数据挖掘 第2版PDF|Epub|txt|kindle电子书版本下载

数据挖掘 第2版PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 数据挖掘导论1

1.1数据挖掘的发展背景1

1.2数据挖掘定义4

1.3数据挖掘过程7

1.4数据挖掘功能12

1.5数据挖掘应用18

1.6数据挖掘发展24

1.7本章小结28

第2章 数据预处理29

2.1数据描述30

2.1.1数据集类型33

2.1.2数据质量39

2.2数据清理44

2.2.1缺失值处理45

2.2.2噪声数据处理46

2.2.3数据清理过程47

2.3数据集成和变换49

2.3.1数据集成49

2.3.2数据变换52

2.3.3维度归约54

2.4数据归约58

2.4.1数据立方体聚集58

2.4.2属性子集选择60

2.5本章小结61

第3章 分类挖掘：决策树63

3.1决策树方法63

3.2决策树深入67

3.2.1信息熵基础67

3.2.2C4.5方法71

3.2.3CART方法75

3.2.4SLIQ方法76

3.2.5SPRINT方法78

3.2.6其他决策树方法79

3.3决策树的简化82

3.4决策树的改进93

3.4.1属性选择93

3.4.2连续属性离散化95

3.5决策树的讨论96

3.5.1决策树优化问题97

3.5.2决策树优化方法98

3.6分类模型的评估100

3.7本章小结102

第4章 分类挖掘104

4.1贝叶斯方法104

4.1.1贝叶斯方法概述105

4.1.2朴素贝叶斯分类107

4.2k-近邻方法111

4.3人工神经网络方法116

4.4遗传进化方法124

4.5支持向量机方法135

4.5.1SVM分类方法136

4.6粗糙集方法142

4.7集成学习方法150

4.7.1基本概念150

4.7.2Bagging151

4.7.3Boosting152

4.8本章小结154

第5章 关联挖掘156

5.1关联挖掘简述157

5.1.1关联挖掘应用158

5.2关联挖掘基本方法160

5.2.1关联挖掘基本概念160

5.2.2关联挖掘问题162

5.2.3关联挖掘类型163

5.2.4关联挖掘基本方法169

5.3关联挖掘方法改进173

5.3.1Apriori算法改进173

5.3.2频繁模式增长（FP-tree）算法174

5.3.3其他改进算法180

5.4关联挖掘并行方法193

5.4.1基于候选集复制的算法194

5.4.2划分候选集的算法196

5.4.3混合策略：候选集部分复制200

5.5基于粒计算的关联挖掘202

5.5.1基本思想202

5.6本章小结206

第6章 聚类挖掘208

6.1聚类挖掘简述209

6.2基于划分的聚类挖掘217

6.2.1k-means方法218

6.3基于层次的聚类挖掘222

6.4基于密度的聚类挖掘225

6.5基于网格的聚类挖掘227

6.6基于模型的聚类挖掘229

6.7高维海量数据的聚类挖掘229

6.7.1高维海量数据特点230

6.7.2高维海量数据聚类算法232

6.8基于蚁群算法的聚类挖掘242

6.8.1蚁群算法概述242

6.8.2蚁群算法特征243

6.8.3蚁群算法的研究热点245

6.8.4基于蚁穴清理行为的聚类算法247

6.8.5基于蚁群觅食行为的聚类算法249

6.8.6蚂蚁聚类算法分析251

6.9本章小结252

第7章 异类挖掘255

7.1异类挖掘简述255

7.1.1基于统计的异常点检测257

7.1.2基于距离的异常点检测258

7.1.3基于偏差的异常点检测259

7.1.4基于密度的异常点检测260

7.1.5高维数据的异常点检测260

7.2基于属性的异常点检测261

7.2.1基于属性的异常点检测262

7.3时序异常点检测268

7.3.1时序异常点检测概述268

7.3.2时序异常模式挖掘270

7.4空间异常点挖掘276

7.5时空异常点挖掘282

7.6数据流异常挖掘288

7.6.1基于单调搜索空间的突变检测289

7.6.2基于分段分形模型的无参数异常检测297

7.7本章小结313

第8章 文本挖掘314

8.1文本挖掘314

8.1.1文本挖掘简述314

8.1.2文本分类319

8.1.3文本预处理322

8.1.4中文分词330

8.2文本挖掘方法333

8.3中文摘要方法338

8.3.1中文摘要概述338

8.3.2基于聚类的摘要方法341

8.3.3自适应确定摘要长度344

8.4文本内容监管348

8.4.1高效多关键字匹配算法349

8.5文本信息检索363

8.6本章小结371

第9章 视频挖掘373

9.1视频内容检索简述374

9.2镜头检测377

9.2.1基于直方图的镜头检测方法379

9.2.2基于运动分析的镜头检测方法381

9.2.3基于图像特征的镜头检测方法382

9.2.4基于多分类器组合的镜头检测方法386

9.2.5关键帧提取方法386

9.2.6镜头快速切变检测方法387

9.2.7基于SVM的镜头渐变检测方法391

9.3新闻视频挖掘394

9.3.1自适应的镜头探测394

9.3.2播音员镜头检测399

9.3.3新闻故事单元检测404

9.4广告检测411

9.4.1基于双重窗口的镜头切变检测方法412

9.4.2阈值的自适应选择415

9.4.3基于音频融合的广告检测417

9.5视频文本检测418

9.5.1基于边缘信息和LH的视频文本检测419

9.5.2基于小波分析和LH的视频文本检测423

9.5.3基于形态学的视频文本检测424

9.5.4基于小波-神经网络的视频文本检测430

9.6本章小结433

第10章 视频分析434

10.1视频分析简述434

10.2慢镜头检测439

10.2.1基于帧间差模式识别的慢镜头检测方法440

10.2.2基于差分图像分析的慢镜头检测方法442

10.2.3基于零点穿越的慢镜头检测算法443

10.2.4基于帧差模式和镜头主色的慢镜头检测方法445

10.3视频摘要449

10.3.1视频摘要概述450

10.3.2视频摘要实现方法452

10.4视频检索455

10.4.1视频检索简介455

10.4.2视频特征的提取458

10.4.3视频数据的建模467

10.4.4视频检索方法471

10.5视频快速检索474

10.5.1子片断分割474

10.5.2视频特征数据的组织478

10.5.3相似度定义479

10.5.4查询算法483

10.6本章小结485