總序
前言
第1章 數據挖掘導論
1.1 數據挖掘的發展背景
1.2 數據挖掘定義
1.3 數據挖掘過程
1.4 數據挖掘功能
1.5 數據挖掘應用
1.6 數據挖掘發展
1.7 本章小結
第2章 數據預處理
2.1 數據描述
2.1.1 數據集類型
2.1.2 數據質量
2.2 數據清理
2.2.1 缺失值處理
2.2.2 噪聲數據處理
2.2.3 數據清理過程
2.3 數據集成和變換
2.3.1 數據集成
2.3.2 數據變換
2.3.3 維度歸約
2.4 數據歸約
2.4.1 數據立方體聚集
2.4.2 屬性子集選擇
2.5 本章小結
第3章 分類挖掘：決策樹
3.1 決策樹方法
3.2 決策樹深入
3.2.1 信息熵基礎
3.2.2 c4.5方法
3.2.3 cart方法
3.2.4 sliq方法
3.2.5 sprint方法
3.2.6 其他決策樹方法
3.3 決策樹的簡化
3.4 決策樹的改進
3.4.1 屬性選擇
3.4.2 連續屬性離散化
3.5 決策樹的討論
3.5.1 決策樹優化問題
3.5.2 決策樹優化方法
3.6 分類模型的評估
3.7 本章小結
第4章 分類挖掘
4.1 貝葉斯方法
4.1.1 貝葉斯方法概述
4.1.2 樸素貝葉斯分類
4.2 k-近鄰方法
4.3 人工神經網絡方法
4.4 遺傳進化方法
4.5 支持向量機方法
4.5.1 svm分類方法
4.6 粗糙集方法
4.7 集成學習方法
……
第5章 關聯挖掘
第6章 聚類挖掘
第7章 異類挖掘
第8章 文本挖掘
第9章 視頻挖掘
第10章 視頻分析