《時態數據挖掘算法》介紹了時態數據挖掘算法，內容包括時態數據模型、時態關聯規則模型與算法、時態數據下周期模式、部分周期和近似周期模式算法、時態數據流和時態文本算法，這些算法可用於實際領域中的數據挖掘問題。《時態數據挖掘算法》為大學高年級和研究生教材，及研究人員的參考用書。
基本介紹
- 書名：時態數據挖掘算法
- 出版社：經濟科學出版社
- 頁數：200頁
- 開本：16
- 作者：孟志青 蔣敏
- 出版日期：2014年6月1日
- 語種：簡體中文, 英語
- ISBN：751414398X
基本介紹,內容簡介,作者簡介,圖書目錄,
基本介紹
內容簡介
《時態數據挖掘算法》由經濟科學出版社出版。
作者簡介
蔣敏、孟志青，浙江工業大學經貿管理學院，管理科學與工程專業，已出書《運籌學》經濟科學出版社2013.8，《單目標與多目標條件風險值理論》科學出版社2014.3.姜華，湖南第一師範學院，信息科學與工程系，《現代教育技術—理論與實踐》，中國電力出版社，2009.6，排名第三，21世紀高等學校規劃教材，《現代辦公自動化教程（第二版）》，中國電力出版社，排名第二，2013.7，普通高等教育十二五規劃教材。
圖書目錄
第1章緒論
1.1數據挖掘簡介
1.2時態數據挖掘現狀
1.3時態數據挖掘類型
第2章時態數據與時態關聯規則模型
2.1 時態型和時間粒度的概念及性質
2.2時態事件空間與時態規則模型
2.3時態關聯規則的分類
第3章時態關聯規則算法
3.1單事件相同時態因子內關聯規則挖掘算法
3.2單事件周期時態關聯規則挖掘算法
3.3雙事件時態關聯規則挖掘算法
3.4基於興趣度的時態數據關聯規則挖掘算法
3.5多維多時間粒度關聯規則挖掘算法
3.6小結
第4章時態關聯規則的周期性挖掘算法
4.1周期關聯規則的分類
4.2周期的獲取及表示
4.3一個周期挖掘算法
4.4實驗結果
4.5小結
第5章 多粒度時間下的部分周期挖掘算法
5.1部分周期模型
5.2利用了裁剪的算法（CA）
5.3基於輸入的算法（IA）
5.4數值實驗
5.5小結
第6章基於粗糙集的時態數據挖掘算法
6.1粗糙集理論
6.2時態數據知識表達
6.3基於粗糙集的時態數據挖掘算法
6.4車流量分析上的套用
第7章基於SOM近似周期模式挖掘算法
7.1模型構造
7.2近似周期模式挖掘算法
7.3實驗及結果分析
7.4小結
第8章基於SoM的時態近似周期關聯規則挖掘算法
8.1模型構造
8.2近似周期關聯規則挖掘算法
8.3實驗及結果分析
8.4小結
第9章基於SVM的時態數據回歸算法
9.1加權支持向量回歸機（WSSVR）
9.2基於時態數據的WSSVR預測模型
9.3實驗
9.4小結
第10章基於SVM的時態周期模式算法
10.1支持向量分類機
10.2時態數據周期模型
10.3證券數據的周期發現
10.4小結
第11章時態數據流的增量聚類算法
1 1.1問題描述及其相關概念
11.2算法框架及其描述
11.3算法的性能分析
11.4股票數據上的套用
1 1.5小結
第12章時態文本數據挖掘算法
12.1時態文本預處理
12.2時態文本關聯模型
12.3時態文本關聯規則算法
12.4數值實驗
英文人名翻譯表
參考文獻
致謝
1.1數據挖掘簡介
1.2時態數據挖掘現狀
1.3時態數據挖掘類型
第2章時態數據與時態關聯規則模型
2.1 時態型和時間粒度的概念及性質
2.2時態事件空間與時態規則模型
2.3時態關聯規則的分類
第3章時態關聯規則算法
3.1單事件相同時態因子內關聯規則挖掘算法
3.2單事件周期時態關聯規則挖掘算法
3.3雙事件時態關聯規則挖掘算法
3.4基於興趣度的時態數據關聯規則挖掘算法
3.5多維多時間粒度關聯規則挖掘算法
3.6小結
第4章時態關聯規則的周期性挖掘算法
4.1周期關聯規則的分類
4.2周期的獲取及表示
4.3一個周期挖掘算法
4.4實驗結果
4.5小結
第5章 多粒度時間下的部分周期挖掘算法
5.1部分周期模型
5.2利用了裁剪的算法（CA）
5.3基於輸入的算法（IA）
5.4數值實驗
5.5小結
第6章基於粗糙集的時態數據挖掘算法
6.1粗糙集理論
6.2時態數據知識表達
6.3基於粗糙集的時態數據挖掘算法
6.4車流量分析上的套用
第7章基於SOM近似周期模式挖掘算法
7.1模型構造
7.2近似周期模式挖掘算法
7.3實驗及結果分析
7.4小結
第8章基於SoM的時態近似周期關聯規則挖掘算法
8.1模型構造
8.2近似周期關聯規則挖掘算法
8.3實驗及結果分析
8.4小結
第9章基於SVM的時態數據回歸算法
9.1加權支持向量回歸機（WSSVR）
9.2基於時態數據的WSSVR預測模型
9.3實驗
9.4小結
第10章基於SVM的時態周期模式算法
10.1支持向量分類機
10.2時態數據周期模型
10.3證券數據的周期發現
10.4小結
第11章時態數據流的增量聚類算法
1 1.1問題描述及其相關概念
11.2算法框架及其描述
11.3算法的性能分析
11.4股票數據上的套用
1 1.5小結
第12章時態文本數據挖掘算法
12.1時態文本預處理
12.2時態文本關聯模型
12.3時態文本關聯規則算法
12.4數值實驗
英文人名翻譯表
參考文獻
致謝
