復(fù)雜數(shù)據(jù)挖掘

Zighed

Mining Complex Data

2009

Hardback

ISBN9783540880660

Djamel A. Zighed 等著

數(shù)據(jù)挖掘和知識發(fā)現(xiàn)已經(jīng)被公認(rèn)為是具有大量有效方法和研究意義的特殊領(lǐng)域,它可以從數(shù)據(jù)中提取知識。然而,該領(lǐng)域的誘人之處就在于其挑戰(zhàn)性。事實(shí)上,數(shù)據(jù)挖掘的背景從第一個(gè)知識發(fā)現(xiàn)(KDD)程序的定義就不斷發(fā)展,并且從數(shù)據(jù)中提取出來的知識變得越來越復(fù)雜。本書旨在收集當(dāng)前最新的與復(fù)雜數(shù)據(jù)挖掘相關(guān)的研究工作,向讀者揭示整個(gè)知識發(fā)現(xiàn)過程的每一個(gè)關(guān)鍵步驟。本書收錄的論文是來之于2006年以來該領(lǐng)域研討會的論文。

全書分為四大部分,共由16章組成。第一部分復(fù)雜數(shù)據(jù)的概觀,包括第1-5章。1.使用格式數(shù)據(jù)的科學(xué)文獻(xiàn)分析;2.使用遺傳算法提取模糊系統(tǒng)的不平衡數(shù)據(jù)集分類:唐氏綜合癥檢查的應(yīng)用;3.提高抗噪聲能力的混合方法;4.分類過程中處理概率決策樹中的缺失值;5.區(qū)間數(shù)據(jù)挖掘的基于核的算法和可視化。第二部分規(guī)則提取,包括第6-9章。6.由規(guī)則支持評估法的構(gòu)造性元學(xué)習(xí)方法組成的學(xué)習(xí)算法的評估;7.通過挖掘統(tǒng)計(jì)關(guān)聯(lián)規(guī)則來選擇最相關(guān)的醫(yī)學(xué)圖像特性;8.從序列挖掘到多維序列挖掘;9.發(fā)現(xiàn)行為規(guī)則的基于樹的算法。第三部分圖形數(shù)據(jù)挖掘,包括第10-14章。10.圖形結(jié)構(gòu)數(shù)據(jù)的索引結(jié)構(gòu);11.頻繁子圖挖掘的完全延托截?cái)?12.在復(fù)雜網(wǎng)絡(luò)中使用枚舉法求解最大派系的并行算法;13.發(fā)現(xiàn)無尺寸網(wǎng)絡(luò)中的社區(qū):算法和評估標(biāo)準(zhǔn);14.從復(fù)雜網(wǎng)絡(luò)中提取社區(qū)的k-稠密性方法。第四部分?jǐn)?shù)據(jù)聚類,包括第15-16章。15.階數(shù)的高效聚類方法;16.探索文本數(shù)據(jù)的有效索引。

全書內(nèi)容豐富,適用性強(qiáng),適合從事數(shù)據(jù)挖掘、統(tǒng)計(jì)分析、應(yīng)用數(shù)學(xué)及其相關(guān)領(lǐng)域的工程師、科研人員和研究生參考閱讀。

陳濤,碩士

(中國傳媒大學(xué)理學(xué)院)

Chen Tao,Master

(School of Science,Communication University of China)