Data Mining (pdf version)

2013-09-22
19.31MB
Points it Requires : 2

repReport

Document Introduction
You Might Like
Recommended Downloads

数据挖掘技术，又称为数据库知识发现，是20世纪90年代在信息技术领域开始迅速发展起来的计算机技术。作者结合自己近20年从事人工智能、机器学习、数据挖掘等方面的科研工作积累与教学经验，编著此书。本书较全面系统地介绍了数据挖掘中常用和常见的数据挖掘方法，以及文本与视频数据挖掘方法。本书的主要内容包括：数据挖掘基本知识、数据挖掘预处理方法、决策树分类及其他分类方法、关联知识挖掘方法、各种聚类分析方法，以及文本挖掘所涉及表示、分类和聚类等方法，还包括视频挖掘所涉及的视频镜头检测、字幕提取、视频摘要和视频检索等主要分析方法。数据挖掘目录第1章数据挖掘导论1.1 数据挖掘的发展背景1.2 数据挖掘定义1.3 数据挖掘过程1.4 数据挖掘功能1.5 数据挖掘应用1.6 数据挖掘发展1.7 本章小结第2章数据预处理2.1 数据描述2.1.1 数据集类型2.1.2 数据质量2.2 数据清理2.2.1 缺失值处理2.2.2 噪声数据处理2.2.3 数据清理过程2.3 数据集成和变换2.3.1 数据集成2.3.2 数据变换2.3.3 维度归约2.4 数据归约2.4.1 数据立方体聚集2.4.2 属性子集选择2.5 本章小结第3章分类挖掘：决策树3.1 决策树方法3.2 决策树深入3.2.1 信息熵基础3.2.2 C4.5方法3.2.3 CART方法3.2.4 SLIQ方法3.2.5 SPRINT方法3.2.6 其他决策树方法3.3 决策树的简化3.4 决策树的改进3.4.1 属性选择3.4.2 连续属性离散化3.5 决策树的讨论3.5.1 决策树优化问题3.5.2 决策树优化方法3.6 分类模型的评估3.7 本章小结第4章分类挖掘4.1 贝叶斯方法4.1.1 贝叶斯方法概述4.1.2 朴素贝叶斯分类4.2 k-近邻方法4.3 人工神经网络方法4.4 遗传进化方法4.5 支持向量机方法4.5.1 SVM分类方法4.6 粗糙集方法4.7 集成学习方法第5章关联挖掘第6章聚类挖掘第7章异类挖掘第8章文本挖掘第9章视频挖掘第10章视频分析

unfold

Data Mining (pdf version)

Document Introduction