互联网 类型
可以朗读 语音朗读
137千字 字数
2020-01-01 发行日期
展开全部

主编推荐语

阐述数据挖掘、软计算技术的发展状况，重点介绍了其采用的技术和方法。

内容简介

本书同时对各种方法进行了比较，并以几种方法为例，介绍了它们的思想及其在数据挖掘中的应用。另外，本书还阐述了基于Agent技术的智能数据挖掘系统模型的总体结构，介绍了常用的知识表示方法；讨论了数据挖掘中的小波神经网络方法，概述了基于WWW的数据挖掘和文本挖掘，介绍了分类、聚类分析的常用算法，并且给出了部分算法的算法实现，可为数据挖掘领域的研究生及相关技术人员提供参考。

目录

  • 版权信息
  • 内容简介
  • 前言
  • 第1章 绪论
  • 1.1 数据挖掘概述
  • 1.1.1 数据挖掘的发展状况
  • 1.1.2 数据挖掘的概念
  • 1.1.3 数据挖掘技术概述
  • 1.1.4 数据挖掘方法比较
  • 1.1.5 数据挖掘面临的问题
  • 1.2 数据挖掘中的软计算技术概述
  • 1.2.1 软计算的发展状况
  • 1.2.2 KDD中的软计算技术简介
  • 1.3 基于WWW的数据挖掘与文本挖掘
  • 1.3.1 基于WWW的数据挖掘
  • 1.3.2 自然语言处理与文本挖掘
  • 1.4 研究现状与发展趋势
  • 参考文献
  • 第2章 基于智能Agent的知识发现模型研究与设计
  • 2.1 知识发现模型概述
  • 2.1.1 面向过程的KDD模型
  • 2.1.2 面向用户的KDD模型
  • 2.1.3 面向知识的KDD模型
  • 2.2 基于Agent技术的智能数据挖掘系统模型的总体结构
  • 2.2.1 Multi-Agent技术的特性
  • 2.2.2 智能数据挖掘系统模型的总体结构
  • 2.2.3 数据挖掘Agent功能描述
  • 2.2.4 数据预处理Agent功能描述
  • 2.2.5 人机界面Agent功能描述
  • 2.2.6 决策Agent功能描述
  • 2.3 知识发现过程实例分析
  • 2.3.1 实例背景
  • 2.3.2 数据预处理
  • 2.3.3 特征选择
  • 2.4 研究现状与发展趋势
  • 2.5 本章小结
  • 参考文献
  • 第3章 基于软计算的知识表示方法研究
  • 3.1 知识表示概述
  • 3.1.1 一阶谓词逻辑表示法
  • 3.1.2 关系表示法
  • 3.1.3 产生式规则表示法
  • 3.1.4 框架表示法
  • 3.1.5 语义网络表示法
  • 3.1.6 面向对象表示法
  • 3.1.7 知识表达式
  • 3.1.8 模糊知识表示方法
  • 3.2 基于粗糙集的不确定知识表示方法
  • 3.2.1 知识、划分与等价关系
  • 3.2.2 信息表、不可分辨关系和基本集
  • 3.2.3 粗糙集的下近似、上近似及边界区
  • 3.2.4 知识表示特征集模型
  • 3.2.5 讨论
  • 3.3 基于粗糙熵的知识表示方法
  • 3.3.1 信息理论的度量和粗糙集
  • 3.3.2 知识的粗糙性
  • 3.3.3 粗糙熵
  • 3.4 知识的对象模糊语义网络表示法
  • 3.5 几种知识表示方法的比较
  • 3.6 研究现状与发展趋势
  • 3.7 本章小结
  • 参考文献
  • 第4章 数据挖掘中的小波神经网络方法研究
  • 4.1 引言
  • 4.2 神经网络发展及基础概述
  • 4.2.1 MP模型
  • 4.2.2 感知器学习算法
  • 4.2.3 BP网络算法
  • 4.3 基于禁忌搜索算法的小波神经网络设计
  • 4.3.1 禁忌搜索
  • 4.3.2 小波分析基础
  • 4.3.3 小波变换实例
  • 4.3.4 小波神经网络
  • 4.3.5 网络设计算法
  • 4.3.6 实验结果及结论
  • 4.4 基于小波神经网络的模型预测研究
  • 4.4.1 Harr基小波
  • 4.4.2 Harr基小波神经网络
  • 4.4.3 预测模型
  • 4.5 BP神经网络
  • 4.5.1 算法实现
  • 4.5.2 运行实例
  • 4.6 神经网络在数据挖掘中的应用
  • 4.6.1 神经网络在可视化中的应用
  • 4.6.2 神经网络在分类中的应用
  • 4.6.3 实验结果及分析
  • 4.7 研究现状与发展趋势
  • 4.8 本章小结
  • 参考文献
  • 第5章 基于用户需求模型的中英文WWW搜索引擎
  • 5.1 WWW概述
  • 5.1.1 搜索引擎技术
  • 5.1.2 WWW中的术语、协议及相关技术
  • 5.2 中英文WWW搜索引擎的结构
  • 5.2.1 数据收集、处理子系统
  • 5.2.2 用户查询子系统
  • 5.2.3 分类管理子系统
  • 5.3 基于示例的用户信息需求模型的获取和表示
  • 5.3.1 文本类别特征的抽取方式
  • 5.3.2 文本的分类判别与文本特征权重
  • 5.3.3 Fisher判别
  • 5.3.4 用户信息需求模型的表示
  • 5.3.5 实验结果及分析
  • 5.4 研究现状与发展趋势
  • 5.5 本章小结
  • 参考文献
  • 第6章 基于Web的文本挖掘技术研究
  • 6.1 文本挖掘概述
  • 6.1.1 文本挖掘的应用
  • 6.1.2 文本处理的基本模型
  • 6.1.3 文本挖掘的流程
  • 6.2 文本挖掘基本技术
  • 6.2.1 文本特征抽取
  • 6.2.2 文本分类
  • 6.2.3 文本聚类
  • 6.2.4 DBSCAN聚类
  • 6.3 中文文本挖掘模型
  • 6.3.1 文本特征的提取
  • 6.3.2 重心向量与文本聚类
  • 6.3.3 文本自动摘要技术
  • 6.3.4 文本可视化表示
  • 6.4 研究现状与发展趋势
  • 6.5 本章小结
  • 参考文献
  • 第7章 聚类分析与应用
  • 7.1 聚类的基本概念
  • 7.1.1 聚类的定义
  • 7.1.2 聚类算法的分类
  • 7.1.3 数据挖掘中聚类算法的比较标准
  • 7.2 常用聚类算法介绍与分析
  • 7.2.1 基于划分的聚类算法
  • 7.2.2 基于层次的聚类算法
  • 7.2.3 基于密度的聚类算法
  • 7.2.4 基于网格的聚类算法
  • 7.2.5 基于模型的聚类算法
  • 7.3 聚类算法比较
  • 7.4 聚类算法k-means的改进
  • 7.4.1 聚类算法中的数据类型
  • 7.4.2 相异度的计算
  • 7.4.3 聚类准则
  • 7.4.4 原始的k-means算法
  • 7.4.5 改进的k-means算法
  • 7.5 研究现状与发展趋势
  • 7.6 本章小结
  • 参考文献
  • 第8章 软计算中的算法及其应用
  • 8.1 分类概述
  • 8.2 决策树
  • 8.2.1 决策树的概念
  • 8.2.2 决策树的研究方向
  • 8.2.3 决策树分析
  • 8.2.4 决策树算法
  • 8.3 分类的应用
  • 8.3.1 基于支持向量机的印刷故障分类
  • 8.3.2 票据印刷过程中的数码检测
  • 8.4 遗传算法
  • 8.4.1 算法实现
  • 8.4.2 算法运行
  • 8.5 研究现状与发展趋势
  • 8.6 本章小结
  • 参考文献
展开全部

评分及书评

评分不足
1个评分

出版方

电子工业出版社

电子工业出版社成立于1982年10月，是国务院独资、工信部直属的中央级科技与教育出版社，是专业的信息技术知识集成和服务提供商。经过三十多年的建设与发展，已成为一家以科技和教育出版、期刊、网络、行业支撑服务、数字出版、软件研发、软科学研究、职业培训和教育为核心业务的现代知识服务集团。出版物内容涵盖了电子信息技术的各个分支及工业技术、经济管理、科普与少儿、社科人文等领域，综合出版能力位居全国出版行业前列。