智能數(shù)據(jù)挖掘技術(shù)

第1章 緒論
1.1 人工智能綜述
1.2 知識(shí)發(fā)展導(dǎo)論
思考題
第2章 數(shù)據(jù)倉庫的概念和結(jié)構(gòu)
2.1 數(shù)據(jù)倉庫的概念和特征
2.2 數(shù)據(jù)倉庫工程規(guī)劃
2.3 數(shù)據(jù)倉庫系統(tǒng)的設(shè)計(jì)準(zhǔn)則
2.4 數(shù)據(jù)倉庫的結(jié)構(gòu)和設(shè)計(jì)
思考題
第3章 基于概率統(tǒng)計(jì)與神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘技術(shù)
3.1 基于概率統(tǒng)計(jì)的數(shù)據(jù)挖掘技術(shù)
3.2 基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘技術(shù)
思考題
第4章 基于信息論的數(shù)據(jù)挖掘技術(shù)
4.1 信息論原理
4.2 基于互信息的ID3算法及改進(jìn)算法
思考題
第5章 基于關(guān)聯(lián)規(guī)劃的數(shù)據(jù)挖掘技術(shù)
5.1 基于概念及主要算法
5.2 在線挖掘關(guān)聯(lián)規(guī)則算法的改進(jìn)
5.3 關(guān)聯(lián)規(guī)則并行化挖掘算法
思考題
第6章 基于分類規(guī)則的數(shù)據(jù)挖掘技術(shù)
6.1 基于粗糙集合的分類方法
6.2 基 于模糊集合的分類方法
6.3 貝葉斯分類與推進(jìn)方法分類
思考題
第7章 基于聚類規(guī)則的數(shù)據(jù)挖掘技術(shù)
7.1 聚類原理
7.2 聚類分析中的數(shù)據(jù)類型
7.3 相似性測度
7.4 硬聚類
7.5 軟聚類
7.6 模糊聚類
7.7 空間對(duì)象聚類
思考題
第8章 基于Web的數(shù)據(jù)挖掘技術(shù)
……
第9章 基于數(shù)據(jù)挖掘技術(shù)的智能決策研究框架