数据挖掘技术PDF电子书下载

第1章 知识发现与数据挖掘综述 1

1.1 知识发现和数据挖掘的概念 1

1.1.1 定义 1

1.1.2 数据挖掘任务 3

1.1.3 数据挖掘分类 5

1.1.4 数据挖掘对象 6

1.2 数据挖掘方法和技术 8

1.2.1 归纳学习方法 8

1.2.2 仿生物技术 9

1.2.3 公式发现 10

1.2.4 统计分析方法 10

1.2.5 模糊数学方法 11

1.2.6 可视化技术 11

1.3 数据挖掘的知识表示 11

1.3.3 知识基(浓缩数据) 12

1.3.2 决策树 12

1.3.1 规则 12

1.3.4 网络权值 13

1.3.5 公式 13

习题1 14

第2章 基于信息论的数据挖掘方法 15

2.1 信息论原理 15

2.1.1 互信息的计算 15

2.1.2 信道模型 18

2.1.3 信道容量 18

2.1.4 类别译码准则 18

2.2 基于互信息的ID3算法与C4.5算法 19

2.2.1 ID3算法 19

2.2.2 C4.5算法 23

2.3 基于信道容量的IBLE算法 28

2.3.1 IBLE算法 28

2.3.2 IBLE-R算法 32

2.3.3 简例和实例 35

习题2 40

第3章 基于集合论的数据挖掘方法 42

3.1 粗糙集方法 42

3.1.1 粗糙集概念 42

3.1.2 最小属性集 43

3.1.3 获取规则 44

3.1.4 应用实例 45

3.2 概念树方法 48

3.2.1 综述 48

3.2.2 概念树的获取和构造 50

3.2.3 发现特征规则的策略和算法 52

3.3 覆盖正例排斥反例的AQ方法 55

3.3.1 AQ方法的基本概念 55

3.3.2 AQ方法的核心算法 56

3.3.3 AQ方法的应用 60

习题3 62

第4章 关联规则挖掘 63

4.1 关联规则的基本概念 63

4.1.1 基本概念和问题描述 63

4.1.2 关联规则的种类 65

4.1.3 关联规则价值衡量的方法 66

4.2 关联规则挖掘算法 67

4.2.1 频繁集方法 67

4.2.2 基于FP-tree的关联规则挖掘算法 71

4.2.3 多层和多维关联规则的挖掘 72

4.3 基于聚类的周期关联规则发现算法(CCAR) 74

4.3.1 基本概念 74

4.3.2 CCAR算法流程 75

4.3.3 时域数据聚类 77

4.3.4 算法性能分析 78

习题4 78

5.1.1 神经网络的概念 80

第5章 神经网络 80

5.1 神经网络的概念及几何意义 80

5.1.2 神经网络的几何意义 82

5.1.3 线性样本与非线性样本 83

5.2 典型神经网络 85

5.2.1 反向传播模型(BP模型) 85

5.2.2 反馈式Hopfield模型 93

5.3 超曲面神经网络 97

5.3.1 超曲面神经网络的概念 97

5.3.2 径向基函数神经网络 99

5.3.3 超圆神经元模型CC 101

5.3.4 超曲面神经元模型——Cover 109

5.4 模糊神经网络 116

5.4.1 模糊神经网络概述 116

5.4.2 TS模糊神经网络 119

5.4.3 模糊规则获取 120

5.4.4 模糊神经网络预测 125

5.5 神经网络的规则抽取 130

5.5.1 规则抽取的概念 130

5.5.2 规则抽取方法的评价 131

5.5.3 规则抽取示例 133

习题5 134

第6章 遗传算法 137

6.1 综述 137

6.1.1 遗传算法的形成与发展 137

6.1.2 遗传算法的研究现状与方向 138

6.2 遗传算法原理 139

6.2.1 遗传算法处理流程 139

6.2.2 遗传算子 141

6.2.3 遗传算法的理论基础 145

6.2.4 遗传算法的特点 148

6.3.1 适应值函数 149

6.3 基于遗传的优化计算 149

6.3.2 约束条件的处理 151

6.3.3 实例：旅行商问题(TSP) 154

6.4 基于遗传的分类学习系统 155

6.4.1 概述 155

6.4.2 遗传分类器学习系统GCLS的基本原理 155

6.4.3 遗传分类器学习系统GCLS的应用 159

6.5 遗传算法和神经网络的结合 162

6.5.1 引言 162

6.5.2 两种技术结合的可能性 162

6.5.3 基于遗传算法的神经网络计算 163

习题6 166

第7章 公式发现 168

7.1 机器发现概述 168

7.2 BACON系统 169

7.2.1 BACON系统简介 169

7.2.2 BACON系统的应用 170

7.3 FDD公式发现系统 171

7.3.1 FDD.1 171

7.3.2 FDD.2 178

7.3.3 FDD.3 182

习题7 187

第8章 数据挖掘应用 189

8.1 数据挖掘与决策支持 189

8.1.1 数据挖掘辅助决策应用 189

8.1.2 知识发现过程与数据挖掘方法评估 191

8.1.3 数据仓库与数据库的数据挖掘 193

8.2 数据挖掘服务器(DMServer) 195

8.2.1 数据挖掘服务器的结构与功能 195

8.2.2 数据挖掘服务器实现技术 197

8.2.3 数据挖掘服务器的应用前景 205

习题8 205

参考文献 206