●出版者的話
譯者序
前言
第14章 時間序列數據挖掘
14.1 引言
14.2 時間序列的前期準備和相似性度量
14.2.1 缺失值處理
14.2.2 噪聲去除
14.2.3 歸一化
14.2.4 數據轉換和約簡
14.2.5 時間序列相似性度量
14.3 時間序列預測
14.3.1 自回歸模型
14.3.2 自回歸移動平均模型
14.3.3 帶有隱含變預測
14.4 時間序列模體
14.4.1 基於距離的模體
14.4.2 轉換為序列模式挖掘
14.4.3 周期模式
14.5 時間序列聚類
14.5.1 共同演化序列的在線聚類
14.5.2 基於形狀的聚類
14.6 時間序列異常檢測
14.6.1 點異常
14.6.2 形狀異常
14.7 時間序列分類
14.7.1 有監督事件檢測
14.7.2 全時序分類
14.8 小結
14.9 文獻注釋
14.10 練習題
第15章 離散序列挖掘
15.1 引言
15.2 序列模式挖掘
15.2.1 頻繁模式到頻繁序列
15.2.2 約束的序列模式挖掘
15.3 序列聚類
15.3.1 基於距離的方法
15.3.2 基於圖的方法
15.3.3 基於序列的聚類
15.3.4 概率聚類
15.4 序列中的異常檢測
15.4.1 位置異常
15.4.2 組合異常
15.5 隱馬爾可夫模型
15.5.1 HMM的正式定義
15.5.2 評估：計算觀察序列的擬合概率
15.5.3 說明：確定觀察序列的很優狀態序列
15.5.4 訓練：鮑姆韋爾奇算法
15.5.5 應用
15.6 序列分類
15.6.1 最近鄰分類器
15.6.2 基於圖的方法
15.6.3 基於規則的方法
15.6.4 內核SVM
15.6.5 概率方法：隱馬爾可夫模型
15.7 小結
15.8 文獻注釋
15.9 練習題
第16章 空間數據挖掘
16.1 引言
16.2 上下文空間屬性的挖掘
16.2.1 形狀到時間序列的轉換
16.2.2 使用小波分析的空間數據到多維數據的轉換
16.2.3 共址空間模式
16.2.4 形狀聚類
16.2.5 異常檢測
16.2.6 形狀分類
16.3 軌跡挖掘
16.3.1 軌跡數據和多變量時間序列的等價性
16.3.2 將軌跡轉換為多維數據
16.3.3 軌跡模式挖掘
16.3.4 軌跡聚類
16.3.5 軌跡異常檢測
16.3.6 軌跡分類
16.4 小結
16.5 文獻注釋
16.6 練習題
第17章 圖數據挖掘
17.1 引言
17.2 圖匹配和距離計算
17.2.1 同構子圖問題的Ullman算法
17.2.2 優選公共子圖問題
17.2.3 用於距離計算的圖匹配方法
17.3 基於轉換的距離計算
17.3.1 基於頻繁子結構的轉換和距離計算
17.3.2 拓撲描述量
17.3.3 基於內核的轉換和計算
17.4 圖數據的頻繁子結構挖掘
17.4.1 基於節點的連接
17.4.2 基於邊的連接
17.4.3 頻繁模式挖掘到圖模式挖掘
17.5 圖聚類
17.5.1 基於距離的方法
17.5.2 基於頻繁子結構的方法
17.6 圖分類
17.6.1 基於距離的方法
17.6.2 基於頻繁子結構的方法
17.6.3 內核SVM
17.7 小結
17.8 文獻注釋
17.9 練習題
第18章 挖掘Web數據
18.1 引言
18.2 Web爬取和資源發現
18.2.1 基本爬蟲算法
18.2.2 偏好爬蟲
18.2.3 多線程
18.2.4 爬蟲陷阱應對方法
18.2.5 檢測近似重復的覆蓋
18.3 搜索引擎索引和查詢處理
18.4 排名算法
18.4.1 PageRank
18.4.2 HITS
18.5 推薦繫統
18.5.1 基於內容的推薦
18.5.2 協同過濾基於鄰域的方法
18.5.3 基於圖的方法
18.5.4 聚類方法
18.5.5 潛在因素模型
18.6 Web使用記錄的挖掘
18.6.1 數據預處理
18.6.2 應用
18.7 小結
18.8 文獻注釋
18.9 練習題
第19章 社交網絡分析
19.1 引言
19.2 社交網絡：預備知識與特性
19.2.1 同質性
19.2.閉合和聚類繫數
19.2.3 網絡構成的動態性
19.2.4 符合冪定律的度分布
19.2.5 中心度和聲望的度量
19.3 社區發現
19.3.1 Kernighan-Lin算法
19.3.2 Girvan-Newman算法
19.3.3 多層次的圖劃分：METIS
19.3.4 譜聚類
19.4 協同分類
19.4.1 迭代分類算法
19.4.2 隨機遊走方式的標簽傳播
19.4.3 有監督的譜方法
19.5 鏈接預測
19.5.1 基於鄰域的度量
19.5.2 Katz度量
19.5.3 基於隨機遊走的度量
19.5.4 鏈接預測作為分類問題
19.5.5 鏈接預測作為缺失值估計問題
19.5.6 討論
19.6 社交影響分析
19.6.1 線性閾值模型
19.6.2 獨立級聯模型
19.6.3 影響函數求值
19.7 小結
19.8 文獻注釋
19.9 練習題
第20章 隱私保護數據挖掘
20.1 引言
20.2 數據采集期間的隱私保護
……
本書中文版分為基礎篇和進階篇，深入探討了數據挖掘的各個方面，從基礎知識到復雜的數據類型及其應用，捕捉了數據挖掘的各種問題領域。它超越了傳統上對數據挖掘問題的關注，引入了高級數據類型，例如文本、時間序列、離散序列、空間數據、圖數據和社交網絡數據。到目前為止，還沒有一本書以如此全面和綜合的方式探討所有這些主題。本書是進階篇，主要討論了用於不同數據領域（例如時序數據、序列數據、空間數據、圖數據）的特定挖掘方法，以及重要的數據挖掘應用（例如Web數據挖掘、排名、推薦、社交網絡分析和隱私保護）。本書在直觀解釋和數學細節上取得了很好的平衡，既包含研究人員需要的數學公式，又以簡單直觀的方式呈現出來，方便學生和從業人員（包括數學背景有限的人）閱讀。本書包括大量插圖、示例和練習，並把重點放在語義可解釋的示例上，特別適合作為高級數據挖掘課程的教材。
