動態(tài)數(shù)據(jù)挖掘

前言
第一章 緒論
1.1 引言
1.2 數(shù)據(jù)挖掘概述
1.2.1 數(shù)據(jù)挖掘的基本概念
1.2.2 數(shù)據(jù)挖掘技術(shù)
1.3 動態(tài)數(shù)據(jù)挖掘
1.3.1 動態(tài)數(shù)據(jù)挖掘的產(chǎn)生
1.3.2 動態(tài)數(shù)據(jù)挖掘技術(shù)概述
參考文獻(xiàn)
第二章 數(shù)據(jù)流挖掘技術(shù)
2.1 概述
2.2 數(shù)據(jù)流挖掘技術(shù)
2.2.1 窗口技術(shù)
2.2.2 動態(tài)抽樣技術(shù)
2.2.3 概要數(shù)據(jù)結(jié)構(gòu)
2.2.4 更新策略
2.3 數(shù)據(jù)流挖掘算法
2.3.1 數(shù)據(jù)流聚類算法
2.3.2 數(shù)據(jù)流分類算法
2.3.3 數(shù)據(jù)流頻繁項集挖掘算法
2.3.4 多數(shù)據(jù)流挖掘算法
2.4 數(shù)據(jù)流挖掘技術(shù)的應(yīng)用
2.4.1 數(shù)據(jù)流管理系統(tǒng)
2.4.2 案例推理在數(shù)據(jù)流管理中的應(yīng)用
參考文獻(xiàn)
第三章 分形數(shù)據(jù)挖掘技術(shù)
3.1 概述
3.2 數(shù)據(jù)集的分形維數(shù)
3.2.1 數(shù)據(jù)集分形維數(shù)的含義
3.2.2 數(shù)據(jù)集分形維數(shù)的計算方法
3.3 基于分形維數(shù)的約簡技術(shù)
3.3.1 分形屬性選擇及其改進(jìn)算法
3.3.2 基于分形維數(shù)的案例庫維護(hù)算法
3.4 分形聚類算法
3.4.1 基于網(wǎng)格和分形維數(shù)的聚類算法
3.4.2 基于分形維數(shù)的數(shù)據(jù)流聚類算法
3.4.3 基于多重分形的聚類層次優(yōu)化算法
3.5 分形分類與預(yù)測技術(shù)
3.5.1 分形分類技術(shù)
3.5.2 分形預(yù)測技術(shù)
3.6 分形數(shù)據(jù)挖掘技術(shù)的應(yīng)用
3.6.1 金融數(shù)據(jù)分析
3.6.2 網(wǎng)絡(luò)入侵檢測
參考文獻(xiàn)
第四章 聯(lián)機(jī)分析挖掘
4.1 概述
4.2 數(shù)據(jù)立方體
4.2.1 數(shù)據(jù)立方體簡介
4.2.2 數(shù)據(jù)立方體優(yōu)化方法
4.2.3 數(shù)據(jù)立方體物化方法研究
4.3 聯(lián)機(jī)分析處理
4.3.1 OLAP概念及分類
4.3.2 支持OLAP查詢的索引技術(shù)研究
4.3.3 OLAP動態(tài)查詢方法
4.4 聯(lián)機(jī)分析挖掘
4.4.1 聯(lián)機(jī)分析挖掘簡介
4.4.2 聯(lián)機(jī)分析挖掘體系結(jié)構(gòu)
4.4.3 OLAP與數(shù)據(jù)挖掘技術(shù)的結(jié)合方法
參考文獻(xiàn)
第五章 經(jīng)驗?zāi)B(tài)分解技術(shù)
5.1 概述
5.1.1 經(jīng)驗?zāi)B(tài)分解基本理論
5.1.2 經(jīng)驗?zāi)B(tài)分解研究現(xiàn)狀
5.2 基于經(jīng)驗?zāi)B(tài)分解的序列趨勢的提取
5.2.1 引言
5.2.2 基于EMD方法的序列趨勢的提取
5.3 基于經(jīng)驗?zāi)B(tài)分解的時間序列匹配算法
5.3.1 引言
5.3.2 基于交叉覆蓋算法的序列匹配算法
5.3.3 基于經(jīng)驗?zāi)B(tài)分解和覆蓋算法的序列匹配算法
5.4 基于經(jīng)驗?zāi)B(tài)分解的聚類算法
5.4.1 引言
5.4.2 基于經(jīng)驗?zāi)B(tài)分解的數(shù)據(jù)降維技術(shù)
5.4.3 基于經(jīng)驗?zāi)B(tài)分解和K-means聚類算法
5.5 基于經(jīng)驗?zāi)B(tài)分解的流數(shù)據(jù)挖掘技術(shù)
5.5.1 引言
5.5.2 基于經(jīng)驗?zāi)B(tài)分解的數(shù)據(jù)流概要生成技術(shù)
5.6 經(jīng)驗?zāi)B(tài)分解動態(tài)數(shù)據(jù)挖掘技術(shù)的應(yīng)用
5.6.1 引言
5.6.2 基于經(jīng)驗?zāi)B(tài)分解和交叉覆蓋算法的個人信用的評估
5.6.3 基于經(jīng)驗?zāi)B(tài)分解和K-means算法的客戶行為聚類
參考文獻(xiàn)
第六章 聯(lián)系發(fā)現(xiàn)技術(shù)
6.1 概述
6.2 基于圖挖掘的聯(lián)系發(fā)現(xiàn)
6.2.1 圖挖掘的相關(guān)概念和定義
6.2.2 基于圖論的無監(jiān)督的聯(lián)系發(fā)現(xiàn)算法
6.3 基于一階謂詞邏輯的聯(lián)系發(fā)現(xiàn)
6.3.1 一階謂詞邏輯的相關(guān)概念和定義
6.3.2 基于ILP的聯(lián)系發(fā)現(xiàn)算法
6.4 基于聯(lián)系發(fā)現(xiàn)的結(jié)合型數(shù)據(jù)挖掘方法
6.4.1 基于相關(guān)分析和聯(lián)系發(fā)現(xiàn)的結(jié)合
6.4.2 圖熵和聯(lián)系發(fā)現(xiàn)的結(jié)合
6.4.3 概率統(tǒng)計方法和聯(lián)系發(fā)現(xiàn)的結(jié)合
6.5 聯(lián)系發(fā)現(xiàn)技術(shù)的現(xiàn)實應(yīng)用
6.5.1 聯(lián)系發(fā)現(xiàn)在反恐中的運用
6.5.2 聯(lián)系發(fā)現(xiàn)在金融反洗錢中的運用
參考文獻(xiàn)