第一章 大数据时代数据挖掘 1
第一节 大数据概念 1
第二节 大数据的现状与挑战 3
第三节 数据挖掘形式与特点 18
第二章 大数据中数据获取的研究 23
第一节 数据获取组件分析 23
第二节 数据获取探针的原理解析 31
第三节 网页及日志的采集 38
第四节 数据分发中间件的作用 60
第三章 数据的可视化分析 68
第一节 大数据与图形分析 68
第二节 变量分布特征的可视化分析 75
第三节 GIS数据的大数据可视化 84
第四节 文本词频数据的可视化 87
第四章 基于R语言的数据挖掘的起步分析 90
第一节 R的数据对象与类型 90
第二节 R的向量、矩阵和数组分析 92
第三节 R数据对象的相互转换 108
第五章 基于R中的聚类分析和判别分析 116
第一节 多种聚类分析的异同 116
第二节 R实现KNN聚类分析 121
第三节 使用R实现系统聚类 125
第四节 使用R实现快速聚类 127
第五节 多种判别分析模型综述 130
第六章 数据挖掘中的模式甄别与网络分析 137
第一节 模式甄别方法和及评价 137
第二节 模式甄别的监督侦测方法 142
第三节 网络节点重要性的测度 147
第四节 网络子群构成特征研究 154
第五节 主要的网络类型特点 162
第七章 知识图谱与图数据挖掘 171
第一节 知识图谱的构建与应用 171
第二节 基于图论的图数据检索方法研究 190
第三节 基于图论的图数据挖掘方法研究 194
第八章 大数据时代机器学习和数据挖掘的对比分析 204
第一节 大数据时代机器学习和数据挖掘的联系与区别 204
第二节 大数据时代机器学习的方式与类型 205
第三节 大数据时代机器学习与数据挖掘应用解析 209
第四节 大数据时代深度学习的实践与发展 211
第九章 数据挖掘的发展趋势和安全隐私 230
第一节 挖掘复杂的数据类型 230
第二节 数据挖掘的其他方法 241
第三节 数据挖掘与社会的影响 244
第四节 大数据的隐私安全 248
第十章 数据挖掘应用分析 253
第一节 金融数据分析的数据挖掘 253
第二节 零售和电信业的数据挖掘 255
第三节 科学与工程数据挖掘 256
第四节 入侵检测和预防数据挖掘 259
第五节 数据挖掘与推荐系统 260
参考文献 263