本书内容简介：数据挖掘和文本挖掘是当前信息技术中的一个重要研究领域；将遗传算法和社会演化算法应用于数据及文本挖掘方法研究，具有较大的理论意义和实用价值本书研究了基于遗传算法和社会演化算法的数据挖掘和文本挖掘方法，主要包括数据挖掘和文本挖掘中的属性约简问题、聚类问题，并将其应用于产品研发决策中所做主要工作包括：提出一种基于遗传算法和k-medoids算法的新的聚类方法；采用遗传算法和模式聚合进行文本特征降维；采用遗传算法和潜在语义索引进行文本特征降维；采用社会演化算法进行聚类；采用混沌社会演化算法进行聚类；采用改进的遗传算法和社会演化算法进行文本聚类研究；将文本挖掘应用到产品研发决策中，构建产品研发文本知识地图，以期提高产品研发的效率和质量。
数据采集和存储技术的进步导致了数据规模的日益增加，数据是一种宝贵的信息资源，但这种资源同矿藏一样，只有通过管理、分析、挖掘、提炼等操作，才能使潜在的资源变成可用的财富。 本书系统地介绍了数据挖掘技术的产生、发展、应用及相关原理和算法，其主要内容包括：数据挖掘基本知识、数据挖掘处理流程、数据仓库和联机分析处理、关联规则发现方法、序列模式挖掘方法、决策树分类方法、贝叶斯分类法、各种聚类方法、Web挖掘以及分类方法在医学图像中的应用。本书包含了作者多年来在数据挖掘中的研究成果。 本书可作为计算机专业、自动化专业、生物医学专业等高年级本科生与研究生课程的教材，也可作为需要了解数据挖掘有关方法与技术的研究、设计和开发人员的参考书。
这本《数据挖掘－－方法与应用》主要根据作者徐华近几年在清华大学面向研究生和本科生开设的“ 数据挖掘：方法与应用”课程的教学实践与积累，参考近几年国外著名大学相关课程的教学体系，系统地介绍数据挖掘的基本概念和基本原理方法；结合一些典型的应用实例展示用数据挖掘的思维方法求解问题的一般性模式与思路。 本书可作为有一定数据结构、数据库和程序设计基础的研究生或本科生开展数据挖掘知识学习和研究的入门性教材与参考读物。
随着网络与计算机的发展，可利用的数据量日益增大，数据的形式更多样化，这对数据挖掘算法的研究和数据挖掘与领域知识、技术的融合都提出了新的挑战。李英杰编写的《数据挖掘算法及在视频分析中的应用》在分析数据挖掘相关概念和相关技术研究现状基础上，阐述了围绕数据挖掘中的分类、特异数据挖掘、关联规则等任务中经典算法的改进研究。 继而阐述了数据挖掘算法在计算机视觉领域应用的研究工作。每部分研究工作均详细描写了背景、问题、研究思路、实验结果、结论与总结等。各部分工作相关，又独成体系，可读性好。 《数据挖掘算法及在视频分析中的应用》可作为高等学校数据分析类课程的补充资料，也可供相关方向的研究生及专业科技工作者参考。
笔者认为数据挖掘的出现，正是统计学适应这一变化的新的发展方向，数据挖掘并不是为了替代传统的统计分析技术，而是统计分析方法的延伸和扩展。本书从统计学视角研究数据挖掘，以期从统计学角度对数据挖掘理论的研究有所突破和创新，同时对统计学理论在数据挖掘方向的发展做出探索。
王海晏、魏贤智所*的《激光数据链路》介绍将 激光数据链路应用到战斗机协同空战中的各种问题， 内容主要涉及构建机载激光数据链路及其相关问题的 解决办法，同时对激光数据链路在协同攻击中的应用 进行了理论研究和描述。 本书主要内容包括机载激光数据链路系统及使用 的技术、自用空间数据传输的坐标解算、激光链路建 立的关键技术、利用机载红外搜索跟踪系统及激光数 据链路被动定位、基于激光数据链路的协同静默攻击 等。这些问题的研究和讨论将丰富空战平台之间的信 息传输方式，增强协同空战信息共享能力。 本书可以作为相关专业高年级学生、研究生的补 充阅读材料，也可作为工程技术人员的参考资料。
粗糙集理论是一种不确定性数据分析工具，近年来在特征选择、分类学习和规则提取等应用方面取得了巨大成功，并逐渐成为信息科学为活跃的研究领域之一。本书系统地论述了基于粗糙集的属性约简理论和方法，信息系统之间的信息通讯以及关于粗糙群的一些本质问题。主要内容有：基于覆盖粗糙集的属性约简模型建立及约简结构性质分析，基于广义粗糙集的属性约简模型建立及约简结构性质分析，基于广义粗糙集的信息系统之间等价属性约简理论与方法，基于模糊粗糙集的信息系统之间等价属性约简理论与方法，粗糙群的理论研究，以及这些理论在数据挖掘中的应用。 本书可以作为理工科大学计算机、应用数学、自动控制、信息科学以及管理工程等专业的高年级本科生、研究生以及博士生的教材，同时对有关领域的研究人员和工程技术人员也有重要的参考
《数据结构实验教程》是为了让学生能够尽快地掌握数据结构中的各种算法而编写的。本教材所写的算法具有程序结构清晰、可读性强、符合软件工程的规范要求等特点，所有的程序均在VC调试环境下运行通过，如果要运行程序，则仅需要编译一下便可。如果需要在TURBO C环境下运行，则仅需要将“//”注释修改一下便可。本书在数据结构的每个知识点上均给出了多个实验项目，且在每个实验项目中包括实验项目、任务分析、程序构思、源程序、测试数据、注意事项及思考问题等。在后一章中给出了两个实际问题，着重分析了解决的思路、模块划分、重点难点等。本书共分9章，包括线性表、栈与队列、串、数组、树和二叉树、图、查找、排序和文件。 本书是清华大学出版社和北京交通大学出版社出版的《数据结构》教材（张凤琴主编）的配套实验教材，也可作为
本书是一本介绍数据仓库和数据挖掘的图书。全书力求深入浅出、通过浅显易懂的语言及实例介绍数据仓库与数据挖掘的基本概念及相关理论。从数据仓库的定义、结构、设计、数据访问方法及应用等方面对数据仓库做了较详细的介绍。从数据挖掘的定义、数据预处理方法、数据挖掘发现知识的类型及数据挖掘常用算法等几方面对数据挖掘的基本知识和算法等理论做了介绍。本书特别介绍了SQL Server2000数据挖掘工具应用和SPSS数据挖掘工具应用。后，给出了一个数据挖掘的应用实例。本书总的指导思想是在掌握基本知识和基本理论的基础上，更强调实际应用能力的培养。 本书可作为普通高等院校计算机科学与技术专业、软件工程专业或信息类等其他相关专业的教材，也可作为有关数据仓库与数据挖掘方面的培训教材，以及所有想学习数据仓库与数据挖掘知识的人
张霞的这本《粒度计算在数据挖掘中的应用研究》对模糊粒度计算在文本软聚类中的应用进行了深入研究，提出了一种基于模糊粒度计算的聚类方法，并且利用该聚类方法对K-means算法进行了优化。基于模糊粒度计算的聚类是通过归一化的距离函数将聚类问题映射到距离空间，调节粒度产生对文本集合D的动态聚类划分。 动态聚类既可以作为一个单独的聚类结果，也可以作为其他算法的一个预处理步骤。K-means算法是一种经典的聚类算法，速度快、消耗资源小，但是算法对初始聚类中心点敏感，容易陷入局部小值。《粒度计算在数据挖掘中的应用研究》将基于模糊粒度计算的聚类方法作为K-means算法的预处理步骤，实验结果证明，这种预处理有效地消除了K-means算法的初始值敏感问题，优化了K-means算法。
数据挖掘是人工智能、机器学习、数据库技术等多学科相结合的产物。本书系统介绍了数 据挖掘技术的基本原理、主要方法、挖掘模式、发展及应用，重点对基于粗糙集方法的数据挖 掘过程进行了系统的阐述，全面地分析了静态与增量式的相容性与不相容性决策系统的数据 挖掘主要算法、基于有序与无序决策系统的数据挖掘主要算法、粗糙集合的扩展模型。本书可 作为系统工程、控制工程及计算机类专业研究生的学习工具，也可作为相关专业技术人员的 参考书。
《滇西学术文丛：数据挖掘及其应用研究》全面介绍了数据挖掘的背景信息、相关概念及其所使用的主要技术，针对关联规则数据挖掘，系统深入地描述了Apriori算法和FP-growth算法，并比较了各自的优缺点。《滇西学术文丛：数据挖掘及其应用研究》基于关系代数的关联规则挖掘，讨论该算法的实现过程，并对该算法作复杂性分析，在聚类分析数据挖掘、序列模式挖掘等方面也有介绍。对网络入侵检测的拒绝服务攻击类型进行了序列模式挖掘和聚类分析，为进一步开发入侵检测系统提供决策依据，数据挖掘在农作物病虫害预警、居民消费结构分析、多媒体图像挖掘等方面都有应用。
本书系统地介绍了各种常用的数据结构，内容丰富，概念讲解清楚，叙述严谨流畅，逻辑性强。书中配有大量图表、丰富的例题和习题，对给出的每一种算法，均先描述了它的基本思路和要点，使得算法清晰易读，便于学生理解和掌握。本书有配套出版的《数据结构上机实验与习题解析》，既便于教学，又便于自学。 本书共分9章，主要包括绪论、线性表、栈和队列、串、多维数组和广义表、树和二叉树、图、查找、排序等内容。 本书可作为本科和高职高专院校计算机类专业或信息类专业的教材，也可供广大从事计算机工程与应用的科技工作者参考。
本书不仅系统介绍各种传统的数据结构以及搜索和内、外排序算法，还引入了一些新数据结构，如伸展树和跳表。本书在重视理论的同时，强调应用性和实践性，对上机实习赋予足够重视。每章包括程序设计题，并将实习指导和实习题作为专门的章节编写。 全书条理清晰，内容详实。书中算法都有完整的C++程序。程序结构清晰，构思精巧。所有程序都已在VC++环境下编译通过并能正确运行。本书深入浅出，配有大量的实例和图示，并有丰富的习题和实习题，适于自学。 本书可作为电气信息类、电子信息科学类以及计算机、管理信息系统、电子商务，教育技术等其他相关专业学生数据结构课程的教材，并可供其他计算机应用工程技术人员参考。
本书详尽地阐述了数据挖掘与知识发现领域中的一些基本理论和研究方法。介绍了KDD与数据挖 掘的概念、数据挖掘对象、知识发现过程、研究方法以及相关研究领域和应用范围。作为知识发现的数据预处理工作，简要叙述了数据清理、数据约简、数据概念等级分层、多维数据模型等内容。书中较详细地介绍了粗糙级、模糊集、聚类分析、关联规则、人工神经网络、分类与预测等数据挖掘方法，后还简要介绍了多媒体数据挖掘工作的有关进展。 本书可以作为计算机科学与技术专业和信息科学方向高年级本科生和研究生的教材或参考书，也可供有关科技人员学习参考。
本书详尽地阐述了数据挖掘与知识发现领域中的一些基本理论和研究方法。介绍了KDD与数据挖掘的概念、数据挖掘对象、知识发现过程、研究方法以及相关研究领域和应用范围。作为知识发现的数据预处理工作，简要叙述了数据清理、数据约简、数据概念等级分层、多维数据模型等内容。书中较详细地介绍了粗糙级、模糊集、聚类分析、关联规则、人工神经网络、分类与预测等数据挖掘方法，后还简要介绍了多媒体数据挖掘工作的有关进展。 本书可以作为计算机科学与技术专业和信息科学方向高年级本科生和研究生的教材或参考书，也可供有关科技人员学习参考。
数据仓库与数据挖掘是与计算机、信息类等相关专业的核心课程。张兴会等编著的《数据仓库与数据挖掘工程实例》采用提出问题、分析问题、解决问题的思路，通过工程实例介绍了SQL Server 2005和 Weka软件的使用方法以及联机分析处理技术、关联规则方法、决策树方法、贝叶斯方法、人工神经网络方法、聚类分析方法、线性回归方法等数据仓库与数据挖掘技术。 本书结构严谨，条理清晰，语言浅显易懂，循序渐进地表达了知识内容；坚持理论与实际相结合，知识理论与具体实现方法相结合，使技术实现具体化、生动化、可操作化；工程实例的实现过程建立在 SQLServer2005和Weka软件的基础上，以帮助读者在学习后达到学以致用的效果。本书可以和《数据仓库与数据挖掘技术》教材配合使用，旨在帮助读者在学习数据仓库与数据挖掘理论知识的基础上，通过学习工
本书是与《数据结构（C语言版）》（赵坚、姜梅主编）一书相配套的辅助教材。全书分为三大部分：部分是学习指导与实训，首先给出主教材中每一章的学习指南与内容提要，然后设置了若干综合实验，通过和章的实验体现实训特色，培养学生解决实际问题的能力；第二部分是主教材中习题的参考解答；第三部分设置了4套模拟试题及其参考解答，目的是检验和巩固所学的理论知识。 本书既可与《数据结构（C语言版）》一书配套使用，也可作为C语言描述的实训教材单独使用，还可供计算机自学人员学习参考。
随着信息技术特别是网络技术的飞速发展，人们收集、存贮、传输数据的能力不断提高。数据出现了爆炸性增长，与此形成鲜明对比的是：对决策有价值的知识却非常匮乏。知识发现与数据挖掘技术正是在这一背景下诞生的一门新学科。数据挖掘要在实际应用中发挥作用，高性能挖掘算法和数据挖掘软件平台是重要的技术基础。本书以数据挖掘基本问题、频繁模式与关联规则挖掘为切入点，研究高时间效率、高空间可伸缩性的挖掘算法和分布，异质、海量数据的协同挖掘软件模型，并探讨了数据挖掘过程中的隐私保护问题。 本书首先发现了基于树表示形式的虚拟投影方法，用于按深度优先挖掘密集型数据集；提出了稀疏型数据集表示形式及非过滤投影方法；进_步提出了基于伺机投影的思想，设计并实现了基于伺机投影的全新算法OpportuneProject，对比实验表明，该
数据挖掘将数据转化为知识，是数据管理、信息处理领域研究、开发和应用的活跃的分支之一。本书全面地论述了数据挖掘领域的基本概念、基本原理和基本方法，内容包括数据挖掘领域的经典理论和前沿发展。全书共分14章，并含有1个附录。全面系统地介绍了数据挖掘的概念和过程、数据预处理技术；深入地叙述了各种数据挖掘技术，包括关联规则、决策树、聚类、基于样例的学习、贝叶斯学习、粗糙集、神经网络、遗传算法、统计分析；并讨论了数据挖掘的典型应用，如分类、文本和Web挖掘，以及数据挖掘的应用和发展趋势；并在第14章中给出了一个具体的商业智能解决方案实例。 通过本书的学习，读者可以对数据挖掘的整体结构、概念、原理、技术和发展有深入的了解和认识。 本书既可以作为相关专业的高年级本科生和研究生教材，也可作为数据挖掘领
