數(shù)據(jù)挖掘算法及其工程應(yīng)用

定　價：￥25.00

作　者：	章兢、張小剛
出版社：	機械工業(yè)出版社
叢編項：
標　簽：	數(shù)據(jù)庫存儲與管理

購買這本書可以去

ISBN：	9787111191261	出版時間：	2006-06-01	包裝：	平裝
開本：	16開	頁數(shù)：	194	字數(shù)：

內(nèi)容簡介

　　隨著數(shù)據(jù)庫技術(shù)在工程領(lǐng)域中的廣泛應(yīng)用，對工程數(shù)據(jù)的后期分析和處理具有廣泛的應(yīng)用前景。本書以各類數(shù)據(jù)挖掘算法為核心，以智能數(shù)據(jù)分析技術(shù)的發(fā)展歷程為主線，結(jié)合作者自身的研究和應(yīng)用經(jīng)驗，詳細闡述了數(shù)理統(tǒng)計、機器學習、軟計算、關(guān)聯(lián)挖掘和支持向量集等研究領(lǐng)域的成熟算法，并研究了各類方法在工業(yè)過程控制、水輪機調(diào)速智能監(jiān)控、物流配送車輛路徑優(yōu)化等工程領(lǐng)域的實際應(yīng)用，便于讀者了解各種技術(shù)的應(yīng)用對象、應(yīng)用方法及應(yīng)用效果。本書內(nèi)容豐富，論述簡明，強調(diào)具體挖掘算法的分析和使用，力求實現(xiàn)數(shù)據(jù)挖掘技術(shù)從商業(yè)到工程領(lǐng)域應(yīng)用的轉(zhuǎn)變?？勺鳛楣た朴嘘P(guān)專業(yè)研究生和本、專科生的教學參考書，也可作為工程技術(shù)人員的自學讀物。

作者簡介

　　章兢，1957年生，博士，教授，博士生導(dǎo)師?，F(xiàn)任湖南大學事校長，教育部高等學校文化素質(zhì)教育指導(dǎo)委員會委員，全國高等學校自動化專業(yè)教學指導(dǎo)委員會委員，中國電工技術(shù)學會理事，湖南省電工技術(shù)學會理事長。主要從事復(fù)雜系統(tǒng)計算機控制，模式識別等領(lǐng)域的研究工作。已發(fā)表論文70余篇，承擔過部、省“七五”、“八五”、“九五”攻關(guān)，博士點基金、自然科學基金項目，獲部、省級科技進步獎一等獎2項，二等獎3項。

圖書目錄

前言
第1章　數(shù)據(jù)挖掘綜述
　1.1　數(shù)據(jù)挖掘的概念和定義
　1.2　數(shù)據(jù)挖掘的歷史及發(fā)展
　1.3　數(shù)據(jù)挖掘研究內(nèi)容及功能
　1.4　數(shù)據(jù)挖掘常用技術(shù)及工具
　1.5　數(shù)據(jù)挖掘應(yīng)用熱點
第2章　數(shù)理統(tǒng)計方法
　2.1　數(shù)據(jù)挖掘與數(shù)理統(tǒng)計的關(guān)系
　2.2　數(shù)理統(tǒng)計與數(shù)據(jù)庫技術(shù)的結(jié)合
　2.3　回歸分析的基本概念
　2.4　線性回歸方程
　2.5　線性相關(guān)的顯著性檢驗
　　2.5.1　線性回歸的方差分析
　　2.5.2　相關(guān)系數(shù)的顯著性檢驗
　2.6　非線性回歸分析
　　2.6.1　化非線性回歸為線性回歸
　　2.6.2　多項式回歸
　2.7　多元線性回歸分析
　　2.7.1　多元線性回歸方程
　　2.7.2　多元線性回歸的方差分析
　2.8　一般情況下的回歸分析
　　2.8.1　一般情況下的回歸方程
　　2.8.2　一般情況下的參數(shù)估計
　2.9　逐步回歸分析的軟件設(shè)計
　2.10　鍛模設(shè)計準則的制定
　　2.10.1　研究的內(nèi)容
　　2.10.2　資料收集與數(shù)據(jù)處理
　　2.10.3　飛邊尺寸設(shè)計準則的制定
　　2.10.4　飛邊金屬消耗設(shè)計準則的制定
　2.11　小結(jié)
　參考文獻
第3章　決策樹學習算法
　3.1　決策樹概述
　　3.1.1　決策樹構(gòu)造與分類
　　3.1.2　決策樹的應(yīng)用
　　3.1.3　決策樹發(fā)展趨勢
　3.2　ID3及其系列決策樹算法
　　3.2.1　ID3算法
　　3.2.2　ID4算法
　　3.2.3　ID5R算法
　3.3　C4.5決策樹學習算法
　　3.3.1　C4.5功能改進
　　3.3.2　C4.5系統(tǒng)應(yīng)用
　　3.3.3　C4.5的不足
　3.4　其他決策樹分類算法
　　3.4.1　CART算法
　　3.4.2　CHAID算法
　　3.4.3　SLIQ算法
　　3.4.4　SPRINT算法
　　3.4.5　PUBLIC算法
　3.5　小結(jié)
　參考文獻
第4章　基于分層搜索的關(guān)聯(lián)挖掘算法
第5章　軟計算方法
第6章　支持向量機
第7章　數(shù)據(jù)挖掘算法的工程應(yīng)用