智能數(shù)據(jù)挖掘與知識發(fā)現(xiàn)

內(nèi)容概要

面對“人們被數(shù)據(jù)淹沒，卻饑渴于知識”的挑戰(zhàn)，數(shù)據(jù)挖掘和知識發(fā)現(xiàn)技術(shù)應(yīng)運而生，并得以蓬勃發(fā)展。數(shù)據(jù)挖掘涉及到人工智能、模式識別、機器學(xué)習(xí)、統(tǒng)計學(xué)等領(lǐng)域，因此，我們把體現(xiàn)當(dāng)代科學(xué)技術(shù)發(fā)展特征的多學(xué)科間的知識交叉及最新成果反映到教材中來，同時本書從智能信息處理及數(shù)據(jù)挖掘兩大主題出發(fā)，著重于介紹將智能信息處理中的最新技術(shù)如何應(yīng)用于數(shù)據(jù)挖掘領(lǐng)域，如智能搜索、分類、聚類和智能決策等。    本書在介紹智能信息處理理論、方法、技術(shù)的基礎(chǔ)上，全面系統(tǒng)地介紹了數(shù)據(jù)挖掘的概念、相關(guān)技術(shù)的原理及應(yīng)用。全書共分9章。第一章主要從整體上介紹數(shù)據(jù)挖掘和知識發(fā)現(xiàn)的基本概念、研究現(xiàn)狀及發(fā)展方向；第二章介紹了數(shù)據(jù)挖掘的理論基礎(chǔ)；第三章詳細論述了用于數(shù)據(jù)挖掘的計算智能方法的理論基礎(chǔ)；第四章論述了神經(jīng)網(wǎng)絡(luò)和進化計算的分類方法；第五章全面論述了支撐矢量機與核分類方法；第六章詳細論述了集成分類方法；第七章系統(tǒng)論述了數(shù)據(jù)挖掘中大規(guī)模數(shù)據(jù)聚類方法；第八章論述關(guān)聯(lián)規(guī)則挖掘方法；第九章介紹數(shù)據(jù)挖掘?qū)嵗翱梢暬?。從第三章后的每一章都給出了所用方法的實驗條件設(shè)置及實驗結(jié)果。    本書可作為高校計算機、信號與信息處理、應(yīng)用數(shù)學(xué)等專業(yè)的高年級本科生或研究生的教材，也可作為從事數(shù)據(jù)挖掘方面研究工作的科技工作者的參考資料。

書籍目錄

第一章 緒論  1.1 數(shù)據(jù)挖掘概述  1.2 數(shù)據(jù)挖掘的分類  1.3 數(shù)據(jù)挖掘研究的公開問題  1.4 國內(nèi)外數(shù)據(jù)挖掘研究現(xiàn)狀  本章參考文獻第二章 KDD的理論基礎(chǔ)  2.1 數(shù)學(xué)理論Ⅰ  2.2 數(shù)學(xué)理論Ⅱ  2.3 機器學(xué)習(xí)理論  2.4 數(shù)據(jù)庫理論  2.5 可視化理論  本章參考文獻第三章 計算智能方法理論基礎(chǔ)  3.1 神經(jīng)網(wǎng)絡(luò)  3.2 進化計算  3.3 免疫克隆計算第四章 基于神經(jīng)網(wǎng)絡(luò)與進化計算的分類  4.1 神經(jīng)網(wǎng)絡(luò)分類  4.2 海量數(shù)據(jù)的組織協(xié)同進化分類算法  4.3 基于免疫克隆算法的特征選擇  本章參考文獻第五章 支撐矢量機與核分類  5.1 統(tǒng)計學(xué)習(xí)理論  5.2 支撐矢量機  5.3 子波核匹配追蹤學(xué)習(xí)機  本章參考文獻第六章 集成分類器  6.1 集成學(xué)習(xí)  6.2 Boosting概述  6.3 Bagging算法  6.4 基于免疫克隆算法的選擇性SVMs集成  6.5 核匹配追蹤分類器集成  本章參考文獻第七章 大規(guī)模數(shù)據(jù)聚類算法第八章 關(guān)聯(lián)規(guī)則挖掘第九章 數(shù)據(jù)挖掘應(yīng)用實例及可視化

圖書封面

圖書標(biāo)簽Tags

無

評論、評分、閱讀與下載

---

    智能數(shù)據(jù)挖掘與知識發(fā)現(xiàn) PDF格式下載

---