數(shù)據(jù)挖掘及其應用研究

第1章 引言
1.1 研究背景
1.1.1 空間數(shù)據(jù)挖掘
1.1.2 多媒體數(shù)據(jù)挖掘
1.1.3 時序數(shù)據(jù)挖掘
1.1.4 Web數(shù)據(jù)挖掘
1.1.5 不確定數(shù)據(jù)挖掘
1.2 研究內容及意義
1.2.1 國內外研究綜述
1.2.2 關聯(lián)規(guī)則挖掘問題的研究現(xiàn)狀與成果
1.2.3 研究的意義
1.2.4 研究主要內容
1.3 數(shù)據(jù)挖掘概述
1.3.1 數(shù)據(jù)挖掘概念
1.3.2 數(shù)據(jù)挖掘的起源
1.3.3 數(shù)據(jù)挖掘的主要問題
1.3.4 數(shù)據(jù)挖掘的功能
1.4 數(shù)據(jù)挖掘的方法
1.5 數(shù)據(jù)挖掘面臨的問題
1.5.1 挖掘方法和用戶交互問題
1.5.2 性能問題
1.5.3 關于數(shù)據(jù)庫類型的多樣性問題
1.6 數(shù)據(jù)挖掘的發(fā)展趨勢
1.7 研究展望
第2章 關聯(lián)規(guī)則數(shù)據(jù)挖掘
2.1 關聯(lián)規(guī)則概述
2.2 關聯(lián)規(guī)則的分類
2.3 Apriori算法
2.3.1 算法描述
2.3.2 算法的性能瓶頸
2.3.3 算法的優(yōu)化
2.4 FP-growth算法
2.4.1 算法描述
2.4.2 算法分析
第3章 基于關系代數(shù)的關聯(lián)規(guī)則挖掘
3.1 關系代數(shù)的相關概念
3.1.1 傳統(tǒng)的集合運算
3.1.2 專門的關系運算
3.2 基于關系代數(shù)的Apriori算法
3.2.1 算法的基本思想
3.2.2 算法分析
3.3 發(fā)現(xiàn)最大頻繁項集和頻繁閉項集
3.4 仿真實驗及結果分析
3.4.1 實驗環(huán)境和實驗數(shù)據(jù)
3.4.2 算法性能比較
3.4.3 數(shù)據(jù)樣本量對算法的影響
3.4.4 支持度對算法的影響
3.5 挖掘最大頻繁項集和頻繁閉項集
3.5.1 算法性能分析
3.5.2 去除冗余規(guī)則
第4章 聚類分析數(shù)據(jù)挖掘
4.1 聚類統(tǒng)計量
4.1.1 距離
4.1.2 匹配系數(shù)
4.1.3 相似系數(shù)
4.2 系統(tǒng)聚類法
4.2.1 基本思想
4.2.2 系統(tǒng)聚類的方法
第5章 時間序列和序列模式挖掘
第6章 數(shù)據(jù)挖掘在網絡入侵檢測中的應用
第7章 其他應用研究
參考文獻
后記