数据挖掘技术PDF电子书下载

前言 1

第1章 数据挖掘综述 1

1.1 数据挖掘的研究历史和现状 1

1.2 数据挖掘定义 2

1.2.1 技术角度的定义 2

1.2.2 商业角度的定义 3

1.2.3 数据挖掘与传统分析方法的区别 3

1.2.4 数据挖掘和数据仓库 4

1.2.5 数据挖掘和在线分析处理 4

1.2.6 数据挖掘、机器学习和统计 5

1.2.7 软硬件发展对数据挖掘的影响 5

1.3 数据挖掘研究内容 6

1.3.1 数据挖掘所发现的知识 6

1.3.2 数据挖掘的功能 7

1.3.3 数据挖掘常用技术 8

1.3.4 数据挖掘中的数据仓库 16

1.4 数据挖掘系统工作原理 19

1.4.1 数据挖掘系统结构 19

1.4.2 数据挖掘流程 22

1.5 小结 24

习题1 24

第2章 从数理统计到数据挖掘 25

2.1 数理统计与数据挖掘的关系 25

2.1.1 数理统计的性质 25

2.1.2 数据挖掘的性质 27

2.1.3 从数理统计到数据挖掘 28

2.2 数理统计与数据库技术的结合 29

2.3 回归分析的基本概念 30

2.4 线性回归方程 32

2.5 线性相关的显著性检验 33

2.5.1 线性回归的方差分析 33

2.5.2 相关系数的显著性检验 35

2.6 非线性回归分析 36

2.6.1 化非线性回归为线性回归 36

2.6.2 多项式回归 37

2.7 多元线性回归分析 37

2.7.1 多元线性回归方程 37

2.7.2 多元线性回归的方差分析 38

2.8 一般情况下的回归分析 40

2.8.1 一般情况下的回归方程 40

2.8.2 一般情况下的参数估计 41

2.9 逐步回归分析的软件设计 41

2.10 锻模设计准则的制定 42

2.10.1 研究的内容 42

2.10.2 资料收集与数据处理 42

2.10.3 飞边尺寸设计准则的制定 44

2.10.4 飞边金属消耗设计准则的制定 47

2.11 小结 50

习题2 50

第3章 语义网络挖掘及其应用 53

3.1 语义网络概念 53

3.1.1 概述 53

3.1.2 知识的表示 53

3.1.3 搜索原理 56

3.1.4 语义网络及其特性 58

3.1.5 语义网络的推理及其特点 64

3.2 语义网络挖掘原理 67

3.2.1 概述 67

3.2.2 归纳学习中的实例学习 69

3.2.3 类比学习 70

3.3 基于AutoCAD的注塑模架设计专家系统 71

3.3.1 注塑模架设计专家系统总体方案设计 71

3.3.2 模架设计专家系统的组成 75

3.3.3 系统模架生成模块的设计 84

3.3.4 系统数据库模块的设计 89

3.3.5 注塑模架CAD设计系统的实现 96

3.4 小结 100

习题3 101

第4章 智能体挖掘及其应用 104

4.1 智能体概念 104

4.1.1 概述 104

4.1.2 分布式问题求解 104

4.1.3 面向对象表示法 105

4.1.4 智能体及其特性 110

4.1.5 一种复合式智能体结构 111

4.1.6 智能体的协调与协作 112

4.2 智能体挖掘原理 113

4.2.1 概述 113

4.2.2 对多智能体系统建模 113

4.2.3 学习算法的收敛性证明 115

4.2.4 结论 116

4.3 基于智能对象和模糊推理的注塑模普通浇注系统 116

4.3.1 普通浇注系统模糊规则的提取 116

4.3.2 注塑模普通浇注系统的设计及实现 118

4.3.3 系统设计实例 136

4.4 小结 142

习题4 142

第5章 分类挖掘及其应用 144

5.1 分类概念 144

5.1.1 概述 144

5.1.2 分类预处理 145

5.2 分类挖掘算法 146

5.2.1 决策树分类 146

5.2.2 贝叶斯分类 147

5.2.3 基于关联规则分类 148

5.2.4 基于数据库技术分类 148

5.2.5 基于支持向量机分类 149

5.2.6 基于AIS模型分类算法 149

5.3 人工免疫算法及其在故障诊断中的应用 150

5.3.1 人工免疫算法 150

5.3.2 基于否定选择算法的故障诊断方法 160

5.3.3 基于克隆变异机理的故障诊断方法研究 170

5.4 小结 176

习题5 177

第6章 预测挖掘及其应用 179

6.1 预测概念 179

6.1.1 概述 179

6.1.2 预测的步骤 179

6.2 预测挖掘算法 180

6.2.1 技术（统计）预测 180

6.2.2 信息预测 183

6.2.3 拟合预测 185

6.2.4 传统预测方法之比较 186

6.2.5 智能预测方法 187

6.3 基于遗传算法的模糊优化算法及其在预测挖掘中的应用 187

6.3.1 模糊优化理论与方法 187

6.3.2 基于遗传算法的模糊优化系统 200

6.3.3 模糊优化算法在预测挖掘中的应用 215

6.4 小结 236

习题6 239

第7章 复杂类型数据挖掘及其应用 241

7.1 数据挖掘未来研究方向 241

7.2 复杂类型数据挖掘 241

7.2.1 网站数据挖掘（Websitedatamining） 241

7.2.2 文本数据挖掘（Textualmining） 249

7.2.3 语音数据挖掘 252

7.2.4 空间数据挖掘 263

7.2.5 图像数据挖掘 270

7.3 数据挖掘应用 272

7.3.1 超市布局 272

7.3.2 客户关系管理 272

7.3.3 天文数据分析 274

7.3.4 欺诈甑别 275

7.4 数据挖掘的技术、经济及社会因素 275

7.5 小结 276

习题7 276

参考文献 280