数据挖掘原理、算法及应用

第1章　绪论
　1.1 数据挖掘的概念和定义
　1.2 数据挖掘的历史及发展
　1.3 数据挖掘的研究内容及功能
　1.4 数据挖掘的常用技术及工具
　1.5 数据挖掘的应用热点
　1.6 小结
　习题
第2章　数据预处理
　2.1 数据预处理的目的
　2.2 数据清理
　2.3 数据集成和数据变换
　2.4 数据归约
　2.5 数据离散化和概念分层
　2.6 特征选择与提取
　2.7 小结
　习题
第3章　关联规则挖掘
　3.1 基本概念
　3.2 关联规则挖掘算法
　3.3 Apriori改进算法
　3.4 不候选产生挖掘频繁项集
　3.5 使用垂直数据格式挖掘频繁项集
　3.6 挖掘闭频繁项集
　3.7 挖掘各种类型的关联规则
　3.8 相关分析
　3.9 肇于约束的关联规则
　3.10 矢量空间数据库中关联规则的挖掘
　3.11 小结
　习题
第4章　分类和预测
　4.1 分类和预测的基本概念和步骤
　4.2 基于相似性的分类算法
　4.3 决策树分类算法
　4.4 贝叶斯分类算法
　4.5 人工神经网络(ANN)
　4.6 支持向量机
　4.7 预测
　4.8 预测和分类中的准确率
　4.9 评估分类器或预测器的准确率
　4.10 小结
　习题
第5章　聚类方法
　5.1 概述
　5.2 划分聚类方法
　5.3 层次聚方法
　5.4 密度聚类方法 聚类结构
　5.5 基于网格聚类方法 变换聚类 聚类方法
　5.6 神经网络聚类方法：SOM
　5.7 异常检测
　5.8 小结
　习题
第6章　时间序列数据挖掘
　6.1 概述
　6.2 时间序列数据建模
　6.3 时间序列预测
　6.4 时间序列数据库相似搜索
　6.5 从时间序列数据中发现感兴趣模式
　6.6 小结
　习题
第7章　Web挖掘
　7.1 挖掘的分类及基数据来源
　7.2 Web日志挖掘
　7.3 Web内容挖掘
　7.4 小结
　习题
第8章　复杂类型数据挖掘
　8.1 空间数据挖掘 空间OLAP
　8.2 文本数据挖掘
　8.3 多媒体数据挖掘 遥感影像分类
　8.4小结
　习题
参考文献