现代数据分析

　　前言
　　第1章 粗糙集与数据约简
　　1.1 不确定性理论
　　1.2 粗糙集的基本理论与方法
　　1.3 知识的约简
　　1.4 决策表的约简
　　1.5 粗糙集数据约简的具体实现与应用
　　1.6 粗糙集的研究现状与展望
　　参考文献
　　第2章 支持向量机与数据分类
　　2.1 小样本统计学习理论
　　2.2 基于二次规划的支持向量机分类
　　2.3 基于线性规划的支持向量机分类
　　2.4 支持向量回归模型
　　2.5 求解大规模分类问题的支持向量机算法
　　2.6 展望
　　参考文献
　　第3章 模糊划分与数据聚类
　　3.1 概述
　　3.2 模糊聚类的统计量
　　3.3 模糊划分的准则
　　3.4 基于模糊统计量的聚类方法
　　3.5 基于模糊划分准则的聚类方法
　　3.6 聚类有效性问题
　　3.7 模糊聚类在设备状态监测与故障诊断中的实际应用
　　3.8 模糊划分与数据聚类的研究展望
　　参考文献
　　第4章 神经计算与数据拟合
　　4.1 概述
　　4.2 数据拟合的基本概念
　　4.3 数据拟合的传统方法
　　4.4 数据拟合神经网络方法
　　4.5 神经网络数据拟合与非线性回归方法的比较
　　4.6 神经网络数据拟合与支持向量回归方法的比较
　　4.7 神经网络的泛化能力与网络结构选择问题
　　4.8 展望
　　参考文献
　　第5章 遗传算法与数据寻优
　　5.1 优化的传统文化
　　5.2 遗传算法
　　5.3 遗传算法的基本理论
　　5.4 遗传算法的应用研究
　　5.5 展望
　　参考文献
　　第6章 时间序列分析与数据推测
　　第7章 现代数据分析的融合与协作技术
　　第8章 异常数据挖掘
　　结束语

　　    《现代数据分析》分别从数据的约简、分类、聚类、拟合、寻优、预测以及小概率数据挖掘等方面做了论述。