內容簡介
面對“人們被數據淹沒，卻饑渴於知識”的挑戰，數據挖掘和知識發現技術應運而生，並得以蓬勃發展。數據挖掘涉及到人工智能、模式識別、機器學習、統計學等領域，因此，我們把體現當代科學技術發展特征的多學科間的知識交叉及*成果反映到教材中來，同時本書從智能信息處理及數據挖掘兩大主題出發，著重於介紹將智能信息處理中的*技術如何應用於數據挖掘領域，如智能搜索、分類、聚類和智能決策等。
本書在介紹智能信息處理理論、方法、技術的基礎上，全面繫統地介紹了數據挖掘的概念、相關技術的原理及應用。全書共分9章。章主要從整體上介紹數據挖掘和知識發現的基本概念、研究現狀及發展方向；第二章介紹了數據挖掘的理論基礎；第三章詳細論述了用於數據挖掘的計算智能方法的理論基礎；第四章論述了神經網絡和進化計算的分類方法；第五章全面論述了支撐矢量機與核分類方法；第六章詳細論述了集成分類方法；第七章繫統論述了數據挖掘中大規模數據聚類方法；第八章論述關聯規則挖掘方法；第九章介紹數據挖掘實例及可視化。從第三章後的每一章都給出了所用方法的實驗條件設置及實驗結果。
本書可作為高校計算機、信號與信息處理、應用數學等專業的高年級本科生或研究生的教材，也可作為從事數據挖掘方面研究工作的科技工作者的參考資料。
本書在介紹智能信息處理理論、方法、技術的基礎上，全面繫統地介紹了數據挖掘的概念、相關技術的原理及應用。全書共分9章。章主要從整體上介紹數據挖掘和知識發現的基本概念、研究現狀及發展方向；第二章介紹了數據挖掘的理論基礎；第三章詳細論述了用於數據挖掘的計算智能方法的理論基礎；第四章論述了神經網絡和進化計算的分類方法；第五章全面論述了支撐矢量機與核分類方法；第六章詳細論述了集成分類方法；第七章繫統論述了數據挖掘中大規模數據聚類方法；第八章論述關聯規則挖掘方法；第九章介紹數據挖掘實例及可視化。從第三章後的每一章都給出了所用方法的實驗條件設置及實驗結果。
本書可作為高校計算機、信號與信息處理、應用數學等專業的高年級本科生或研究生的教材，也可作為從事數據挖掘方面研究工作的科技工作者的參考資料。
