第1章  绪论

  1.1  数据挖掘技术的产生与发展

    1.1.1  数据挖掘技术的商业需求分析

    1.1.2  数据挖掘产生的技术背景分析

  1.2  数据挖掘研究的发展趋势

  1.3  数据挖掘概念

    1.3.1  从商业角度看数据挖掘技术

    1.3.2  数据挖掘的技术含义

    1.3.3  数据挖掘研究的理论基础

  1.4  数据挖掘技术的分类问题

  1.5  数据挖掘常用的知识表示模式与方法

    1.5.1  广义知识挖掘

    1.5.2  关联知识挖掘

    1.5.3  类知识挖掘

    1.5.4  预测型知识挖掘

    1.5.5  特异型知识挖掘

  1.6  不同数据存储形式下的数据挖掘问题

    1.6.1  事务数据库中的数据挖掘

    1.6.2  关系型数据库中的数据挖掘

    1.6.3  数据仓库中的数据挖掘

    1.6.4  在关系模型基础上发展的新型数据库中的数据挖掘

    1.6.5  面向应用的新型数据源中的数据挖掘

    1.6.6  Web数据源中的数据挖掘

  1.7  粗糙集方法及其在数据挖掘中的应用

    1.7.1  粗糙集的一些重要概念

    1.7.2  粗糙集应用举例

    1.7.3  粗糙集方法在KDD中的应用范围

  1.8  数据挖掘的应用分析

    1.8.1  数据挖掘与CRM

    1.8.2  数据挖掘应用的成功案例分析

  1.9  本章小结和文献注释

  习题1

第2章  知识发现过程与应用结构

  2.1  知识发现的基本过程

    2.1.1  数据抽取与集成技术要点

    2.1.2  数据清洗与预处理技术要点

    2.1.3  数据的选择与整理技术要点

    2.1.4  数据挖掘技术要点

    2.1.5  模式评估技术要点

  2.2  数据库中的知识发现处理过程模型

    2.2.1  阶梯处理过程模型

    2.2.2  螺旋处理过程模型

    2.2.3  以用户为中心的处理模型

    2.2.4  联机KDD模型

    2.2.5  支持多数据源多知识模式的KDD处理模型

  2.3  知识发现软件或工具的发展

    2.3.1  独立的知识发现软件

    2.3.2  横向的知识发现工具集

    2.3.3  纵向的知识发现解决方案

    2.3.4  KDD系统介绍

  2.4  知识发现项目的过程化管理

  2.5  数据挖掘语言介绍

    2.5.1  数据挖掘语言的分类

    2.5.2  数据挖掘查询语言

    2.5.3  数据挖掘建模语言

    2.5.4  通用数据挖掘语言

    2.5.5  DMQL挖掘查询语言介绍

  2.6  本章小结和文献注释

  习题2

第3章  关联规则挖掘理论和算法

第4章  分类方法

第5章  聚类方法

第6章  时间序列和序列模式挖掘

第7章  Web挖掘技术

第8章  空间挖掘

参考文献