數據挖掘導論（簡體書）

與十年前相比，數據挖掘作為數據分析與決策支持的重要技術，已在各行各業得到了更為廣泛的應用。隨著網絡和汀技術的不斷發展，數據挖掘應用必將更加深入和普及。作者根據自己十多年教授“數據挖掘”課程的經驗積累，編寫了這本教材。
朱明編著的《數據挖掘導論》全面系統地介紹了數據挖掘的主要方法，并配有許多應用案例，使得讀者能夠更加容易地理解這些數據挖掘方法。同時本書每章後還配有許多思考題，使得這本書更適合作為“數據挖掘”課程的教材。
《數據挖掘導論》的主要內容包括數據挖掘概述、數據倉庫與在線分析、分類挖掘、關聯挖掘、聚類挖掘、異類挖掘、數據流挖掘、文本挖掘以及數據挖掘應用與數據挖掘云等。
《數據挖掘導論》適合作為高等院校高年級本科生、研究生相關課程的教材或參考書。對從事數據挖掘應用的技術人員以及希望了解數據挖掘方法與應用的廣大數據挖掘用戶，本書也具有一定的參考價值。

數據挖掘作為一門新興的學科，已表現出強大的應用價值和前景。
朱明編著的《數據挖掘導論》共分11章，主要介紹數據挖掘主要方法、技術與應用等方面的內容。前6章介紹主要數據挖掘方法，第7章至第9章介紹數據挖掘3種經典場景下的應用技術，最後兩章分別介紹數據挖掘應用案例以及數據挖掘最新發展趨勢之一——數據挖掘的云計算實現。

前言
第1章 數據挖掘導論
1.1 數據挖掘的起源
1.2 數據挖掘的過程
1.3 數據挖掘的任務
1.4 數據挖掘系統與工具
1.5 數據挖掘的發展趨勢
本章小結
思考題
第2章 數據倉庫與在線分析
2.1 數據倉庫的概念
2.2 數據倉庫數據模型
2.3 數據倉庫的構建
2.4 數據倉庫在線分析
2.5 數據倉庫應用示例
本章小結
思考題
第3章 分類挖掘(1)
3.1 分類挖掘概述
3.2 決策樹分類方法
3.3 決策樹分類算法深入
3.4 分類挖掘評估與改進
3.5 分類挖掘應用
本章小結
思考題
第4章 分類挖掘(2)
4.1 貝葉斯分類方法
4.2 k近鄰分類方法
4.3 神經網絡分類方法
4.4 遺傳算法分類方法
4.5 分類器集成方法
4.6 分類挖掘應用
本章小結
思考題
第5章 關聯挖掘
5.1 關聯挖掘概述
5.2 基本關聯挖掘方法
5.3 關聯挖掘深入
5.4 分布式關聯挖掘
5.5 關聯挖掘應用
本章小結
思考題
第6章 聚類分析
6.1 聚類分析概述
6.2 聚類分析中的數據類型
6.3 主要聚類方法
6.4 劃分方法
6.5 層次方法
6.6 基于密度方法
6.7 基于網格方法
6.8基于模型方法
6.9聚類挖掘應用
本章小結
思考題
第7章 異類挖掘
7.1 異類挖掘概述
7.2 孤立點挖掘方法
7.3 基于聚類的異類挖掘
7.4 基于數據延續性的異常挖掘
7.5 異類挖掘應用
本章小結
思考題
第8章 數據流挖掘
8.1 數據流挖掘概述
8.2 數據流分類挖掘
8.3 數據流關聯挖掘
8.4 數據流聚類挖掘
8‘5數據流挖掘應用
思考題
第9章 文本挖掘
9.1 文本挖掘概述
9.2 文本表示方法
9.3 文本分類挖掘
9.4 文本聚類挖掘
9.5 文本挖掘應用
本章小結
思考題
第10章 數據挖掘應用
10.1 客戶關系管理應用
10.2 電子商務應用
10.3 商務智能應用
本章小結
思考題
第11章 數據挖掘云
11.1 云計算概述
11.2 分類挖掘云計算
11.3 關聯挖掘云計算
11.4 數據挖掘云應用
本章小結
思考題
參考文獻