《數據挖掘與教學建模》是2010年國防工業出版社出版的圖書，作者是廖芹陳志宏。
基本介紹
- 書名：數據挖掘與教學建模
- 作者：廖芹 陳志宏
- ISBN： 9787118066715
- 定價：39
- 出版社： 國防工業出版社
- 出版時間：2010年02月
- 開本：16
內容簡介,圖書目錄,
內容簡介
《數據挖掘與教學建模》以國際數據挖掘標準流程（GRISP-DM）為依據，以企業管理面臨的現實問題為套用案例，由淺入深介紹數據挖掘方法及其解決問題過程的數據理解、數據處理、數據分析、數學建模、模型結果評估等內容，並引人套用廣泛的數據挖掘Clementine軟體輔助問題案例的解決，使讀者不僅可以集中地學習數據挖據的主要理論方法，而且可以了解基於數據挖掘的數學建模過程，可以學習套用軟體輔助解決問題的操作方法。
《數據挖掘與教學建模》把理論、案例、建模、軟體輔助結合一體統一敘述，簡述理論，突出套用，詳細分析，展示過程，既考慮高校學生的學習需要，分本科生與研究生學習層次，又考慮企業管理者的套用與實踐需要。
《數據挖掘與教學建模》可作為數據挖掘理論與技術的教學、實踐、套用和提高的教科書或參考書。適合高等學校本科高年級學生、研究生以及學習數據挖掘、數學模型課程的學生使用，也適合相關的企業管理與決策支持技術人員使用。
圖書目錄
第1章 數據挖掘與數學建模關係概述
1.1 當前信息化發展的趨勢與面對問題
1.2 數據挖掘發展及其套用
1.3 基於數據挖掘的數學建模
1.4 數據挖掘軟體Clementine的基本操作概述
1.4.1 Clementine數據挖掘的基本思想
1.4.2 Clementine的基本操作方法
參考文獻
第2章 統計分析
2.1 問題概述
2.2 回歸分析及其套用
2.2.1 回歸分析概述
2.2.2 一元線性回歸及其模型建立
2.2.3 多元線性回歸及其建模過程
2.2.4 Clementine輔助多元回歸分析
2.3 二項邏輯回歸
2.3.1 二項邏輯回歸概述
2.3.2 二項邏輯回歸模型
2.3.3 二項邏輯回歸方程中回歸係數的含義
2.3.4 二項邏輯回歸方程的檢驗
2.3.5 Clementine輔助Logistic回歸模型
2.4 主成分分析
2.4.1 主成分分析概述
2.4.2 主成分分析的數學模型
2.4.3 主成分計算步驟及套用
2.5 因子分析
2.5.1 因子分析概述
2.5.2 因子分析的數學模型
2.5 3因子載荷陣的估計方法
2.5.4 因子旋轉
2.5.5 因子得分
2.5.6 因子分析與主成分分析的聯繫與區別
2.6 管理勝任力的案例分析和數學建模
2.6.1 問題提出
2.6.2 數據處理
2.6.3 模型建立
2.6.4 模型檢驗
2.6.5 模型套用
參考文獻
第3章 聚類分析
3.1 問題概述
3.2 聚類分析概述
3.3 基於距離的聚類相似度
3.4 系統聚類法
3.5 C-均值（C-Means）聚類算法
3.6 Clementine輔助K-Means聚類
3.7 模糊聚類
3.7.1 模糊C-Means（FCM）算法
3.7.2 WFCM算法
3.8 聚類有效性
3.8.1 基於可能性分布的聚類有效性函式
3.8.2 基於模糊相關度的聚類有效性函式
3.9 醫療建設評價的案例分析與數學建模
參考文獻
第4章 神經網路及其套用
4.1 問題概述
4.2 神經網路概述
4.3 神經網路的基本模型
4.3.1 神經網路的理論依據
4.3.2 神經網路的組成
4.3.3 感知機模型
4.4 誤差逆傳播神經網路模型
4.4.1 BP神經網路的基本原理
4.4.2 BP神經網路的學習算法
4.4.3 Clementine輔助XOR問題的模型建立
4.5 RBF神經網路
4.5.1 RBF神經網路的基本原理
4.5.2 RBF神經網路的學習算法
4.5.3 新型輪胎性能的RBF神經網路預測
4.6 自組織特徵映射（SOM）神經網路
4.6.1 SOM模型的基本原理
4.6.2 SOM模型的學習算法
4.6.3 Clementine輔助Kohonen模型建立
4.7 神經網路的案例分析與數學建模
4.7.1 城市醫療能力評價的BP神經網路
4.7.2 地下燃氣管網安全風險的綜合評價
4.8 模糊神經網路
4.8.1 模糊基本概念
4.8.2 模糊神經網路概述
4.8.3 模糊神經網路學習算法
4.8.4 食品安全管理主任評價模糊神經網路模型
參考文獻
第5章 決策樹及其套用
5.1 問題概述
5.2 決策樹概述
5.2.1 決策樹基本算法
5.2.2 CLS算法
5.2.3 信息熵
5.3 ID3算法
5.3.1 基本思想
5.3.2 ID3算法套用實例
5.4.4.5 算法
5.4.1 基本思想
5.4.2 基於信息增益率建模的決策樹
5.5 CART算法
5.5.1 基本思想
5.5.2 基於CART算法建模的決策樹
5.6 Clementine輔助決策樹建立
5.7 決策樹的評價標準
5.8 決策樹的剪枝
5.9 決策樹的最佳化
5.10 燃氣管網安全預測案例分析與數學建模
5.11 模糊決策樹
5.11.1 模糊決策樹基本原理
5.11.2 模糊決策樹ID3算法
5.11.3 績效評估的模糊決策樹建立
參考文獻
第6章 關聯分析
6.1 問題概述
6.2 關聯分析概述
6.3 Apriori關聯規則算法
6.4 Clementine輔助Apriori算法實現關聯分析
6.5 基於Apriori算法的改進算法
6.6 基於分類搜尋的關聯規則算法
6.7 基於頻繁樹的關聯規則算法
6.8 關聯規則的推廣
6.8.1 層次關聯規則算法
6.8.2 三種層次關聯規則的算法
6.9 時序關聯規則算法
6.10 Clememtin輔助時序關聯分析
6.11 多值屬性關聯規則算法
6.12 增量關聯規則算法
6.12.1 方法概述
6.12.2 算法描述
……
第7章 遺傳算法
第8章 貝葉斯網路與知識推理
參考文獻
1.1 當前信息化發展的趨勢與面對問題
1.2 數據挖掘發展及其套用
1.3 基於數據挖掘的數學建模
1.4 數據挖掘軟體Clementine的基本操作概述
1.4.1 Clementine數據挖掘的基本思想
1.4.2 Clementine的基本操作方法
參考文獻
第2章 統計分析
2.1 問題概述
2.2 回歸分析及其套用
2.2.1 回歸分析概述
2.2.2 一元線性回歸及其模型建立
2.2.3 多元線性回歸及其建模過程
2.2.4 Clementine輔助多元回歸分析
2.3 二項邏輯回歸
2.3.1 二項邏輯回歸概述
2.3.2 二項邏輯回歸模型
2.3.3 二項邏輯回歸方程中回歸係數的含義
2.3.4 二項邏輯回歸方程的檢驗
2.3.5 Clementine輔助Logistic回歸模型
2.4 主成分分析
2.4.1 主成分分析概述
2.4.2 主成分分析的數學模型
2.4.3 主成分計算步驟及套用
2.5 因子分析
2.5.1 因子分析概述
2.5.2 因子分析的數學模型
2.5 3因子載荷陣的估計方法
2.5.4 因子旋轉
2.5.5 因子得分
2.5.6 因子分析與主成分分析的聯繫與區別
2.6 管理勝任力的案例分析和數學建模
2.6.1 問題提出
2.6.2 數據處理
2.6.3 模型建立
2.6.4 模型檢驗
2.6.5 模型套用
參考文獻
第3章 聚類分析
3.1 問題概述
3.2 聚類分析概述
3.3 基於距離的聚類相似度
3.4 系統聚類法
3.5 C-均值（C-Means）聚類算法
3.6 Clementine輔助K-Means聚類
3.7 模糊聚類
3.7.1 模糊C-Means（FCM）算法
3.7.2 WFCM算法
3.8 聚類有效性
3.8.1 基於可能性分布的聚類有效性函式
3.8.2 基於模糊相關度的聚類有效性函式
3.9 醫療建設評價的案例分析與數學建模
參考文獻
第4章 神經網路及其套用
4.1 問題概述
4.2 神經網路概述
4.3 神經網路的基本模型
4.3.1 神經網路的理論依據
4.3.2 神經網路的組成
4.3.3 感知機模型
4.4 誤差逆傳播神經網路模型
4.4.1 BP神經網路的基本原理
4.4.2 BP神經網路的學習算法
4.4.3 Clementine輔助XOR問題的模型建立
4.5 RBF神經網路
4.5.1 RBF神經網路的基本原理
4.5.2 RBF神經網路的學習算法
4.5.3 新型輪胎性能的RBF神經網路預測
4.6 自組織特徵映射（SOM）神經網路
4.6.1 SOM模型的基本原理
4.6.2 SOM模型的學習算法
4.6.3 Clementine輔助Kohonen模型建立
4.7 神經網路的案例分析與數學建模
4.7.1 城市醫療能力評價的BP神經網路
4.7.2 地下燃氣管網安全風險的綜合評價
4.8 模糊神經網路
4.8.1 模糊基本概念
4.8.2 模糊神經網路概述
4.8.3 模糊神經網路學習算法
4.8.4 食品安全管理主任評價模糊神經網路模型
參考文獻
第5章 決策樹及其套用
5.1 問題概述
5.2 決策樹概述
5.2.1 決策樹基本算法
5.2.2 CLS算法
5.2.3 信息熵
5.3 ID3算法
5.3.1 基本思想
5.3.2 ID3算法套用實例
5.4.4.5 算法
5.4.1 基本思想
5.4.2 基於信息增益率建模的決策樹
5.5 CART算法
5.5.1 基本思想
5.5.2 基於CART算法建模的決策樹
5.6 Clementine輔助決策樹建立
5.7 決策樹的評價標準
5.8 決策樹的剪枝
5.9 決策樹的最佳化
5.10 燃氣管網安全預測案例分析與數學建模
5.11 模糊決策樹
5.11.1 模糊決策樹基本原理
5.11.2 模糊決策樹ID3算法
5.11.3 績效評估的模糊決策樹建立
參考文獻
第6章 關聯分析
6.1 問題概述
6.2 關聯分析概述
6.3 Apriori關聯規則算法
6.4 Clementine輔助Apriori算法實現關聯分析
6.5 基於Apriori算法的改進算法
6.6 基於分類搜尋的關聯規則算法
6.7 基於頻繁樹的關聯規則算法
6.8 關聯規則的推廣
6.8.1 層次關聯規則算法
6.8.2 三種層次關聯規則的算法
6.9 時序關聯規則算法
6.10 Clememtin輔助時序關聯分析
6.11 多值屬性關聯規則算法
6.12 增量關聯規則算法
6.12.1 方法概述
6.12.2 算法描述
……
第7章 遺傳算法
第8章 貝葉斯網路與知識推理
參考文獻
