數(shù)據(jù)挖掘及其在金融信息處理中的應用
《數(shù)據(jù)挖掘及其在金融信息處理中的應用》從理論、應用實例以及數(shù)據(jù)挖掘的發(fā)展趨勢等幾個方面，對數(shù)據(jù)挖掘技術進行了詳細探討。在介紹數(shù)據(jù)挖掘技術理論和算法的基礎上，通過不同領域的應用案例來說明數(shù)據(jù)挖掘在實際應用中的具體操作方法，以期為讀者提供一個更為廣闊的視角。
《數(shù)據(jù)挖掘及其在金融信息處理中的應用》重點對數(shù)據(jù)預處理、關聯(lián)規(guī)則、聚類分析等內(nèi)容進行了詳盡的闡述。
《數(shù)據(jù)挖掘及其在金融信息處理中的應用》內(nèi)容豐富新穎，具有較強的可讀性，可供從事數(shù)據(jù)挖掘工作以及其他相關工程技術的工作人員參考使用。
第1章 導論
1．1 數(shù)據(jù)挖掘的起源
1．2 數(shù)據(jù)挖掘的概念和分類
1．3 數(shù)據(jù)挖掘的過程
1．4 數(shù)據(jù)挖掘的功能
1．5 數(shù)據(jù)挖掘的典型應用領域
1．6 數(shù)據(jù)挖掘的發(fā)展趨勢和面對的問題
第2章 數(shù)據(jù)預處理
2．1 數(shù)據(jù)預處理的概念
2．2 數(shù)據(jù)清理
2．3 數(shù)據(jù)集成
2．4 數(shù)據(jù)轉(zhuǎn)換
2．5 數(shù)據(jù)歸約
第3章 關聯(lián)規(guī)則
3．1 關聯(lián)規(guī)則概述
3．2 Apriori關聯(lián)規(guī)則算法
3．3 多種關聯(lián)規(guī)則挖掘
3．4 關聯(lián)分析應用實例
第4章 聚類分析
4．1 聚類的基本概念
4．2 劃分聚類算法
4．3 層次聚類算法
4．4 基于密度和網(wǎng)格的子空間聚類算法
4．5 基于模型的聚類算法
4．6 聚類分析應用實例
第5章 分類與預測
5．1 分類和預測基本概念
5．2 決策樹分類
5．3 貝葉斯分類
5．4 人工神經(jīng)網(wǎng)絡
5．5 支持向量機
5．6 遺傳算法
5．7 粗糙集方法
5．8 分類預測應用實例
第6章 Web數(shù)據(jù)挖掘
6．1 Web挖掘概述
6．2 Web日志挖掘
6．3 Web內(nèi)容挖掘
6．4 Web使用挖掘
6．5 Web結構挖掘
第7章 復雜類型數(shù)據(jù)挖掘及應用
7．1 文本數(shù)據(jù)挖掘
7．2 多媒體數(shù)據(jù)挖掘
7．3 空間數(shù)據(jù)挖掘
7．4 網(wǎng)絡輿情挖掘
第8章 流數(shù)據(jù)挖掘技術
8．1 流數(shù)據(jù)挖掘技術概述
8．2 流數(shù)據(jù)挖掘技術分類
8．3 流數(shù)據(jù)挖掘關鍵技術
8．4 實時數(shù)據(jù)流挖掘技術
8．5 流數(shù)據(jù)挖掘的應用及前景
第9章 數(shù)據(jù)挖掘的其他相關技術
9．1 數(shù)據(jù)挖掘可視化技術
9．2 物聯(lián)網(wǎng)數(shù)據(jù)挖掘技術
9．3 分布式數(shù)據(jù)挖掘技術
9．4 基于云計算的分布式數(shù)據(jù)挖掘技術
第10章 金融數(shù)據(jù)挖掘
10．1 金融領域進行數(shù)據(jù)挖掘的必要性
10．2 金融數(shù)據(jù)及其可視化
10．3 金融數(shù)據(jù)挖掘的過程
第11章 數(shù)據(jù)挖掘在金融業(yè)中的應用
11．1 數(shù)據(jù)挖掘在銀行業(yè)的應用
11．2 數(shù)據(jù)挖掘在證券業(yè)的應用
11．3 數(shù)據(jù)挖掘在保險業(yè)的應用
11．4 數(shù)據(jù)挖掘在期權定價中的應用
參考文獻
書單推薦
