数据挖掘导论

　　前言
　　第1章 数据挖掘导论
　　1.1 数据挖掘的起源
　　1.2 数据挖掘的过程
　　1.3 数据挖掘的任务
　　1.4 数据挖掘系统与工具
　　1.5 数据挖掘的发展趋势
　　本章小结
　　思考题
　　第2章 数据仓库与在线分析
　　2.1 数据仓库的概念
　　2.2 数据仓库数据模型
　　2.3 数据仓库的构建
　　2.4 数据仓库在线分析
　　2.5 数据仓库应用示例
　　本章小结
　　思考题
　　第3章 分类挖掘（1）
　　3.1 分类挖掘概述
　　3.2 决策树分类方法
　　3.3 决策树分类算法深入
　　3.4 分类挖掘评估与改进
　　3.5 分类挖掘应用
　　本章小结
　　思考题
　　第4章 分类挖掘（2）
　　4.1 贝叶斯分类方法
　　4.2 K近邻分类方法
　　4.3 神经网络分类方法
　　4.4 遗传算法分类方法
　　4.5 分类器集成方法
　　4.6 分类挖掘应用
　　本章小结
　　思考题
　　第5章 关联挖掘
　　5.1 关联挖掘概述
　　5.2 基本关联挖掘方法
　　5.3 关联挖掘深入
　　5.4 分布式关联挖掘
　　5.5 关联挖掘应用
　　本章小结
　　思考题
　　第6章 聚类分析
　　6.1 聚类分析概述
　　6.2 聚类分析中的数据类型
　　6.3 主要聚类方法
　　6.4 划分方法
　　6.5 层次方法
　　6.6 基于密度方法
　　6.7 基于网格方法
　　6.8 基于模型方法
　　6.9 聚类挖掘应用
　　本章小结
　　思考题
　　第7章 异类挖掘
　　7.1 异类挖掘概述
　　7.2 孤立点挖掘方法
　　7.3 基于聚类的异类挖掘
　　7.4 基于数据延续性的异常挖掘
　　7.5 异类挖掘应用
　　本章小结
　　思考题
　　第8章 数据流挖掘
　　8.1 数据流挖掘概述
　　8.2 数据流分类挖掘
　　8.3 数据流关联挖掘
　　8.4 数据流聚类挖掘
　　8.5 数据流挖掘应用
　　本章小结
　　……
　　第9章 文本挖掘
　　第10章 数据挖掘应用
　　第11章 数据挖掘云
　　参考文献

　　    与十年前相比，数据挖掘作为数据分析与决策支持的重要技术，已在各行各业得到了更为广泛的应用。随着网络和IT技术的不断发展，数据挖掘应用必将更加深入和普及。作者根据自己十多年教授“数据挖掘”课程的经验积累，编写了这本教材。
　　    《数据挖掘导论》全面系统地介绍了数据挖掘的主要方法，并配有许多应用案例，使得读者能够更加容易地理解这些数据挖掘方法。同时《数据挖掘导论》每章后还配有许多思考题，使得这本书更适合作为“数据挖掘”课程的教材。
　　    本书的主要内容包括数据挖掘概述、数据仓库与在线分析、分类挖掘、关联挖掘、聚类挖掘、异类挖掘、数据流挖掘、文本挖掘以及数据挖掘应用与数据挖掘云等。
　　    本书适合作为高等院校高年级本科生、研究生相关课程的教材或参考书。对从事数据挖掘应用的技术人员以及希望了解数据挖掘方法与应用的广大数据挖掘用户，本书也具有一定的参考价值。