數據挖掘技術套用實例

《數據挖掘技術套用實例》是2009年機械工業出版社出版的圖書，作者是韓秋明、李微、李華鋒。

基本介紹

• 書名：數據挖掘技術套用實例
• 作者：韓秋明 李微 李華鋒
• 出版社：機械工業出版社
• 出版時間：2009年
• 開本：16

內容簡介

《數據挖掘技術套用實例》在介紹數據挖掘技術理論和算法的基礎上，通過不同領域的套用案例，來說明數據挖掘在實際套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。《數據挖掘技術套用實例》從理論、套用實例和數據挖掘的發展趨勢，以及面臨的機遇和挑戰等方面，對數據挖掘技術進行了詳細介紹，其中在套用實例部分分別介紹了數據挖掘技術在客戶關係管理、市場行銷、證券領域、電信領域、產品設計、軍事領域以及web數據挖掘等方面的套用。

《數據挖掘技術套用實例》可作為企事業單位信息管理部門以及其他各行各業的管理者、信息分析人員、數據統計人員、市場行銷人員、研究與開發人員的參考資料，也可作為高等院校信息管理類、數據分析類、計算機類等相關專業的教材和參考書，還可作為高等院校畢業論文或畢業設計的參考資料。

圖書目錄

前言

第1章 緒論

1.1 數據挖掘的基本概念

1.1.1 啤酒與尿布

1.1.2 什麼是數據挖掘

1.1.3 數據挖掘的分類

1.1.4 數據挖掘的特點和功能

1.2 數據挖掘的過程

1.2.1 數據準備

1.2.2 數據選擇

1.2.3 數據預處理

1.2.4 數據挖掘及模式評價

1.3 數據倉庫和數據挖掘

1.3.1 數據倉庫的概念和特點

1.3.2 數據集市

1.3.3 元數據

1.3.4 數據倉庫和數據挖掘的關係

1.4 OLAP和數據挖掘

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的關係

1.4.5 OLAP和數據挖掘的關係

1.5 數據挖掘的套用領域

1.6 數據挖掘研究現狀

1.6.1 商業套用

1.6.2 支持平台數據展現

1.6.3 使用成本

1.6.4 挖掘算法

1.7 本章 小結

第2章 數據挖掘的常用技術

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 決策樹的優勢和劣勢

2.2 神經網路

2.2.1 神經網路的基本概念

2.2.2 神經網路的特徵

2.2.3 神經網路的分類和學習方式

2.2.4 進化計算

2.2.5 神經網路的優缺點

2.3 關聯規則

2.3.1 關聯規則的基本概念

2.3.2 經典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 統計學習

2.5.1 統計分析綜述

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 數據挖掘在客戶關係管理中的套用

3.1 數據挖掘在CRM中的套用現狀

3.1.1 CRM的由來

3.1.2 CRM系統的研發現狀

3.1.3 數據挖掘在CRM中的使用情況

3.2 數據挖掘在CIW中的套用

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 數據挖掘在通信公司CRM套用實例

3.3.1 客戶細分模型和挖掘算法選擇

3.3.2 數據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 數據挖掘在市場行銷中的套用

4.1 數據挖掘在市場行銷中的套用現狀

4.1.1 客戶分析

4.1.2 產品分析

4.1.3 促銷分析

4.1.4 改進企業市場預測機制

4.1.5 市場行銷中常用的數據挖掘方法

4.2 定位模型與設定行銷目標

4.3 客戶回響建模、風險建模、客戶流失建模

4.3.1 客戶回響建模

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 制定行銷戰略

4.7 本章 小結

第5章 數據挖掘在證券領域中的套用

5.1 中國證券市場的特點

5.2 證券業數據倉庫的構建

5.2.1 證券行業套用分析

5.2.2 證券業基礎數據分析

5.2.3 證券業數據倉庫設計與構建

5.3 實施數據挖掘

5.3.1 基於關聯規則和模式發現的客戶行為模型挖掘

5.3.2 基於決策樹的客戶流失模型分析

5.3.3 基於神經網路的股票行情時間序列模式挖掘

5.4 BP網路預測

5.4.1 神經網路模型

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 數據挖掘在電信領域中的套用

6.1 電信業務概述

6.2 數據挖掘在電信業中的套用背景

6.3 電信業務系統數據挖掘

6.3.1 電信系統數據挖掘目標

6.3.2 電信系統數據預處理

6.3.3 關聯規則挖掘

6.3.4 關聯規則挖掘算法的選擇與套用

6.4 本章 小結

第7章 數據挖掘在產品設計中的套用

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 面向產品設計的數據挖掘模型

7.3.1 數據挖掘過程

7.3.2 需求分析數據挖掘過程的實現

7.3.3 功能結構數據挖掘過程的實現

7.4 產品設計數據挖掘實例

7.4.1 參數選擇

7.4.2 構造概念樹

7.4.3 解釋關係規則

7.4.4 評估與展望

7.5 本章 小結

第8章 數據挖掘在軍事領域中的套用

8.1 新軍事變革概述

8.2 數據挖掘在軍事領域的套用現狀

8.2.1 數據挖掘在戰場信息融合中的套用

8.2.2 數據挖掘在軍事通信系統中的套用

8.2.3 數據挖掘在軍事智慧型決策中的套用

8.2.4 數據挖掘在信息作戰中的套用

8.3 指揮信息控制系統數據挖掘模型

8.3.1 指揮信息控制系統的功能需求分析

8.3.2 指揮信息控制系統的信息需求分析

8.3.3 指揮信息控制系統數據挖掘的體系結構

8.3.4 指揮信息控制機理及數據挖掘過程

8.3.5 基於指揮控制系統數據挖掘模型指揮控制戰

8.4 三維態勢演播系統數據挖掘模型實例

8.4.1 二、三維模型數據轉換層

8.4.2 模型數據導入導出及轉化層

8.4.3 三維數據表現和提取層

8.4.4 三維態勢構造繪製層

8.5 本章 小結

第9章 Web數據挖掘

9.1 Web數據挖掘的基本概念

9.1.1 Web數據挖掘的定義

9.1.2 Web數據挖掘的分類

9.2 W.eb數據挖掘的套用狀況

9.2.1 Web信息分類

9.2.2 Web信息抽取

9.2.3 數據約簡高效算法研究

9.3 基於web數據挖掘的搜尋引擎套用

9.3.1 數據挖掘在搜尋引擎中的使用現狀

9.3.2 基於Web數據挖掘的搜尋引擎建模

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 數據挖掘技術的發展

10.1 數據挖掘是不斷發展的概念

10.2 數據挖掘面臨的問題

10.3 數據挖掘的發展趨勢

10.4 本章 小結

參考文獻