智能数据挖掘与知识发现PDF|Epub|txt|kindle电子书版本网盘下载

智能数据挖掘与知识发现PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一章　绪论1

1.1　数据挖掘概述2

1.2　数据挖掘的分类5

1.2.1　基于数据库类型的分类5

1.2.2　基于所挖掘的知识类型的分类6

1.2.3　基于所采用技术的分类6

1.2.4　基于数据挖掘方法的分类7

1.2.5　基于数据挖掘应用的分类7

1.3　数据挖掘研究的公开问题8

1.3.1　数据库类型的多样性问题8

1.3.2　性能问题8

1.3.3　数据不断改变的问题9

1.3.4　数据挖掘结果的有用性、确定性和可表示性9

1.3.5　挖掘方法和用户交互问题9

1.3.6　与数据库的无缝链接10

1.3.7　不同技术的集成10

1.3.8　私有性与数据挖掘问题10

1.4　国内外数据挖掘研究现状10

1.4.1　关联规则挖掘11

1.4.2　分类挖掘12

1.4.3　聚类挖掘16

1.4.4 Internet和Web挖掘18

1.4.5　数据挖掘的智能计算方法20

本章参考文献23

第二章　KDD的理论基础29

2.1　数学理论Ⅰ29

2.1.1　统计学理论30

2.1.2　支撑矢量机理论33

2.1.3　模糊集理论37

2.1.4　粗糙集理论39

2.2　数学理论Ⅱ40

2.2.1　概率论基础40

2.2.2　贝叶斯概率42

2.2.3　贝叶斯学习理论42

2.3　机器学习理论43

2.3.1 归纳学习46

2.3.2　决策树46

2.3.3　类比学习与基于案例的学习46

2.3.4　计算智能47

2.4　数据库理论50

2.5　可视化理论54

本章参考文献56

第三章　计算智能方法理论基础60

3.1　神经网络61

3.1.1　子波神经网络61

3.1.2　多尺度几何网络66

3.1.3　协同神经网络72

3.2　进化计算73

3.2.1　进化计算典型算法75

3.2.2　量子进化计算76

3.2.3　协同进化算法88

3.3　免疫克隆计算99

3.3.1　人工免疫系统（AIS）99

3.3.2　免疫网络103

3.3.3　免疫克隆算法105

3.3.4　量子免疫克隆计算115

本章参考文献129

第四章　基于神经网络与进化计算的分类143

4.1　神经网络分类143

4.1.1　进化神经网络的分类143

4.1.2 自适应子波神经网络151

4.1.3　方向多分辨脊波网络164

4.1.4　协同神经网络分类178

4.2　海量数据的组织协同进化分类算法187

4.2.1　分类问题与组织学习模型187

4.2.2　用于分类的组织189

4.2.3　组织适应度函数191

4.2.4　组织协同进化分类算法193

4.2.5　仿真实验比较研究196

4.2.6　算法的实际应用199

4.2.7　小结203

4.3　基于免疫克隆算法的特征选择204

4.3.1　特征选择问题204

4.3.2　基于免疫克隆算法的特征选择205

4.3.3　实验及结果分析207

4.3.4　小结209

本章参考文献209

第五章　支撑矢量机与核分类214

5.1　统计学习理论215

5.1.1 学习问题的一般表示及经验风险最小化归纳原则215

5.1.2　学习过程的一致性216

5.1.3　学习机器推广能力的界217

5.1.4　控制学习过程的推广能力218

5.1.5　构造学习算法219

5.2　支撑矢量机220

5.2.1　支撑矢量机分类机理220

5.2.2　支撑矢量模糊预选取225

5.2.3　模糊多类支撑矢量机239

5.2.4　基于遗传算法的SVM模型自动选择247

5.2.5　基于支撑矢量机和中心距离比值的视频分类方法258

5.2.6　改进的单类支撑矢量机267

5.3　子波核匹配追踪学习机274

5.3.1　引言274

5.3.2　用于回归的核匹配追踪学习机（KMPLM for Recursive）275

5.3.3　用于识别的核匹配追踪学习机277

5.3.4　子波核匹配追踪学习机278

5.3.5　仿真实验280

5.3.6　小结285

本章参考文献286

第六章　集成分类器293

6.1　集成学习293

6.1.1　集成学习系统的原型及其构造方式293

6.1.2　集成学习的系统结构295

6.1.3　集成学习方法中的常用组合器295

6.2　Boosting概述296

6.2.1　Boosting的提出背景及其发展历程296

6.2.2　Boosting的各种变种及其与相关领域的联系299

6.3　Bagging算法300

6.4　基于免疫克隆算法的选择性SVMs集成301

6.4.1 引言301

6.4.2　SVMs集成302

6.4.3　基于免疫克隆算法的SVMs选择性集成302

6.4.4　实验结果及其讨论304

6.4.5　小结306

6.5　核匹配追踪分类器集成306

6.5.1　引言306

6.5.2　核匹配追踪分类器308

6.5.3　核匹配追踪集成分类器310

6.5.4　实验结果312

6.5.5　小结316

本章参考文献317

第七章　大规模数据聚类算法321

7.1　聚类基础理论321

7.1.1　聚类分析的基本概念321

7.1.2　聚类分析的数学模型322

7.1.3　聚类理论研究进展323

7.1.4　经典聚类分析算法328

7.1.5　聚类分析算法存在的问题330

7.2　免疫进化聚类算法332

7.2.1　免疫进化算法332

7.2.2　免疫进化算法求解聚类问题333

7.2.3　验证实验与结果分析337

7.2.4　小结339

7.3　基于GA和CSA的混合属性特征大数据集聚类340

7.3.1 引言340

7.3.2　基于k原型聚类算法的混合型数据聚类343

7.3.3　基于遗传算法的混合类型数据聚类算法347

7.3.4　基于CSA的混和属性特征大数据集聚类359

7.4　基于克隆算法的网络结构聚类算法369

7.4.1　引言369

7.4.2　基于进化免疫网络的聚类算法371

7.4.3　基于克隆选择与禁忌克隆的网络结构聚类算法375

7.5　基于有限资源的模糊网络结构聚类新算法385

7.5.1　引言385

7.5.2　有限资源免疫系统386

7.5.3　有限资源的模糊网络结构聚类389

7.5.4　实验结果与分析391

7.5.5　小结398

7.6　量子聚类398

7.6.1　问题的提出398

7.6.2　量子聚类算法399

7.6.3　Schr？dinger势能400

7.6.4　二维数据空间的例子400

7.6.5　量子聚类应用402

7.6.6　基于梯度下降算法的聚类指派404

7.6.7　小结404

7.7　核聚类算法405

7.7.1　核聚类算法406

7.7.2　仿真实验408

7.7.3　小结411

7.8　谱聚类411

7.8.1 引言411

7.8.2　谱图划分准则412

7.8.3　谱聚类算法415

7.8.4　谱聚类中亟待解决的问题419

本章参考文献420

第八章　关联规则挖掘431

8.1　关联规则的基本概念431

8.2　关联规则的类型及挖掘算法433

8.3　基于关系代数理论的关联规则挖掘434

8.3.1　基于关系代数理论的关联规则挖掘算法ORAR435

8.3.2　基于概念分层的泛化关联规则挖掘算法RGAR438

8.3.3　模糊关联规则的挖掘算法442

8.4　基于组织进化的关联规则挖掘442

8.4.1　基于组织进化的关联规则挖掘算法442

8.4.2　仿真实验与结果分析444

8.4.3　小结445

8.5　基于组织多层次进化的关联规则挖掘446

8.5.1　基于组织多层次进化的关联规则挖掘算法447

8.5.2　算法的计算复杂度分析449

8.5.3　仿真实验与结果分析449

8.5.4　小结455

8.6　基于组织协同进化的Web日志挖掘455

8.6.1 Web日志挖掘数据模型的建立456

8.6.2　组织协同进化Web日志挖掘457

8.6.3　算法分析458

8.6.4　实例仿真459

8.6.5　小结460

8.7　基于免疫克隆算法的多维数据挖掘460

8.7.1　染色体的编码461

8.7.2　亲和度函数的构造461

8.7.3　基于多克隆选择的多维关联规则挖掘算法步骤461

8.7.4　仿真试验与结果分析462

8.7.5　小结464

8.8　基于免疫克隆选择算法的孤立点挖掘464

8.8.1　孤立点挖掘464

8.8.2　基于克隆选择算法的孤立点挖掘466

8.8.3　实验结果及分析468

8.8.4　小结470

本章小结471

本章参考文献471

第九章　数据挖掘应用实例及可视化487

9.1　测绘数据挖掘487

9.1.1　测绘数据集描述488

9.1.2　DEM提取地面坡度的不确定性研究与实验490

9.1.3 同一地区不同地形因子对平均坡度的影响研究498

9.2　分类挖掘机理与文档分类501

9.2.1　分类的形式化定义502

9.2.2　基于数据库的分类挖掘机理503

9.2.3　虚拟数据库与WEB挖掘507

9.2.4　文本分类与降维技术509

9.2.5　小结517

9.3　基于Petri网的可视化模型517

9.3.1　可视化的常用工具518

9.3.2　Petri网的基本概念519

9.3.3　基于Petri网的鲁棒性的可视化模型523

9.3.4　小结530

本章参考文献530