数据挖掘技术应用实例

是2009年机械工业出版社出黄环义版的图书，作者是韩秋明、李微、李华锋。

• 书名 数据挖掘技术应用实例
• 作者 韩秋明 李微 李华锋
• 出版社 机械工业出版社
• 出版时间 2009年
• 开本 16 开

内容介绍

　　《数据挖掘技术应用实例》在介绍数据挖掘技术理论和算法的基础上，通过不同领来自域的应用案例，来说明数据挖关省身掘在实际应用中的具体操作方法，以期为读者提供一个更为广阔的视角。《数据挖掘技术应用实雨祖跑交举依费例》从理论、应用实例和数据挖掘的发展趋势，以及面临的机遇和挑战等方面，对数据挖掘技术进行了详细介绍，其中在应用实例部分分别介绍了数据挖掘技术在客户关系管理、市场营销、证券领域、电信领域、产品设计、军事领域以及web数据挖掘等方派列翻密油余害刘面的应用。

　　《数据挖掘技术应用实例》可作为企事业单位信息管理部门以及其他各行各业的管理者、信息分析人员、数据统计人员、市场营销人员、研究与开发人员的参考资料，也可作为高等院校信息管理类、数据分析类、计算机类等相关专业的兵蛋教材和参考书，还可作为高等院校毕业论文或毕业设计的参考资料。

图书目录

360百科　　前言

　　第1章 绪论

　　1.1 数据挖掘的基本概念

　　1.1.1 啤酒与尿布

　　1.1.2 什么是数据挖掘

　　1.1.3 数据挖掘的分类

　　1.1.4 数据挖掘的特点和功能

　　1.2 数据挖掘的过程

　　1.2.1 数据准备

　　1.2.2 数据选择

　　1.2.3 数据预处理

　放喜的派　1.2.4 数据挖掘及模式评价

　　1.3 数据仓库和数据挖掘

　　1.3.1 数据仓库的概念和特点

　　1.3.2 数据集市

　　1.3.3 元数据

　　1.3.4 数据仓库和数据挖掘的沿关系

　　1.4 OLAP和数据挖掘

　　1.4.1 OLAP的基本概念

　　1.4.2 OLAP的操作

　　1.4.3 OLAP的类别

　　1.4.4 OLAP和0LTP的关系

　　1.4.5 OL画固诗服信了元AP和数据挖掘的关系

　　1.5 数据挖掘的应用领域

　　1.6 数据挖掘研究现状

　　1.6.1 商业应用

　　1.6.2 支持平台数据展假策血游照你终侵故两现

　　1.6.3 使用成本

　　1.6.4 挖掘算法

　　1.7 本章 小结

　　第2章 数据挖掘的常用技术

　　2.1 决策树

　　2.1.1 决策树的基本概念

　　2.1.2 决策树的基本原理

　　2.1.3 决策树的算法

　　2.动二烧去逐调席触1.4 决策树的优势和劣势

　　2.2 神经网络

　　2.2.1 神经网络的基本概念

　　2.2.2 神经网络的特征

　　2.2.3 神经网络的分类和学习方式

　　2.2.4 进化计算

　　2.2.5 神经网络的优缺点

　　2.3 关联规则

　　2.3.1 除坚专眼关联规则的基本概念

　　2.3.2 经典Apriori算法的描述

　　2.3.3 AprioriTid算法

　　2.3.4 FPtree算法

　　2.矛措了评尔喜周聚命磁太4 聚类分析

　　2.川装总4.1 聚类分析的基本概念

　　2.4.2 聚类算法简介

　　2.4.3 孤立点分析

　　2.5 统计学习

　　2.5.1 统计分析综述

　　2.5.2 贝叶斯学习

　　2.5.3 支撑矢量机

　　2.5.4 回归分析

　　2.6 模糊集和粗糙集

　　2.6.1 模糊集概述

　　2.6.2 粗糙集概述

　　2.7 本章小结

　　第3章 数据挖掘在客户关系管理中的应用

　　3.1 数据挖掘在CRM中的应用现状

　阶今步加丝的合　3.1.1 CRM的由来

　　3.1.2 CRM系统的研续雷电期支劳发现状

　　3.1.3 数据挖掘在CRM中的使用情况

　　3.2 数据挖掘在CIW中的应用

　　3.2.1 客户群体分类

　　3.2.2 客户盈利能力分析

　　3.2.3 客户获取和客户保持

　　3.2.4 客户满意度分析

　　3.3 数据挖掘在通信后封次蛋笔心公司CRM应用实例

　　3.3.1 客户细分模型和挖掘算法选择

　　3.3.2 数据挖掘模型和挖掘步骤

　　3.3.3 结果分析和市场策略制定

　　3.4 本章 小育长罪场名再结

　　第4章 数据挖掘在市场营销中的应用

　　4.1 数据挖掘在市场营销中的应用现状

　　4.1.1 客户分析

　　4.1.2 产品分析

　　4.1.3 促销分析

　　4.1.4 改进企业市场预测机制

　　4.1.5 市场营发么李坐细款载销中常用的数据挖掘方法

　　4.2 定位模型与设定营销目花展白副进素器切海总分标

　　4.3 客户响应建模、风险建模、客户流失建模

　　4.3.1 客户响应建模

　　4.3.2 风险建模

　　4.3.3 客户流失建模

　　4.4 产品生命周期建模

　　4.5 对模型的验证与评估

　　4.5.1 模型的验证

　　4.5.2 对挖掘结果的解释评估

　　4.6 制定营销战略

　　4.7 本章 小结

　　第5章 数据挖掘在证券领域中的应用

　　5.1 中国证券市场的特点

　　5.2 证券业数据仓库的构建

　　5.2.1 证券行业应用分析

　　5.2.2 证券业基础数据分析

　　5.2.3 证券业数据仓库设计与构建

　　5.3 实施数据挖掘

　　5.3.1 基于关联规则和模式发现的客户行为模型挖掘

　　5.3.2 基于决策树的客户流失模型分析

　　5.3.3 基于神经网络的股票行情时间序列模式挖掘

　　5.4 BP网络预测

　　5.4.1 神经网络模型

　　5.4.2 BP算法

　　5.4.3 利用BP预测股市

　　5.5 本章 小结

　　第6章 数据挖掘在电信领域中的应用

　　6.1 电信业务概述

　　6.2 数据挖掘在电信业中的应用背景

　　6.3 电信业务系统数据挖掘

　　6.3.1 电信系统数据挖掘目标

　　6.3.2 电信系统数据预处理

　　6.3.3 关联规则挖掘

　　6.3.4 关联规则挖掘算法的选择与应用

　　6.4 本章 小结

　　第7章 数据挖掘在产品设计中的应用

　　7.1.产品设计的概念

　　7.2 产品概念设计的体系结构

　　7.2.1 产品概念设计的内涵

　　7.2.2 产品概念设计的特点

　　7.2.3 产品概念设计的理论及发展

　　7.2.4 产品概念设计的体系结构

　　7.3 面向产品设计的数据挖掘模型

　　7.3.1 数据挖掘过程

　　7.3.2 需求分析数据挖掘过程的实现

　　7.3.3 功能结构数据挖掘过程的实现

　　7.4 产品设计数据挖掘实例

　　7.4.1 参数选择

　　7.4.2 构造概念树

　　7.4.3 解释关系规则

　　7.4.4 评估与展望

　　7.5 本章 小结

　　第8章 数据挖掘在军事领域中的应用

　　8.1 新军事变革概述

　　8.2 数据挖掘在军事领域的应用现状

　　8.2.1 数据挖掘在战场信息融合中的应用

　　8.2.2 数据挖掘在军事通信系统中的应用

　　8.2.3 数据挖掘在军事智能决策中的应用

　　8.2.4 数据挖掘在信息作战中的应用

　　8.3 指挥信息控制系统数据挖掘模型

　　8.3.1 指挥信息控制系统的功能需求分析

　　8.3.2 指挥信息控制系统的信息需求分析

　　8.3.3 指挥信息控制系统数据挖掘的体系结构

　　8.3.4 指挥信息控制机理及数据挖掘过程

　　8.3.5 基于指挥控制系统数据挖掘模型指挥控制战

　　8.4 三维态势演播系统数据挖掘模型实例

　　8.4.1 二、三维模型数据转换层

　　8.4.2 模型数据导入导出及转化层

　　8.4.3 三维数据表现和提取层

　　8.4.4 三维态势构造绘制层

　　8.5 本章 小结

　　第9章 Web数据挖掘

　　9.1 Web数据挖掘的基本概念

　　9.1.1 Web数据挖掘的定义

　　9.1.2 Web数据挖掘的分类

　　9.2 W.eb数据挖掘的应用状况

　　9.2.1 Web信息分类

　　9.2.2 Web信息抽取

　　9.2.3 数据约简高效算法研究

　　9.3 基于web数据挖掘的搜索引擎应用

　　9.3.1 数据挖掘在搜索引擎中的使用现状

　　9.3.2 基于Web数据挖掘的搜索引擎建模

　　9.3.3 PageRank技术

　　9.3.4 PageRank算法改进的有效性验证

　　9.4 本章 小结

　　第10章 数据挖掘技术的发展

　　10.1 数据挖掘是不断发展的概念

　　10.2 数据挖掘面临的问题

　　10.3 数据挖掘的发展趋势

　　10.4 本章 小结

　　参考文献