动态数据挖掘

第一章 绪论 1

1.1 引言 1

1.2 数据挖掘概述 2

1.2.1 数据挖掘的基本概念 2

1.2.2 数据挖掘技术 10

1.3 动态数据挖掘 14

1.3.1 动态数据挖掘的产生 14

1.3.2 动态数据挖掘技术概述 20

参考文献 24

第二章 数据流挖掘技术 28

2.1 概述 28

2.2 数据流挖掘技术 34

2.2.1 窗口技术 34

2.2.2 动态抽样技术 37

2.2.3 概要数据结构 39

2.2.4 更新策略 41

2.3 数据流挖掘算法 43

2.3.1 数据流聚类算法 44

2.3.2 数据流分类算法 54

2.3.3 数据流频繁项集挖掘算法 59

2.3.4 多数据流挖掘算法 69

2.4 数据流挖掘技术的应用 74

2.4.1 数据流管理系统 74

2.4.2 案例推理在数据流管理中的应用 78

参考文献 80

第三章 分形数据挖掘技术 84

3.1 概述 84

3.2 数据集的分形维数 86

3.2.1 数据集分形维数的含义 86

3.2.2 数据集分形维数的计算方法 89

3.3 基于分形维数的约简技术 96

3.3.1 分形属性选择及其改进算法 96

3.3.2 基于分形维数的案例库维护算法 103

3.4 分形聚类算法 106

3.4.1 基于网格和分形维数的聚类算法 107

3.4.2 基于分形维数的数据流聚类算法 110

3.4.3 基于多重分形的聚类层次优化算法 114

3.5 分形分类与预测技术 115

3.5.1 分形分类技术 115

3.5.2 分形预测技术 117

3.6 分形数据挖掘技术的应用 121

3.6.1 金融数据分析 121

3.6.2 网络入侵检测 128

参考文献 129

第四章 联机分析挖掘 132

4.1 概述 132

4.2 数据立方体 134

4.2.1 数据立方体简介 134

4.2.2 数据立方体优化方法 136

4.2.3 数据立方体物化方法研究 138

4.3 联机分析处理 144

4.3.1 OLAP概念及分类 144

4.3.2 支持OLAP查询的索引技术研究 147

4.3.3 OLAP动态查询方法 156

4.4 联机分析挖掘 158

4.4.1 联机分析挖掘简介 158

4.4.2 联机分析挖掘体系结构 160

4.4.3 OLAP与数据挖掘技术的结合方法 163

参考文献 172

第五章 经验模态分解技术 175

5.1 概述 175

5.1.1 经验模态分解基本理论 175

5.1.2 经验模态分解研究现状 177

5.2 基于经验模态分解的序列趋势的提取 179

5.2.1 引言 179

5.2.2 基于EMD方法的序列趋势的提取 179

5.3 基于经验模态分解的时间序列匹配算法 185

5.3.1 引言 185

5.3.2 基于交叉覆盖算法的序列匹配算法 186

5.3.3 基于经验模态分解和覆盖算法的序列匹配算法 191

5.4 基于经验模态分解的聚类算法 194

5.4.1 引言 194

5.4.2 基于经验模态分解的数据降维技术 195

5.4.3 基于经验模态分解和K-means聚类算法 198

5.5 基于经验模态分解的流数据挖掘技术 204

5.5.1 引言 204

5.5.2 基于经验模态分解的数据流概要生成技术 205

5.6 经验模态分解动态数据挖掘技术的应用 208

5.6.1 引言 208

5.6.2 基于经验模态分解和交叉覆盖算法的个人信用的评估 209

5.6.3 基于经验模态分解和K-means算法的客户行为聚类 213

参考文献 217

第六章 联系发现技术 222

6.1 概述 222

6.2 基于图挖掘的联系发现 223

6.2.1 图挖掘的相关概念和定义 223

6.2.2 基于图论的无监督的联系发现算法 231

6.3 基于一阶谓词逻辑的联系发现 235

6.3.1 一阶谓词逻辑的相关概念和定义 235

6.3.2 基于ILP的联系发现算法 238

6.4 基于联系发现的结合型数据挖掘方法 240

6.4.1 基于相关分析和联系发现的结合 240

6.4.2 图熵和联系发现的结合 244

6.4.3 概率统计方法和联系发现的结合 247

6.5 联系发现技术的现实应用 250

6.5.1 联系发现在反恐中的运用 250

6.5.2 联系发现在金融反洗钱中的运用 251

参考文献 254