欧美日韩天堂影视网,2022年国产精品一区二区

本書對(duì)數(shù)據(jù)挖掘的基本算法進(jìn)行了系統(tǒng)介紹，不僅介紹了每種算法的基本原理，而且配有大量例題以及源代碼，并對(duì)源代碼進(jìn)行了分析。這種理論與實(shí)踐相結(jié)合的方式有助于讀者較好地理解和掌握抽象的數(shù)據(jù)挖掘算法。全書共11章，內(nèi)容涵蓋了數(shù)據(jù)預(yù)處理、關(guān)聯(lián)規(guī)則挖掘算法、分類算法和聚類算法，具體章節(jié)包括緒論、數(shù)據(jù)預(yù)處理、關(guān)聯(lián)規(guī)則挖掘、決策樹(shù)分類算法、貝葉斯分類算法、人工神經(jīng)網(wǎng)絡(luò)算法、支持向量機(jī)、Kmeans聚類算法、K中心點(diǎn)聚類算法、神經(jīng)網(wǎng)絡(luò)聚類算法：SOM，以及數(shù)據(jù)挖掘的發(fā)展等內(nèi)容。本書可作為高等院校數(shù)據(jù)挖掘課程的教材，也可作為從事數(shù)據(jù)挖掘工作以及其他相關(guān)工程技術(shù)工作人員的參考書。

第1章緒論1
1.1數(shù)據(jù)挖掘的概念1
1.2數(shù)據(jù)挖掘的歷史及發(fā)展1
1.3數(shù)據(jù)挖掘的研究?jī)?nèi)容及功能5
1.3.1數(shù)據(jù)挖掘的研究?jī)?nèi)容5
1.3.2數(shù)據(jù)挖掘的功能6
1.4數(shù)據(jù)挖掘的常用技術(shù)及工具9
1.4.1數(shù)據(jù)挖掘的常用技術(shù)9
1.4.2數(shù)據(jù)挖掘的工具12
1.5數(shù)據(jù)挖掘的應(yīng)用熱點(diǎn)13
1.6小結(jié)15
思考題15第2章數(shù)據(jù)預(yù)處理16
2.1數(shù)據(jù)預(yù)處理的目的16
2.2數(shù)據(jù)清理18
2.2.1填充缺失值18
2.2.2光滑噪聲數(shù)據(jù)18
2.2.3數(shù)據(jù)清理過(guò)程19
2.3數(shù)據(jù)集成和數(shù)據(jù)變換20
2.3.1數(shù)據(jù)集成20
2.3.2數(shù)據(jù)變換21
2.4數(shù)據(jù)歸約23
2.4.1數(shù)據(jù)立方體聚集23
2.4.2維歸約23
2.4.3數(shù)據(jù)壓縮24
2.4.4數(shù)值歸約25
2.4.5數(shù)據(jù)離散化與概念分層28
2.5特征選擇與提取31
2.5.1特征選擇31
2.5.2特征提取32
2.6小結(jié)33
思考題34第3章關(guān)聯(lián)規(guī)則挖掘35
3.1基本概念35
3.2關(guān)聯(lián)規(guī)則挖掘算法Apriori算法原理36
3.3Apriori算法實(shí)例分析38
3.4Apriori算法源程序分析41
3.5Apriori算法的特點(diǎn)及應(yīng)用49
3.5.1Apriori算法特點(diǎn)49
3.5.2Apriori算法應(yīng)用50
3.6小結(jié)51
思考題51第4章決策樹(shù)分類算法53
4.1基本概念53
4.1.1決策樹(shù)分類算法概述53
4.1.2決策樹(shù)分類算法步驟53
4.2決策樹(shù)分類算法ID3算法原理55
4.2.1ID3算法原理55
4.2.2熵和信息增益56
4.2.3ID3算法58
4.3ID3算法實(shí)例分析59
4.4ID3算法源程序分析63
4.5ID3算法的特點(diǎn)及應(yīng)用70
4.5.1ID3算法特點(diǎn)70
4.5.2ID3算法應(yīng)用71
4.6決策樹(shù)分類算法C4.5算法原理71
4.6.1C4.5算法71
4.6.2C4.5算法的偽代碼73
4.7C4.5算法實(shí)例分析74
4.8C4.5算法源程序分析76
4.9C4.5算法的特點(diǎn)及應(yīng)用98
4.9.1C4.5算法特點(diǎn)98
4.9.2C4.5算法應(yīng)用98
4.10小結(jié)99
思考題99第5章貝葉斯分類算法100
5.1基本概念100
5.1.1主觀概率100
5.1.2貝葉斯定理101
5.2貝葉斯分類算法原理1082
5.2.1樸素貝葉斯分類模型102
5.2.2貝葉斯信念網(wǎng)絡(luò)104
5.3貝葉斯算法實(shí)例分析107
5.3.1樸素貝葉斯分類器107
5.3.2貝葉斯信念網(wǎng)絡(luò)應(yīng)用109
5.4貝葉斯算法源程序分析111
5.5貝葉斯算法特點(diǎn)及應(yīng)用116
5.5.1樸素貝葉斯分類算法116
5.5.2貝葉斯信念網(wǎng)117
思考題118第6章人工神經(jīng)網(wǎng)絡(luò)算法119
6.1基本概念119
6.1.1生物神經(jīng)元模型119
6.1.2人工神經(jīng)元模型120
6.1.3主要的神經(jīng)網(wǎng)絡(luò)模型121
6.2BP算法原理123
6.2.1Delta學(xué)習(xí)規(guī)則的基本原理123
6.2.2BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)123
6.2.3BP神經(jīng)網(wǎng)絡(luò)的算法描述124
6.2.4標(biāo)準(zhǔn)BP神經(jīng)網(wǎng)絡(luò)的工作過(guò)程126
6.3BP算法實(shí)例分析127
6.4BP算法源程序分析131
6.5BP算法的特點(diǎn)及應(yīng)用139
6.5.1BP算法特點(diǎn)139
6.5.2BP算法應(yīng)用141
6.6小結(jié)141
思考題141第7章支持向量機(jī)143
7.1基本概念143
7.1.1支持向量機(jī)理論基礎(chǔ)143
7.1.2統(tǒng)計(jì)學(xué)習(xí)核心理論143
7.1.3學(xué)習(xí)過(guò)程的一致性條件143
7.1.4函數(shù)集的VC維144
7.1.5泛化誤差界145
7.1.6結(jié)構(gòu)風(fēng)險(xiǎn)最小化歸納原理145
7.2支持向量機(jī)原理146
7.2.1支持向量機(jī)核心理論146
7.2.2最大間隔分類超平面146
7.2.3支持向量機(jī)實(shí)現(xiàn)147
7.2.4核函數(shù)分類150
7.3支持向量機(jī)實(shí)例分析151
7.4支持向量機(jī)的特點(diǎn)及應(yīng)用153
7.4.1支持向量機(jī)的特點(diǎn)153
7.4.2支持向量機(jī)的應(yīng)用154
7.5小結(jié)155
思考題155第8章Kmeans聚類算法156
8.1簡(jiǎn)介156
8.2Kmeans聚類算法原理156
8.3Kmeans聚類算法實(shí)例分析158
8.4Kmeans聚類算法源程序分析161
8.5Kmeans聚類算法的特點(diǎn)及應(yīng)用167
8.5.1Kmeans聚類算法的特點(diǎn)167
8.5.2Kmeans聚類算法的應(yīng)用168
8.6小結(jié)168
思考題169第9章K中心點(diǎn)聚類算法170
9.1簡(jiǎn)介170
9.2K中心點(diǎn)聚類算法原理170
9.3K中心點(diǎn)聚類算法實(shí)例分析171
9.4K中心點(diǎn)聚類算法源程序分析172
9.5K中心點(diǎn)聚類算法的特點(diǎn)及應(yīng)用179
9.5.1K中心點(diǎn)聚類算法的特點(diǎn)179
9.5.2K中心點(diǎn)聚類算法的應(yīng)用179
9.6小結(jié)179
思考題180第10章神經(jīng)網(wǎng)絡(luò)聚類算法SOM181
10.1簡(jiǎn)介181
10.2競(jìng)爭(zhēng)學(xué)習(xí)算法基礎(chǔ)181
10.2.1SOM網(wǎng)絡(luò)的結(jié)構(gòu)181
10.2.2SOM網(wǎng)絡(luò)的原理182
10.3SOM算法原理184
10.3.1SOM網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)184
10.3.2SOM權(quán)值調(diào)整域185
10.3.3SOM網(wǎng)絡(luò)運(yùn)行原理186
10.3.4學(xué)習(xí)方法186
10.4SOM算法實(shí)例分析187
10.4.1問(wèn)題描述187
10.4.2網(wǎng)絡(luò)設(shè)計(jì)及學(xué)習(xí)結(jié)果188
10.4.3結(jié)果輸出188
10.5SOM算法源程序分析189
10.6SOM算法的特點(diǎn)及應(yīng)用198
10.6.1SOM算法的特點(diǎn)198
10.6.2SOM算法的應(yīng)用198
10.7小結(jié)199
思考題199第11章數(shù)據(jù)挖掘的發(fā)展200
11.1Web數(shù)據(jù)挖掘200
11.1.1Web數(shù)據(jù)挖掘定義200
11.1.2Web數(shù)據(jù)挖掘分類200
11.1.3Web數(shù)據(jù)挖掘的數(shù)據(jù)源201
11.1.4Web數(shù)據(jù)挖掘中知識(shí)的分類203
11.1.5Web數(shù)據(jù)挖掘的關(guān)鍵問(wèn)題204
11.2空間數(shù)據(jù)挖掘205
11.2.1空間數(shù)據(jù)挖掘的定義與特點(diǎn)205
11.2.2空間數(shù)據(jù)挖掘的體系結(jié)構(gòu)205
11.2.3空間數(shù)據(jù)挖掘可獲得的知識(shí)類型206
11.2.4空間數(shù)據(jù)挖掘的方法208
11.3流數(shù)據(jù)挖掘211
11.3.1流數(shù)據(jù)的特點(diǎn)211
11.3.2流數(shù)據(jù)挖掘關(guān)鍵技術(shù)211
11.3.3流數(shù)據(jù)挖掘的實(shí)際應(yīng)用及前景213
11.4數(shù)據(jù)挖掘與可視化技術(shù)213
11.4.1什么是可視化213
11.4.2數(shù)據(jù)可視化技術(shù)分類215
11.4.3數(shù)據(jù)挖掘可視化技術(shù)的應(yīng)用217
11.5小結(jié)218
思考題218參考文獻(xiàn)219

你還可能感興趣

我要評(píng)論