jù)挖掘能將涉及圖書館信息系統(tǒng)的各種內(nèi)部數(shù)據(jù)和外部信息匯集起來，經(jīng)過處理和轉(zhuǎn)換，形成集中統(tǒng)一、隨時可用的決策信息，防止因信息不足造成的錯誤決策。利用數(shù)據(jù)挖掘系統(tǒng)對決策假設(shè)進(jìn)行審查和驗證，提高決策的可靠度和可行性，達(dá)到合理利用有限資金、優(yōu)化圖書館資源配置的目的。數(shù)據(jù)挖掘工具可以從歷史數(shù)據(jù)中找出潛在的模式，并在模式的基礎(chǔ)上自動做出預(yù)測，這對啟發(fā)圖書館決策者的創(chuàng)新思維、應(yīng)對信息化社會的挑戰(zhàn)具有重大意義。（2）改善圖書館的服務(wù)模式。數(shù)據(jù)挖掘技術(shù)對圖書館服務(wù)工作的支持主要體現(xiàn)在信息采集和信息咨詢兩個方面。作為信息鏈的第一個關(guān)鍵環(huán)節(jié)，信息采集是圖書館系統(tǒng)高效運轉(zhuǎn)的基礎(chǔ)。隨著出版物的數(shù)量日益增多，載體日益豐富，圖書館信息結(jié)構(gòu)、讀者需求與資金利用的平衡問題越來越不易把握，也令采購工作的決策變得更加復(fù)雜。數(shù)據(jù)挖掘技術(shù)可以在分析內(nèi)部的歷史采購數(shù)據(jù)、讀者數(shù)據(jù)、流通數(shù)據(jù)、反饋信息以及來自外部的各種學(xué)科發(fā)展信息的基礎(chǔ)上深入了解學(xué)科的走勢和讀者的需求，幫助采購人員確定采購重點，保障圖書館信息資源體系的科學(xué)性和合理性。應(yīng)用數(shù)據(jù)挖掘技術(shù)，一方面可使咨詢館員從海量數(shù)據(jù)中分析出事物之間的關(guān)聯(lián)，挖掘出隱藏其中的信息規(guī)律，形成滿足用戶需求的深層次信息產(chǎn)品；另一方面，還可以根據(jù)用戶的歷史咨詢記錄，分析出他們的研究方向和興趣所在，實現(xiàn)主動的個性化信息服務(wù)。（3）分析與確定讀者需求特征。在讀者需求分析活動中，讀者閱讀行為特征一般都建立在調(diào)查研究的基礎(chǔ)上。實際上，讀者閱讀行為完全可以從讀者借閱的大量數(shù)據(jù)中挖掘得到。研究中主要考慮的問題包括：不同讀者閱讀圖書的不同科類、圖書資料最高利用率面向的群體、讀者細(xì)分、讀者身份與閱讀習(xí)慣的關(guān)系。

編輯推薦

《數(shù)據(jù)挖掘與管理實踐》由冶金工業(yè)出版社出版。

圖書封面

圖書標(biāo)簽Tags

無

評論、評分、閱讀與下載

---

    數(shù)據(jù)挖掘與管理實踐 PDF格式下載

---