数据挖掘与粗糙集方法 - 中国高校教材图书网
|
书名： |
数据挖掘与粗糙集方法
|
| ISBN： | ISBN 978－7－5606－1911－8 |
条码： | |
| 作者： |
张文宇， 贾嵘著
相关图书
|
装订： | 平装 |
| 印次： | 1-1 |
开本： | 16开 |
| 定价： |
￥23.00
折扣价：￥21.85
折扣：0.95
节省了1.15元
|
字数： |
291千字
|
| 出版社： |
西安电子科技大学出版社 |
页数： |
|
| 发行编号： | XDUP 2203001－1 |
每包册数： |
|
| 出版日期： |
2007-10-01 |
|
|
| 内容简介： |
内 容 简 介
数据挖掘是人工智能、 机器学习、 数据库技术等多学科相结合的产物。 本书系统介绍了数据挖掘技术的基本原理、 主要方法、 挖掘模式、 发展及应用， 重点对基于粗糙集方法的数据挖掘过程进行了系统的阐述， 全面地分析了静态与增量式的相容性与不相容性决策系统的数据挖掘主要算法、 基于有序与无序决策系统的数据挖掘主要算法、 粗糙集合的扩展模型。 本书可作为系统工程、 控制工程及计算机类专业研究生的学习工具， 也可作为相关专业技术人员的参考书。
|
| 作者简介： |
|
|
| 章节目录： |
目 录
第1章 导论 1
1.1 人工智能与知识发现 1
1.1.1 人工智能 1
1.1.2 知识发现 2
1.2 数据挖掘的概念 7
1.3 数据仓库与OLAP 9
1.3.1 数据仓库综述 9
1.3.2 联机分析处理（OLAP） 12
1.3.3 数据仓库与OLAP的关系 18
1.4 数据挖掘研究综述 19
1.4.1 背景简介 19
1.4.2 数据挖掘的研究现状 20
1.4.3 数据挖掘的基本技术 21
1.4.4 数据挖掘的方法和任务 21
1.4.5 数据挖掘工具的评价标准 25
1.4.6 数据挖掘常用技术 26
1.4.7 数据挖掘技术实施的步骤 27
1.5 数据挖掘算法的组件 29
1.6 数据挖掘的应用与发展前景 29
第2章 数据挖掘的过程及模式 33
2.1 数据挖掘的过程 33
2.2 数据挖掘的模式 34
2.2.1 关联规则模式 34
2.2.2 分类模式 38
2.2.3 聚类模式 38
2.2.4 序列模式 39
第3章 粗糙集数据分析数学基础及智能决策系统框架 42
3.1 粗糙集数据分析（RSDA）工具概述 42
3.2 RSDA工具的数学机理 44
3.2.1 知识的形式化定义 44
3.2.2 等价关系（不可分辨关系） 45
3.2.3 知识的粒度 46
3.2.4 粗糙集合 46
3.2.5 知识的简化和核 47
3.2.6 知识的相对简化和相对核 47
3.2.7 范畴的简化、 相对简化和核 47
3.2.8 知识的依赖性 48
3.3 知识表达系统 48
3.4 决策系统 49
3.5 基于数据挖掘技术的智能决策系统总体框架 49
第4章 数据预处理 53
4.1 离散化问题的正规化描述 53
4.2 现有连续属性离散化方法综述 54
4.3 基于数据分布特征的离散化方法 56
4.3.1 基本原理 56
4.3.2 算法思路及实现 58
4.3.3 算例 59
4.4 基于数据分区的离散化方法 60
4.4.1 整体离散化处理 60
4.4.2 基于数据分区的整体离散化算法 61
4.5 不完备信息表的数据预处理方法 62
4.5.1 相关定义及定理 62
4.5.2 算术描述 64
第5章 相容性决策系统的数据约减方法 66
5.1 基于代数与逻辑判断的数据约减 67
5.1.1 基于数据分析的属性约减方法 67
5.1.2 基于逻辑判断的属性值约减方法 70
5.2 基于面向属性泛化及信息熵的数据约减 76
5.2.1 引言 76
5.2.2 关系DB学习原理 76
5.2.3 规则提取方法 78
5.2.4 算例 79
第6章 不相容性决策系统的数据挖掘模型及规则提取 85
6.1 基于决策概念包含的数据挖掘 85
6.1.1 粗集扩展模型基本理论 85
6.1.2 带有不相容决策的数据挖掘模型理论基础 86
6.1.3 算法思想 87
6.1.4 算例 88
6.2 基于粗糙重复组的数据挖掘 89
6.2.1 基本理论 89
6.2.2 粗糙重复组粗糙集的不相容决策 91
6.2.3 算例 92
第7章 增量式决策系统的数据挖掘研究 96
7.1 基于相容性决策系统的数据约减 96
7.1.1 基于分辨矩阵的数据挖掘 96
7.1.2 基于改进分辨矩阵的增量式数据挖掘模型 98
7.2 基于不相容性决策系统的数据约减 102
7.2.1 广义归纳表GDT 102
7.2.2 基于GDT与RS理论的规则发现 104
7.2.3 分类规则发现算法 107
第8章 有序属性决策系统的粗糙集数据约减 109
8.1 概述 109
8.2 多准则多属性的粗集近似 109
8.3 基于准则的数据约减算法 112
8.3.1 参数描述 112
8.3.2 算法过程 112
8.4 算例 113
8.4.1 基本粗集方法的约减结果 114
8.4.2 基于优先及不可分辨关系的近似约减结果 114
第9章 粗糙集合的扩展模型 116
9.1 粗糙集合扩展模型概述 116
9.1.1 可变精度粗糙集合模型 116
9.1.2 基于粗糙集合的非单调逻辑 117
9.1.3 粗糙集合与模糊集合的结合 117
9.2 基于概率统计的扩展模型 118
9.2.1 概述 118
9.2.2 基于RS理论的概率规则 118
9.2.3 RS理论概率规则测度 120
9.2.4 概率规则的知识约减 121
9.2.5 概率规则的知识约减算法 121
9.3 基于模糊集合的扩展模型 122
9.3.1 粗糙－模糊集合与模糊－粗糙集合的基本定义及特征 122
9.3.2 模糊－粗糙关系数据库模型及其信息测度 125
9.3.3 粗糙集合近似中的模糊表示 127
第10章 基于Web与多媒体的数据挖掘 134
10.1 Web数据挖掘概述 134
10.2 Web数据挖掘原理 134
10.3 Web数据挖掘内容 135
10.4 多媒体数据挖掘内容 136
第11章 数据挖掘的发展及应用 139
11.1 可视化数据挖掘技术 139
11.1.1 可视化数据分类 139
11.1.2 可视化数据挖掘类型 140
11.2 数据挖掘在电子商务中的应用 141
11.2.1 电子商务中数据挖掘的特点及应用 142
11.2.2 电子商务中的数据挖掘过程 142
11.3 数据挖掘在CRM中的应用 144
11.3.1 数据挖掘在CRM中的应用领域 144
11.3.2 客户关系管理及大客户关系管理 146
11.3.3 电信CRM实施客户与市场挖掘的框架设计 151
11.4 数据挖掘在市场营销中的应用 166
11.5 空间数据挖掘应用 168
11.5.1 概述 168
11.5.2 空间数据挖掘技术 168
11.5.3 空间数据挖掘与GIS集成的模式 175
11.5.4 空间数据挖掘可发现的主要知识类型 176
11.6 数据挖掘在电子政务中的应用 177
参考文献 182
|
| 精彩片段： |
|
|
| 书 评： |
前言
众所周知， 随着信息高速公路的发展和普及， 人类社会很快由信息匮乏变成淹没在信息的汪洋大海之中， 区分有用的知识和无用的 “垃圾” 逐渐成为一大难题。
如何组织和集成网上的数据? 如何从海量的数据中高效地获取有用的知识? 如何从爆炸性增长的信息中及时获取最新的信息? 如何提高互联网、 数据库的主动服务能力?如何满足各种用户不同的个性化需求? 所有的这些问题都成了人们面临的挑战性课题。 作为人类智慧的象征， 智能技术是信息技术发展中最具诱惑力的发展前沿， 知识发现（KDD）是其重要的研究课题之一。
数据挖掘(Data Mining)出现于20世纪80年代末， 90年代得到了迅猛发展。 由于数据量特别巨大， 为避免类似人工智能中的组合爆炸问题， 任何大型的商用系统必须需要某种程度的用户参与。 数据挖掘是目前国际上数据库和信息决策领域的最前沿研究方向之一， 引起了学术界和工业界的广泛关注， 并在这个领域开展了各种各样的研究计划， 其主要目标是发展有关的方法论、 理论和工具， 以支持从大量数据中提取有用的知识和模式。 原始数据可以是结构化的， 如关系数据库中的数据； 也可以是半结构化的， 如文本、 图形、 图像、 声音数据， 甚至是分布在网络上的异构型数据。 发现知识的方法可以是数学的， 也可以是非数学的； 可以是演绎的， 也可以是归纳的。 发现的知识可以用来进行信息管理、 查询优化、 决策支持、 过程控制以及数据自身维护。 因此， 数据挖掘是一门非常广义的交叉学科， 涉及数据库、 人工智能、 数理统计、 可视化、 并行计算等方面。 目前， 在石油勘探、 金融市场、 商业销售、 产品制造、 医疗保险、 化工生产等领域， 数据挖掘的研究成果都得到了广泛应用， 并取得了巨大的经济效益。
知识发现和数据挖掘是一个涉及多学科的研究领域， 它涉及到数据库技术、 计算机网络、 人工智能、 模式识别、 数据仓库与知识库、 统计数学、 管理数学、 情报学与信息检索等领域。 由于得到多个学科的精髓， 知识发现与数据挖掘将被孕育成为极有潜力、 蓬勃发展的前沿学科。 目前从事该学科研究的学者多来自众多领域， 他们从不同的角度展开研究， 其研究成果均带有各自学科的特色。 本书系统介绍了数据挖掘技术的基本原理及主要方法， 重点对基于粗糙集方法的数据挖掘过程进行了系统的阐述。
全书共11章。 第1章首先介绍了知识发现与数据挖掘技术的基本概念及研究综述； 第2章概述了数据挖掘方法的挖掘过程与基本模式； 第3～9章为本书的重点， 详细阐述了基于粗糙集方法的数据挖掘过程， 具体包括基于粗糙集数据分析的数学基础、 数据预处理、 基于相容性决策系统的数据约减方法、 基于不相容性决策系统的数据挖掘方法、 基于增量式相容性与不相容性决策系统的数据挖掘方法、 基于有序属性决策系统的数据挖掘方法、 粗糙集合
的扩展模型； 第10章介绍了基于Web与多媒体的数据挖掘方法； 第11章探讨了数据挖掘的发展及具体应用。
本书得到西安市科技局工业攻关项目(YF07025)的资助， 在此表示感谢！ 同时感谢研究生高春艳同学对本书所做的工作。
由于时间仓促、 作者才疏学浅， 书中难免有不当之处， 恳请广大读者批评指正。
作者
2007年3月
|
| 其 它： |
|
|
|
中国大学出版社协会 |
首页 |
宏观指导 |
出版社天地 |
图书代办站 |
教材图书信息 |
教材图书评论 |
在线订购 |
教材征订
