《數據挖掘算法及其套用研究》結合大量國內外最近幾年數據挖掘的最新資料和作者的研究成果，系統地介紹了數據挖掘算法以及相關的技術及其在一些領域中的套用。《數據挖掘算法及其套用研究》共分2個部分，第1部分介紹數據挖掘算法，包括決策樹算法、貝葉斯網路算法、人工神經網路、支持向量機、關聯規則、聚類分析以及一些數據挖掘的相關技術等。第2部分主要討論數據挖掘的套用研究，包括在信用評估模型中的套用和數據挖掘技術在決策支持系統中的套用。
基本介紹
- 書名：數據挖掘算法及其套用研究
- 出版社：電子科技大學出版社
- 頁數：182頁
- 開本：16
- 品牌：電子科技大學出版社
- 作者：蔡麗艷
- 出版日期：2013年2月1日
- 語種：簡體中文
- ISBN：9787564714819
基本介紹,內容簡介,作者簡介,圖書目錄,
基本介紹
內容簡介
《數據挖掘算法及其套用研究》的讀者可以是對數據挖掘感興趣的計算機專業人士，也可供數據挖掘、機器智慧型、商業數據分析等領域的科技人員和高校師生參考。
作者簡介
蔡麗艷，牡丹江師範學院工學院講師，碩士學位，在省級及國家級期刊發表論文共7篇，參編教材兩部。參與省級教育教學改革工程項目一項，參與牡丹江市科學技術計畫項目一項，主持牡丹江師範學院科學技術計畫項目一項。主要研究領域為資料庫套用、數據挖掘。
圖書目錄
第1章概論
1.1數據挖掘概念及其產生的背景
1.2數據挖掘起源
1.3數據挖掘任務
1.4數據挖掘過程
1.5數據挖掘解決的典型問題
1.6數據挖掘常用工具及開發商
第2章決策樹算法
2.1分類原理
2.2決策樹算法概述
2.3決策樹相關概念及定義
2.4決策樹生成過程
2.5決策樹算法特點
2.6決策樹剪枝技術
2.7決策樹算法國內外研究現狀
2.8 ID3算法
2.9 C4.5算法
2.10 CART算法
2.11 SLIQ算法
2.12 SPRINT算法
2.13 PUBLIC算法
2.14決策樹算法比較
第3章貝葉斯分類算法
3.1貝葉斯分類理論
3.2貝葉斯分類模型
3.3貝葉斯分類模型的改進研究
3.4貝葉斯網路
3.5貝葉斯網路套用實例
第4章人工神經網路算法
4.1基本概念及特徵
4.2人工神經網路的分類
4.3人工神經網路的發展歷史
4.4人工神經元模型
4.5 BP神經網路
4.6 BP神經算法套用實例
第5章支持向量機
5.1 概述
5.2統計學習理論
5.3支持向量機定義
5.4核函式
5.5支持向量機的訓練算法
5.6支持向量機套用實例
第6章關聯規則
6.1關聯規則相關定義及基本概念
6.2 APRIORI算法
6.3從頻繁項集到強關聯規則
6.4提高APRIORI算法的效率
6.5 Web挖掘
第7章聚類分析
7.1 概述
7.2數據結構與數據類型
7.3聚類準則函式
7.4主要聚類算法
7.5 K—means聚類算法
7.6 K—means算法套用實例
第8章數據挖掘相關技術
8.1粗糙集技術
8.2模糊集技術
8.3數據倉庫
第9章數據挖掘在信用評估模型中的套用
9.1我國商業銀行運用數據挖掘技術的必要性
9.2信用的基本概念
9.3信用風險的影響因素
9.4風險評估的特點
9.5信用評估模型的主要套用技術
9.6基於數據挖掘的農戶小額貸款信用評估模型研究
第10章數據挖掘在決策支持系統中的套用
10.1決策支持系統
10.2決策支持系統的主要特徵及功能
10.3智慧型決策支持系統
10.4基於數據挖掘的房地產決策支持系統的開發
參考文獻
1.1數據挖掘概念及其產生的背景
1.2數據挖掘起源
1.3數據挖掘任務
1.4數據挖掘過程
1.5數據挖掘解決的典型問題
1.6數據挖掘常用工具及開發商
第2章決策樹算法
2.1分類原理
2.2決策樹算法概述
2.3決策樹相關概念及定義
2.4決策樹生成過程
2.5決策樹算法特點
2.6決策樹剪枝技術
2.7決策樹算法國內外研究現狀
2.8 ID3算法
2.9 C4.5算法
2.10 CART算法
2.11 SLIQ算法
2.12 SPRINT算法
2.13 PUBLIC算法
2.14決策樹算法比較
第3章貝葉斯分類算法
3.1貝葉斯分類理論
3.2貝葉斯分類模型
3.3貝葉斯分類模型的改進研究
3.4貝葉斯網路
3.5貝葉斯網路套用實例
第4章人工神經網路算法
4.1基本概念及特徵
4.2人工神經網路的分類
4.3人工神經網路的發展歷史
4.4人工神經元模型
4.5 BP神經網路
4.6 BP神經算法套用實例
第5章支持向量機
5.1 概述
5.2統計學習理論
5.3支持向量機定義
5.4核函式
5.5支持向量機的訓練算法
5.6支持向量機套用實例
第6章關聯規則
6.1關聯規則相關定義及基本概念
6.2 APRIORI算法
6.3從頻繁項集到強關聯規則
6.4提高APRIORI算法的效率
6.5 Web挖掘
第7章聚類分析
7.1 概述
7.2數據結構與數據類型
7.3聚類準則函式
7.4主要聚類算法
7.5 K—means聚類算法
7.6 K—means算法套用實例
第8章數據挖掘相關技術
8.1粗糙集技術
8.2模糊集技術
8.3數據倉庫
第9章數據挖掘在信用評估模型中的套用
9.1我國商業銀行運用數據挖掘技術的必要性
9.2信用的基本概念
9.3信用風險的影響因素
9.4風險評估的特點
9.5信用評估模型的主要套用技術
9.6基於數據挖掘的農戶小額貸款信用評估模型研究
第10章數據挖掘在決策支持系統中的套用
10.1決策支持系統
10.2決策支持系統的主要特徵及功能
10.3智慧型決策支持系統
10.4基於數據挖掘的房地產決策支持系統的開發
參考文獻
