为顺应国内EPC 总承包工程推广的新形势, 提高企业风险管理水平, 普及工程保险知识, 特编写本书。 书中内容紧密结合国际先进工程保险理念, 对于在EPC 工程中涉及的工程险种、 安排、 采购、 合同后管理等问题均做了较为全面、 细致的分析。 同时, 列举了我国著名企业在海内外EPC 实践中实施保险策略的典型案例。本书可供从事EPC 项目或准备从事EPC 项目的公司领导、 项目经理、 风险管理人员、 监理、 咨询人员等作为岗位继续教育教材使用; 也可作为工程管理、 保险、 经贸专业在校研究生以及本科生的教学参考书或课外读物;也适合作为建设行业推行EPC 总承包模式进行系列培训的教材或参考用书。
本书以大数据为研究背景，系统分析了传统数据技术当前存在的问题以及面临的挑战，并对比了当前主流的面向大数据的数据库解决方案，在此基础上阐述了笔者的研究工作：基于MapReduce平台高处处理大数据的OLAP研究。书中反应了当前大规模数据仓库研究的热点和成果，值得大数据研究的人员参考和应用。
本书是与李新燕和靳敏编的《数据结构》一书配套的辅助教材，亦可单独使用。本书的编写目的是使学生通过实验、课程设计和大量的习题解答加深对数据结构基本知识的理解，掌握求解数据结构问题的思路和方法，提高应用数据结构解决实际问题的能力。 本书分为2大部分：第1部分是“典型例题题解析与习题”，共分10章：绪论、线性表、栈和队列、其他线性数据结构、递归、树、图、查找、排序和文件，每章先给出一系列与本章知识相关的典型例题的分析与解答，然后给出大量的练习题，题型包括单选题、填空题和综合题或判断题，同时在每个习题后给出参考答案。第2部分是“实验与课程设计指导”，包括9个实验：顺序表的操作、单链表的操作、栈与队列的操作、多维数组与串、二叉树的操作、图的操作、散列表操作、排序操作、文件排序，以及课程设计
本书首先介绍了大数据时代的特征，可以帮助你对大数据及其价值有一个概括性的了解和认识。其次，你将知道如何培养、挖掘、处理数据，使数据为自己创造更大价值。后，介绍了大数据在企业决策、运营管理、金融投资等方面的实际应用。内容简单实用，特别适合初级读者阅读。 大数据会作为一种资产存在，并将诞生一个万亿级别的交易市场。 大数据正以一种革命风暴的姿态引发全球关注。*马云指出， 互联网 已从 IT 时代到 DT （数字科技）时代，而 DT 是一个数据更充分流动的时代。而且未来大数据会作为一种资产存在，并将诞生一个万亿级别的交易市场。
随着数据库技术在工程领域中的广泛应用，对工程数据的后期分析和处理具有广泛的应用前景。本书以各类数据挖掘算法为核心，以智能数据分析技术的发展历程为主线，结合作者自身的研究和应用经验，详细阐述了数理统计、机器学习、软计算、关联挖掘和支持向量集等研究领域的成熟算法，并研究了各类方法在工业过程控制、水轮机调速智能监控、物流配送车辆路径优化等工程领域的实际应用，便于读者了解各种技术的应用对象、应用方法及应用效果。 本书内容丰富，论述简明，强调具体挖掘算法的分析和使用，力求实现数据挖掘技术从商业到工程领域应用的转变。可作为工科有关专业研究生和本、专科生的教学参考书，也可作为工程技术人员的自学读物。
《数据挖掘原理、算法及应用》以各类数据挖掘算法为核心，以智能数据分析技术的发展为主线，结合作者自身的研究和应用经验，阐述数据挖掘研究领域的主要理论和典型算法。全书共分8章：第1章为绪论；第2-5章分别介绍数据挖掘的主要技术、各类典型算法及其编程实现，包括数据预处理技术，关联规则挖掘技术、分类技术，聚类技术等几大类技术和其中包含的典型算法；第6-8章分别简要介绍一些数据挖掘的应用专题，包括时间序列数据挖掘、Weh挖掘、空间数据挖掘等。
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。
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
数据结构是计算机及相关专业的核心课程，是计算机程序设计的基础,是程序员和许多高校研究生入学考试的必考科目。 本书共分10章，第1章是数据结构的概述；后9章分别介绍了线性表、栈、队列、串、数组、广义表、树、二叉树、图、查找、内部排序、外部排序、动态存储管理和文件等基本类型的数据结构。本书中的算法都已通过调试，不用修改就能运行。 本书可作为计算机和相关专业的教材，也可作为自学者或各种计算机培训班的教材。
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
本书是数据库的实验教材，从测试DBMS边界的角度出发，通过案例现象引导读者主动思考现象的成因，对SQL的基本知识，数据库系统的完整性控制、安全性控制、并发控制、数据备份与恢复、性能检测、索引进行实验内容组织。每个实验还有习题及其参考答案。 通过本书附录可了解数据库的逻辑结构，搭建实验环境，并将数据库结构和数据直接导入到计算机中，相关数据和资料可在清华大学出版社网站下载。
进入大数据时代，让数据开口说话将成为司空见惯的事情，本书将从大数据时代的前因后果讲起，全面分析大数据时代的特征、企业实践的案例、大数据的发展方向、未来的机遇和挑战等内容，展现一个客观立体、自由开放的大数据时代。
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。
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。
本书由数据库设计原理和应用两部分组成。原理部分简明扼要地介绍了关系数据库设计实用的基本理论，包括数据模型、关系和关系设计完整性，并结合实例描述分析、设计数据库的过程；应用部分通过 PowerBuilder 数据库开发工具详细描述数据库系统的开发过程，具体介绍PowerBuilder 10．0开发环境的组成、Power Script语言、事件，对窗口、数据窗口、菜单等PowerBuilder对象的设计方法是结合“餐饮管理系统”进行说明的，在习题中留有一定的功能扩展空间。每章均附有习题，便于读者练习。 本书可作为高等专科学校、高等职业学校、中等职业学校、成人高校及本科院校举办的二级职业技术学院和民办高校的教材，也可供各类从事数据库系统开发的人员参考。
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。
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
朱小栋、徐欣编著的《数据挖掘原理与商务应用(普通高等院校电子商务十二五规划重点教材)》的内容涵盖如何利用相关软件产品实现数据挖掘的经典算法和技术，还涵盖数据挖掘技术在商务领域中的应用。本书既适合计算机应用技术专业，也适合经管类信息管理与电子商务专业的学生学习。书中既注重从计算机应用角度来讲解数据挖掘，又注重数据挖掘与商务智能、管理科学、决策支持系统的结合。
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
