數據挖掘與數學建模

第1章 數據挖掘與數學建模關系概述
　1.1 當前信息化發(fā)展的趨勢與面對問題
　1.2 數據挖掘發(fā)展及其應用
　1.3 基于數據挖掘的數學建模
　1.4 數據挖掘軟件Clementine的基本操作概述
　參考文獻
第2章 統(tǒng)計分析
　2.1 問題概述
　2.2 回歸分析及其應用
　2.3 二項邏輯回歸
　2.4 主成分分析
　2.5 因子分析
　2.6 管理勝任力的案例分析和數學建模
　參考文獻
第3章 聚類分析
　3.1 問題概述
　3.2 聚類分析概述
　3.3 基于距離的聚類相似度
　3.4 系統(tǒng)聚類法
　3.5 C-均值(C-Means)聚類算法
　3.6 Clementine輔助K-Means聚類
　3.7 模糊聚類
　3.8 聚類有效性
　3.9 醫(yī)療建設評價的案例分析與數學建模
　參考文獻
第4章 神經網絡及其應用
　4.1 問題概述
　4.2 神經網絡概述
　4.3 神經網絡的基本模型
　4.4 誤差逆?zhèn)鞑ド窠浘W絡模型
　4.5 RBF神經網絡
　4.6 自組織特征映射(SOM)神經網絡
　4.7 神經網絡的案例分析與數學建模
　4.8 模糊神經網絡
　參考文獻
第5章 決策樹及其應用
　5.1 問題概述
　5.2 決策樹概述
　5.3 ID3算法
　5.4 C4.5算法
　5.5 CART算法
　5.6 Clementine輔助決策樹建立
　5.7 決策樹的評價標準
　5.8 決策樹的剪枝
　5.9 決策樹的優(yōu)化
　5.10 燃氣管網安全預測案例分析與數學建模
　5.11 模糊決策樹
　參考文獻
第6章 關聯分析
　6.1 問題概述
　6.2 關聯分析概述
　6.3 Apriori關聯規(guī)則算法
　6.4 Clementine輔助Apriori算法實現關聯分析
　6.5 基于Apriori算法的改進算法
　6.6 基于分類搜索的關聯規(guī)則算法
　6.7 基于頻繁樹的關聯規(guī)則算法
　6.8 關聯規(guī)則的推廣
　6.9 時序關聯規(guī)則算法
　6.10 Clememtin輔助時序關聯分析
　6.11 多值屬性關聯規(guī)則算法
　6.12 增量關聯規(guī)則算法
　6.13 基于關聯規(guī)則的分類算法
　6.14 關聯分類算法的改進
　6.15 模糊關聯分類算法與應用
　6.16 關聯規(guī)則案例分析與數學建模
　參考文獻
第7章 遺傳算法
　7.1 問題概述
　7.2 遺傳算法概述
　7.3 模式定理
　7.4 改進的遺傳算法
　7.5 遺傳算法案例分析與數學建模
　參考文獻
第8章 貝葉斯網絡與知識推理
　8.1 問題概述
　8.2 貝葉斯網絡原理概述
　8.3 主要貝葉斯網絡模型
　8.4 管理勝任力的貝葉斯網絡知識推理模型建立
　8.5 Clementine輔助貝葉斯網絡的建立
　8.6 地下燃氣管網安全風險的貝葉斯網絡知識推理與診斷
　8.7 模糊貝葉斯網絡
　8.8 電子商務發(fā)展水平的模糊貝葉斯網絡知識推理模型
　8.9 數據挖掘軟件WEKA輔助無約束貝葉斯網絡的建立
　參考文獻