第1篇 基础知识

第1章 绪论

1.1数据挖掘概述

1.2数据挖掘的研究现状及应用领域

1.3数据挖掘与其他技术的关系

1.4数据挖掘的工具及评价标准

1.5聚类分析初探

1.6本书研究内容纲要

本章小结

思考题

第2章 数据预处理技术

2.1数据预处理

2.2数据清理

2.3数据集成和融合

2.4数据变换

2.5数据归约

本章小结

思考题

第3章 多维数据分析与组织

3.1多维数据分析概述

3.2多维数据模型与结构

3.3多维数据分析应用与工具

3.4从联机分析处理到联机分析挖掘

本章小结

思考题

第2篇 数据挖掘

第4章 预测技术及其应用

4.1预测技术基础理论

4.2回归分析预测

4.3趋势外推预测

4.4时间序列预测

4.5基于神经网络的预测

4.6马尔可夫预测

4.7组合预测

本章小结

思考题

第5章 关联分析技术及应用

5.1关联规则的基础理论

5.2 Apriori关联规则算法

5.3改进的Apriori关联规则算法

5.4 Apriori关联规则算法的实例

5.5 Apriori关联规则模型运行实例

本章小结

思考题

第6章 遗传算法及应用

6.1遗传算法基础理论

6.2遗传算法的应用领域和研究方向

6.3遗传算法的基础知识

6.4遗传算法计算过程和应用

本章小结

思考题

第7章 灰色系统理论与方法

7.1灰色系统的基础理论

7.2灰色预测模型

7.3灰色聚类分析

7.4层次分析方法

7.5灰色综合评价方法

本章小结

思考题

第8章 粗糙集方法及应用

8.1粗糙集理论背景介绍

8.2粗糙集基本理论

8.3基于粗糙集的属性约简

8.4基于粗糙集的决策知识表示

8.5基于粗糙集的数据挖掘模型

8.6粗糙集在交通肇事逃逸侦破系统中应用

本章小结

思考题

第9章 基于数据挖掘的知识推理

9.1知识推理的分类

9.2基于数据挖掘方法的知识推理

本章小结

思考题

第3篇 聚类分析

第10章 聚类分析概述

10.1聚类分析经典算法分类

10.2近年新的聚类方法

10.3聚类分析的研究热点问题

10.4聚类分析的应用领域

本章小结

思考题

第11章 模糊聚类

11.1模糊聚类算法综述

11.2基于模糊等价关系的模糊聚类算法

11.3模糊C-均值聚类算法

11.4 FCM的改进算法

11.5模糊聚类的应用

11.6模糊关联规则模型及应用

本章小结

思考题

第12章 聚类融合

12.1聚类融合算法综述

12.2分类数据聚类融合方法

12.3混合属性数据聚类融合方法

12.4聚类融合的应用

本章小结

思考题

第13章 增量聚类

13.1增量聚类算法综述

13.2基于传统聚类的增量聚类算法

13.3基于生物智能的增量聚类算法

13.4面向数据流的增量聚类算法

13.5基于聚类融合的增量聚类算法

13.6增量聚类算法的应用

本章小结

思考题

第4篇 数据挖掘新进展

第14章 近年数据挖掘新的研究方向

14.1 Web挖掘

14.2知识管理

14.3空间数据挖掘

14.4基于MapReduce的大数据集挖掘

14.5流数据挖掘

14.6面向隐私保护的数据挖掘

14.7不确定性数据挖掘

14.8多媒体数据挖掘

14.9生物信息数据挖掘

本章小结

思考题

第15章 文本挖掘

15.1文本挖掘概述

15.2文本挖掘预处理——文本表示

15.3文本挖掘方法

15.4文本挖掘工具

15.5文本挖掘的应用

本章小结

参考文献

附件 50艘船舶的基本信息