图书介绍
数据挖掘技术PDF|Epub|txt|kindle电子书版本网盘下载
- 王小妮著 著
- 出版社： 北京：北京航空航天大学出版社
- ISBN：9787512413764
- 出版时间：2014
- 标注页数：229页
- 文件大小：53MB
- 文件页数：240页
- 主题词：数据采集－教材
PDF下载
下载说明
数据挖掘技术PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
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
图书目录
第1章 数据挖掘概述1
1.1数据挖掘的概念1
1.1.1 KDD与数据挖掘1
1.1.2数据挖掘过程3
1.1.3数据挖掘任务4
1.2数据挖掘的发展历程5
1.3数据挖掘的分类7
1.4数据挖掘的研究方法8
1.4.1统计分析方法8
1.4.2决策树方法9
1.4.3模糊集方法10
1.4.4粗糙集方法11
1.4.5人工神经网络方法12
1.4.6遗传算法13
1.5国内外数据挖掘研究现状14
本章小结15
参考文献15
第2章 分类算法分析17
2.1分类概念17
2.2分类方法18
2.3决策树算法20
2.3.1 ID3算法22
2.3.2 C4.5算法23
2.4贝叶斯分类24
2.5粗糙集方法26
2.5.1粗糙集模型扩展26
2.5.2粗糙集与其他不确定信息处理理论的关系27
2.6遗传算法28
2.7其他分类算法29
本章小结30
参考文献30
第3章 聚类算法分析32
3.1聚类分析概述32
3.1.1聚类分析概念32
3.1.2聚类分析中的数据类型33
3.2聚类分类37
3.3划分方法39
3.3.1 K-means算法39
3.3.2 K-medoid算法40
3.4层次方法41
3.4.1 BIRCH算法41
3.4.2 CURE算法42
3.5密度方法43
3.5.1 DBSCAN算法43
3.5.2 OPTICS算法44
3.6网格方法46
3.6.1 STING算法46
3.6.2 Wavecluster算法46
3.7基于标量化Ⅲ的聚类统计算法46
3.7.1数学描述47
3.7.2计算方法49
3.7.3文本数据49
3.7.4应用实例49
3.8其他聚类算法54
本章小结55
参考文献55
第4章 关联规则算法分析57
4.1关联规则概念57
4.2频繁模式挖掘59
4.2.1 Apriori算法60
4.2.2 FP-Growth算法61
4.2.3DHP算法63
4.2.4DIC算法63
4.3序列模式挖掘64
4.3.1序列模式挖掘的相关概念64
4.3.2基于Apriori的序列模式挖掘算法65
4.3.3基于序列模式增长的序列模式挖掘算法66
4.4其他关联规则算法68
4.4.1并行Apriori-like算法68
4.4.2并行FP-Growth算法70
本章小结70
参考文献70
第5章 流数据挖掘技术73
5.1流数据挖掘技术概述73
5.1.1流数据概念73
5.1.2流数据模型74
5.1.3流数据挖掘算法特点75
5.2流数据挖掘技术分类78
5.2.1概要数据结构78
5.2.2滑动窗口技术80
5.2.3多窗口和衰减因子技术80
5.2.4近似技术、自适应技术和子空间技术81
5.3流数据聚类算法82
5.3.1 CluStream算法83
5.3.2 STREAM算法85
5.3.3 D-Stream算法86
5.3.4GSCDS算法87
5.3.5 HCIuStream算法87
5.4流数据频繁项集挖掘算法88
5.4.1 FPN算法89
5.4.2NEC算法90
5.4.3Kaal算法91
5.5流数据分类算法93
5.5.1 VFDT算法93
5.5.2 CVFDT算法94
5.6多数据流挖掘算法95
5.7实时数据流挖掘技术96
5.7.1实时数据挖掘概述97
5.7.2实时数据挖掘方法97
5.7.3实时数据挖掘框架99
5.7.4实时数据挖掘模型100
5.7.5实时数据挖掘技术分类101
5.8流数据聚类演化分析103
5.9流数据挖掘新技术研究105
本章小结106
参考文献107
第6章 高维聚类算法111
6.1高维聚类算法概述111
6.1.1高维聚类算法111
6.1.2高维度数据处理方法112
6.2高维数据流聚类分类114
6.3维度对聚类算法精度的影响116
6.3.1维度对数据对象间距离的影响117
6.3.2维度对算法聚类精度的影响118
6.3.3传统方法降维实验119
6.4混合类型属性聚类算法120
6.4.1混合类型属性的处理121
6.4.2 UCI数据集实验分析121
6.4.3流数据实验分析126
6.5基于复相关系数倒数的降维131
6.5.1复相关系数131
6.5.2复相关系数倒数加权132
6.5.3降维实验分析133
本章小结138
参考文献138
第7章 分布式数据挖掘140
7.1分布式数据挖掘概述140
7.2分布式聚类算法143
7.2.1分布式聚类算法分析143
7.2.2分布式K-means聚类算法145
7.2.3分布式聚类算法K-DMeans147
7.2.4分布式聚类算法DK-Means148
7.3 DRA-Kmeans聚类算法149
7.3.1 DRA-Kmeans聚类算法相关技术149
7.3.2 DRA-Kmeans局部聚类算法154
7.3.3 DRA-Kmeans全局聚类算法156
7.4分布式数据挖掘新技术研究160
本章小结160
参考文献160
第8章 物联网数据挖掘162
8.1物联网数据挖掘概述162
8.2物联网数据挖掘技术分类166
8.2.1物联网环境下基于分类的数据挖掘方法166
8.2.2物联网环境下基于关联规则的数据挖掘方法167
8.2.3物联网环境下基于聚类分析的数据挖掘方法167
8.2.4物联网环境下基于时间序列分析的数据挖掘方法167
8.3无线传感器网络中的聚类算法168
8.4 RA-Cluster算法169
8.5物联网路由算法171
8.5.1无线分布式网络及其路由协议171
8.5.2物联网路由算法分析174
8.5.3 RA-AODVjr算法原理179
8.5.4 RA-AODVjr算法实验分析185
8.6物联网数据挖掘新技术研究192
本章小结193
参考文献193
第9章 数据挖掘新技术195
9.1业务活动监控挖掘技术195
9.1.1业务活动监控概述195
9.1.2业务活动监控系统预测模型199
9.1.3结构数据挖掘理论201
9.2云计算平台架构及数据挖掘方法204
9.2.1基于云计算的分布式数据挖掘平台架构204
9.2.2基于云计算的分布式数据挖掘算法215
9.3思维流程数据挖掘技术220
9.3.1思维流程发现的基本思想220
9.3.2思维流程发现的关键任务224
9.3.3思维流程发现研究的关键问题226
本章小结228
参考文献228