数据挖掘与管理实践

　　1 概论
　　1.1 背景
　　1.1.1 国外研究与应用
　　1.1.2 国内研究与应用
　　1.2 意义
　　1.3 内容
　　1.3.1 聚类分析
　　1.3.2 关联分析
　　1.3.3 图书馆数据搜集与预处理
　　1.3.4 实现数据挖掘技术在图书馆中的应用
　　2 数据挖掘技术
　　2.1 数据挖掘系统的组成
　　2.2 数据挖掘的定义
　　2.3 数据挖掘的任务
　　2.4 数据挖掘的功能
　　2.4.1 自动预测趋势和行为
　　2.4.2 关联分析
　　2.4.3 聚类分析
　　2.4.4 概念描述
　　2.4.5 偏差检测
　　2.5 数据挖掘的实施
　　2.5.1 数据挖掘环境
　　2.5.2 数据挖掘的过程
　　2.6 数据挖掘的难点
　　2.6.1 动态变化的数据
　　2.6.2 噪声
　　2.6.3 数据不完整
　　2.6.4 冗余信息
　　2.6.5 数据稀疏
　　2.6.6 超大数据量
　　2.7 数据挖掘的主要应用领域
　　3 聚类分析及系统功能
　　3.1 聚类算法简介
　　3.1.1 聚类算法的一般分类
　　3.1.2 噪声与孤立点
　　3.1.3 聚类算法的典型要求
　　3.2 新聚类算法理论研究
　　3.2.1 新聚类算法的整体思路
　　3.2.2 新聚类算法的相关定义
　　3.2.3 新聚类算法的算法描述
　　3.3 新聚类算法实验分析
　　3.3.1 不同尺寸和密度的簇聚类效果实验
　　3.3.2 埋藏在“噪声”中的簇聚类效果实验
　　3.3.3 实验结果总结
　　3.4 新聚类算法系统功能
　　3.4.1 菜单栏介绍
　　3.4.2 属性相关性检验窗口
　　3.4.3 数据标准化窗口
　　3.4.4 聚类窗口
　　3.4.5 模式评估窗口
　　3.5 新聚类算法聚类过程解析
　　3.5.1 数据选择
　　3.5.2 数据预处理
　　3.5.3 数据变换
　　3.5.4 数据挖掘
　　3.5.5 结果解释
　　4 关联分析与系统功能
　　4.1 关联分析简介
　　4.2 Clementine关联简介
　　4.3 新关联规则算法研究
　　4.3.1 新关联规则算法的提出
　　4.3.2 新关联规则算法的相关定义
　　4.4 新关联规则算法设计
　　4.5 新关联规则系统功能
　　4.6 新关联规则挖掘过程解析
　　4.6.1 数据选择
　　4.6.2 数据预处理
　　4.6.3 数据变换
　　4.6.4 数据挖掘
　　4.6.5 数据解释
　　5 现代化管理中的聚类应用
　　5.1 纸质调查问卷数据聚类分析
　　5.1.1 纸质问卷的设计与数据整理
　　5.1.2 数据预处理
　　5.1.3 学科资料需求聚类分析
　　5.1.4 馆藏基本需求聚类分析
　　5.1.5 读者借阅行为聚类分析
　　5.1.6 图书馆服务满意度聚类分析
　　5.1.7 决策建议
　　5.2 网络调查数据聚类分析
　　5.2.1 网络数据收集与数据整理
　　5.2.2 数据预处理
　　5.2.3 商校图书馆人力资源聚类分析
　　5.2.4 葛校图书馆资源聚类分析
　　5.2.5 决策建议
　　6 现代化管理中的关联应用
　　6.1 通用图书馆集成系统简介
　　6.2 借阅流通日志中读者属性与图书类别的关联分析
　　6.2.1 数据收集与数据整理
　　6.2.2 数据预处理
　　6.2.3 关联规则挖掘
　　6.2.4 挖掘结果分析
　　6.2.5 决策建议
　　6.3 借阅流通日志中图书与图书问的关联分析
　　6.3.1 数据收集与数据整理
　　6.3.2 数据预处理
　　6.3.3 关联规则挖掘
　　6.3.4 挖掘结果分析
　　6.3.5 决策建议
　　6.4 读者借阅记录中图书大类间的DAR关联分析
　　6.4.1 数据收集与数据整理
　　6.4.2 数据预处理
　　6.4.3 关联规则挖掘
　　6.4.4 挖掘结果分析
　　6.4.5 决策建议
　　6.5 纸质问卷学科间的DAR关联分析
　　6.5.1 数据收集与数据整理
　　6.5.2 数据预处理
　　6.5.3 关联规则挖掘
　　6.5.4 挖掘结果分析
　　6.5.5 决策建议
　　7 结论、建议、展望
　　7.1 图书馆数据挖掘的决策过程
　　7.2 新算法达到的功能
　　7.3 图书馆数据的搜集整理工作
　　7.4 挖掘结果的分析与建议
　　7.4.1 调查问卷数据的聚类分析与建议
　　7.4.2 网络数据的聚类分析与建议
　　7.4.3 图书馆集成系统数据的Clementine关联分析与建议
　　7.4.4 图书馆集成系统数据的DAR关联分析与建议
　　7.4.5 调查问卷馆藏资料数据的DAR关联分析与建议
　　7.5 展望
　　附录
　　附录A 图书馆资源建设、利用与服务情况问卷调查
　　附录B 高校图书馆信息调查表
　　附录C 图书借阅次数统计表
　　附录D 读者借阅次数统计表
　　参考文献

　　    宋宇辰，博士，教授，管理科学与工程学会（国家一级学会）理事。主要从事信息技术、数据挖掘领域的教学和科研工作。2006年10月至2007年10月赴都柏林大学访问学习。曾出访欧洲、亚洲、非洲等国。2008年受邀作为专家去津巴布韦等国考察经济管理、信息技术、矿业投资环境。
　　    近年来，主持国家社会科学基金、国家自然科学基金、教育部春晖计划等科研项目，参与完成国家和省部级等各类课题10余项。应邀参加国际学术会议多次，2010年应邀主持国际会议分会。在国内外期刊上发表论文多篇，其中被SCI、EI检索收录10篇。
　　    孟海东，博士，教授。主要从事数据挖掘技术和矿业系统工程领域的教学和科研工作。近年来主持国家自然科学基金、教育部、内蒙古自治区科研项目10余项。在国内外学术期刊上发表论文30余篇。曾出访日本、韩国等国，多次参加国际会议。

　　    《数据挖掘与管理实践》对数据挖掘技术及其在管理决策中的应用进行了较深入的研究。书中重点介绍了聚类分析和关联分析的理论基础、算法设计、分析与对比。全书以图书馆现代化管理为主线，探索了如何对管理数据实施数据挖掘、实现管理决策的全过程，包括数据采集、数据预处理、数据挖掘与分析、挖掘结果的分析，并提出相应的决策建议；根据一系列应用实施过程，总结出图书馆现代化管理应用数据挖掘的三层决策构架，即数据层、技术层和决策层。
　　    《数据挖掘与管理实践》适合从事信息分析、数据挖掘的人员，企业和政府部门的管理人员，从事管理学和情报学研究的学者及相关专业的研究生阅读参考。