数据挖掘技术与应用

第1章 数据挖掘概述
1.1 数据仓库和数据挖掘定义与解释
1.1.1 数据仓库的定义与解释
1.1.2 数据挖掘的定义与解释
1.2 数据仓库系统的相关技术
1.2.1 数据仓库系统相关技术之间的关系
1.2.2 数据仓库系统模式
1.3 数据仓库系统中多维数据组织的形式化定义与描述
1.4 数据挖掘方法与研究体系
1.4.1 数据挖掘系统的发展与结构
1.4.2 数据挖掘的相关技术与工具
1.4.3 数据挖掘应用及发展
1.5 小结
思考题

第2章 数据采集、集成与预处理技术
2.1 数据采集的对象
2.2 数据集成技术与方法
2.2.1 3G与MIS的集成模式
2.2.2 异构数据集成的设计与实现
2.3 数据预处理技术与方法.
2.3.1 数据清理的方法
2.3.2 数据融合的方法
2.3.3 数据变换的方法
2.3.4 数据归约的方法
2.4 基于样本数据划分的通用数据挖掘模型系统
2.5 中间件技术
2.5.1 中间件技术的定义与作用
2.5.2 中间件技术在数据仓库系统中数据采集的应用
2.6 小结
思考题

第3章 多维数据分析与组织
3.1 多维数据分析概述
3.1.1 联机分析处理的定义和特点
3.1.2 联机分析处理的评价准则
3.1.3 多维数据分析的主要概念
3.2 多维数据模型与结构
3.2.1 多维数据的概念模型
3.2.2 多维数据的逻辑模型
3.2.3 多维数据的物理模型
3.3 多维数据分析应用与工具
3.3.1 多维数据分析的基本操作
3.3.2 多维数据分析的工具及特点
3.4 从联机分析处理到联机分析挖掘
3.4.1 联机分析挖掘形成原因
3.4.2 联机分析挖掘概念及特征
3.5 小结
思考题

第4章 预测模型研究与应用
4.1 预测模型的基础理论
4.1.1 预测方法的分类
4.1.2 预测方法的一般步骤
4.2 回归分析预测模型
4.2.1 一元线性回归预测模型
4.2.2 多元线性回归预测模型
4.2.3 非线性回归预测模型
4.3 趋势外推预测模型
4.3.1 皮尔预测模型
4.3.2 龚珀兹预测模型
4.3.3 林德诺预测模型
4.4 时间序列预测模型
4.4.1 移动平均预测模型
4.4.2 指数平滑预测模型
4.4.3 季节指数预测模型
4.5 基于神经网络的预测模型
4.6 马尔可夫预测模型
4.7 小结
思考题

第5章 关联规则模型及应用
5.1 关联规则的基础理论
5.1.1 关联规则的定义与解释
5.1.2 关联规则在知识管理过程中的作
……

第6章 聚类分析方法与应用
第7章 粗糙集方法与应用
第8章 遗传算法与应用
第9章 基于模糊理论的模型与应用
第10章 灰色系统理论与方法
第11章 基于数据挖掘的知识推理
参考文献