前 言
第一部分 基 礎 篇
第1章 初識數據挖掘
1.1 什麼是數據挖掘
1.2 數據挖掘在企業商務智能應用中的定位
1.2.1 數據挖掘給企業帶來最大的投資收益
1.2.2 數據挖掘從本質上提升商務智能平颱的價值
1.2.3 數據挖掘讓商務智能流程真正形成閉環
1.3 信息類BI應用與知識類BI應用
1.4 數據挖掘現狀及應用前景
1.5 本章小結
第2章 數據挖掘的應用分類
2.1 分類與迴歸
2.1.1 分類與迴歸建模原理
2.1.2 分類與迴歸算法
2.2 聚類
2.2.1 聚類分析建模原理
2.2.2 聚類算法
2.3 關聯規則
2.3.1 什麼是關聯規則
2.3.2 關聯規則算法
2.4 時序模式
2.4.1 什麼是時序模式
2.4.2 時間序列的組閤成分
2.4.3 時間序列的組閤模型
2.4.4 時序算法
2.5 偏差檢測
2.6 本章小結
第3章 數據挖掘建模
3.1 數據挖掘的過程
3.2 數據挖掘建模過程
3.2.1 定義挖掘目標
3.2.2 數據取樣
3.2.3 數據探索
3.2.4 預處理
3.2.5 模式發現
3.2.6 模型構建
3.2.7 模型評價
3.3 常用的建模工具
3.4 本章小結
第4章 頂尖數據挖掘平颱TipDM
4.1 TipDM産品功能
4.1.1 TipDM平颱提供的數據探索及預處理算法
4.1.2 TipDM平颱提供的分類與迴歸算法
4.1.3 TipDM平颱提供的時序模式算法
4.1.4 TipDM平颱提供的聚類分析算法
4.1.5 TipDM平颱提供的關聯規則算法
4.2 TipDM使用說明
4.3 TipDM産品特點
4.3.1 支持CRISP-DM數據挖掘標準流程
4.3.2 提供豐富的數據挖掘模型和靈活算法
4.3.3 具有多模型的整閤能力
4.3.4 提供靈活多樣的應用開發接口
4.3.5 海量數據的處理能力
4.3.6 適應不同類型層次人員需求
4.4 本章小結
第二部分 實 戰 篇
第5章 數據挖掘在金融電信行業的應用
5.1 案例一：基於公司價值評價的證券策略投資
5.1.1 挖掘目標的提齣
5.1.2 分析方法與過程
5.1.3 建模仿真
5.1.4 核心知識點
5.1.5 拓展思考
5.2 案例二：電信3G客戶識彆係統
5.2.1 挖掘目標的提齣
5.2.2 分析方法與過程
5.2.3 建模仿真
5.2.4 核心知識點
5.2.5 拓展思考
5.3 案例三：基於客戶分群的精準智能營銷
5.3.1 挖掘目標的提齣
5.3.2 分析方法與過程
5.3.3 建模仿真
5.3.4 核心知識點
5.3.5 拓展思考
5.4 本章小結
第6章 數據挖掘在電力行業的應用
6.1 案例一：電力負荷預測
6.1.1 挖掘目標的提齣
6.1.2 分析方法與過程
6.1.3 建模仿真
6.1.4 核心知識點
6.1.5 拓展思考
6.2 案例二：自適應防竊漏電實時診斷
6.2.1 挖掘目標的提齣
6.2.2 分析方法與過程
6.2.3 建模仿真
6.2.4 核心知識點
6.2.5 擴展思考
6.3 本章小結
第7章 數據挖掘在互聯網行業的應用
7.1 案例一：商業零售行業中的購物籃分析
7.1.1 挖掘目標的提齣
7.1.2 分析方法與過程
7.1.3 建模仿真
7.1.4 核心知識點
7.1.5 拓展思考
7.2 案例二：電子商務網站用戶行為分析
7.2.1 挖掘目標的提齣
7.2.2 分析方法與過程
7.2.3 建模仿真
7.2.4 核心知識點
7.2.5 拓展思考
7.3 案例三：網絡入侵智能檢測
7.3.1 挖掘目標的提齣
7.3.2 分析方法與過程
7.3.3 建模仿真
7.3.4 核心知識點
7.3.5 拓展思考
7.4 案例四：基於用戶行為分析的定嚮網絡廣告投放
7.4.1 挖掘目標的提齣
7.4.2 分析方法與過程
7.4.3 建模仿真
7.4.4 結果及分析
7.4.5 核心知識點
7.4.6 拓展思考
7.5 案例五：企業信息係統用戶服務感知評價
7.5.1 挖掘目標的提齣
7.5.2 分析方法與過程
7.5.3 建模仿真
7.5.4 核心知識點
7.5.5 拓展思考
7.6 本章小結
第8章 數據挖掘在生産製造行業中的應用
8.1 案例一：基於小波變換的樁基完整性檢測
8.1.1 挖掘目標的提齣
8.1.2 分析方法與過程
8.1.3 仿真過程
8.1.4 核心知識點
8.1.5 拓展思考
8.2 案例二：基於水色圖像的水質評價
8.2.1 挖掘目標的提齣
8.2.2 分析方法與過程
8.2.3 建模仿真
8.2.4 核心知識點
8.2.5 拓展思考
8.3 案例三：生物質廢物混閤厭氧消化優勢組分互補機製
8.3.1 挖掘目標的提齣
8.3.2 分析方法與過程
8.3.3 建模仿真
8.3.4 核心知識點
8.3.5 拓展思考
8.4 案例四：基於RFM的企業客戶關係分析
8.4.1 挖掘目標的提齣
8.4.2 分析過程與方法
8.4.3 建模仿真
8.4.4 核心知識點
8.4.5 拓展思考
8.5 案例五：水産養殖投入産齣多目標優化仿真
8.5.1 挖掘目標的提齣
8.5.2 分析方法與過程
8.5.3 建模仿真
8.5.4 核心知識點
8.5.5 拓展思考
8.6 本章小結
第9章 數據挖掘在公共服務行業的應用
9.1 案例一：乳腺癌證素變化規律及截斷療法
9.1.1 挖掘目標的提齣
9.1.2 分析方法與過程
9.1.3 建模仿真
9.1.4 核心知識點
9.1.5 拓展思考
9.2 案例二：捲煙消費者購買行為分析
9.2.1 挖掘目標的提齣
9.2.2 分析過程與方法
9.2.3 挖掘建模
9.2.4 核心知識點
9.2.5 拓展思考
9.3 案例三：納稅人偷漏稅評估
9.3.1 挖掘目標的提齣
9.3.2 分析方法與過程
9.3.3 建模仿真
9.3.4 核心知識點
9.3.5 拓展思考
9.4 案例四：道路缺陷自動識彆
9.4.1 挖掘目標的提齣
9.4.2 分析方法與過程
9.4.3 建模仿真
9.4.4 核心知識點
9.4.5 拓展思考
9.5 案例五：航空公司客運信息挖掘
9.5.1 挖掘目標的提齣
9.5.2 分析方法與過程
9.5.3 建模仿真
9.5.4 核心知識點
9.5.5 拓展思考
9.6 本章小結
第10章 動手實踐
10.1 實驗一：數據探索及數據預處理
10.2 實驗二：神經網絡模型的構建與使用
10.3 實驗三：決策樹模型的構建與使用
10.4 實驗四：聚類算法的構建與使用
10.5 實驗五：關聯規則模型的構建與使用
10.6 實驗六：時間序列模型的構建與使用
10.7 本章小結
第三部分 高 級 篇
第11章 基於第三方接口的數據挖掘二次開發
11.1 WEKA數據挖掘接口
11.1.1 WEKA功能及其算法
11.1.2 WEKA包結構
11.1.3 WEKA算法入口
11.1.4 二次開發相關輸齣
11.2 MATLAB數據挖掘接口
11.3 案例：基於MATLAB接口的數據挖掘二次開發
11.3.1 接口算法編程
11.3.2 用Java Builder創建Java組件
11.3.3 安裝MATLAB運行時環境
11.3.4 JDK環境及設置
11.4 本章小結
第12章 基於Hadoop框架的海量數據挖掘開發
12.1 基於雲計算的海量數據挖掘技術特點
12.2 基於Hadoop的並行數據挖掘算法工具箱TipCDM
12.3 案例：基於海量計量數據的電力客戶在綫分群方法
12.3.1 挖掘目標的提齣
12.3.2 分析方法與過程
12.3.3 建模仿真
12.3.4 核心知識點
12.4 本章小結
參考文獻
· · · · · · (收起)