复杂数据挖掘

Zighed

Mining Complex Data

2009

Hardback

ISBN9783540880660

Djamel A. Zighed 等著

数据挖掘和知识发现已经被公认为是具有大量有效方法和研究意义的特殊领域,它可以从数据中提取知识。然而,该领域的诱人之处就在于其挑战性。事实上,数据挖掘的背景从第一个知识发现(KDD)程序的定义就不断发展,并且从数据中提取出来的知识变得越来越复杂。本书旨在收集当前最新的与复杂数据挖掘相关的研究工作,向读者揭示整个知识发现过程的每一个关键步骤。本书收录的论文是来之于2006年以来该领域研讨会的论文。

全书分为四大部分,共由16章组成。第一部分复杂数据的概观,包括第1-5章。1.使用格式数据的科学文献分析;2.使用遗传算法提取模糊系统的不平衡数据集分类:唐氏综合症检查的应用;3.提高抗噪声能力的混合方法;4.分类过程中处理概率决策树中的缺失值;5.区间数据挖掘的基于核的算法和可视化。第二部分规则提取,包括第6-9章。6.由规则支持评估法的构造性元学习方法组成的学习算法的评估;7.通过挖掘统计关联规则来选择最相关的医学图像特性;8.从序列挖掘到多维序列挖掘;9.发现行为规则的基于树的算法。第三部分图形数据挖掘,包括第10-14章。10.图形结构数据的索引结构;11.频繁子图挖掘的完全延托截断;12.在复杂网络中使用枚举法求解最大派系的并行算法;13.发现无尺寸网络中的社区:算法和评估标准;14.从复杂网络中提取社区的k-稠密性方法。第四部分数据聚类,包括第15-16章。15.阶数的高效聚类方法;16.探索文本数据的有效索引。

全书内容丰富,适用性强,适合从事数据挖掘、统计分析、应用数学及其相关领域的工程师、科研人员和研究生参考阅读。

陈涛,硕士

(中国传媒大学理学院)

Chen Tao,Master

(School of Science,Communication University of China)