數據挖掘：方法與應用-應用案例/清華大學(xué)計算機系列教材簡(jiǎn)介，目錄書(shū)摘

編輯推薦:

內容簡(jiǎn)介:　　《數據挖掘：方法與應用-應用案例/清華大學(xué)計算機系列教材》主要以作者近五年在清華大學(xué)開(kāi)展數據挖掘應用研究和教學(xué)工作為基礎，從所指導的多個(gè)數據挖掘與分析的應用案例中精選出包括交通、體育、金融、生物信息、社交網(wǎng)絡(luò )、電力等領(lǐng)域代表性的數據挖掘與分析案例，結合基本的數據挖掘應用實(shí)施思路，展示了在不同行業(yè)領(lǐng)域開(kāi)展數據挖掘與分析工作的實(shí)際過(guò)程。
　　《數據挖掘：方法與應用-應用案例/清華大學(xué)計算機系列教材》可作為高等院校學(xué)生學(xué)習數據挖掘的參考讀物，同時(shí)可供工程技術(shù)人員開(kāi)展數據挖掘與分析工作時(shí)參考。

作者簡(jiǎn)介:　　徐華，博士，1998年獲得西安交通大學(xué)計算機專(zhuān)業(yè)學(xué)士學(xué)位；2003年獲得清華大學(xué)計算機應用技術(shù)專(zhuān)業(yè)博士學(xué)位；現為清華大學(xué)計算機系副教授，博士生導師。主要研究興趣領(lǐng)域包括：網(wǎng)絡(luò )文本數據挖掘、智能信息處理和機器人智能控制等。作為項目負責人、首席技術(shù)專(zhuān)家或研發(fā)骨干，負責完成國家科技重大專(zhuān)項課題3項，國家自然科學(xué)基金項目4項，國家973項目二級課題2項，國家863項目（課題）5項，國際500強企業(yè)（寶潔、西門(mén)子、安捷倫等）合作項目13項。目前已在本專(zhuān)業(yè)領(lǐng)域期刊和會(huì )議上發(fā)表學(xué)術(shù)論文97篇；編寫(xiě)教材2本，參與編寫(xiě)學(xué)術(shù)專(zhuān)著(zhù)2部。作為第1完成人獲得國家發(fā)明專(zhuān)利16項，國際PCT發(fā)明專(zhuān)利4項，軟件著(zhù)作權15項。作為清華方面的第1完成人，獲得國家科技進(jìn)步二等獎1項，北京市科學(xué)技術(shù)一等獎、二等獎和三等獎各1項，重慶市科學(xué)技術(shù)三等獎1項，行業(yè)協(xié)會(huì )科學(xué)技術(shù)一等獎2項等。

目錄:第1章 緒論

1．1 本書(shū)背景

1．2 數據挖掘應用概述

1．3 本書(shū)的主要內容安排

1．4 小結



第2章 基于GPS信息的出租車(chē)行車(chē)軌跡數據挖掘

2．1 概述

2．2 出租車(chē)GPS數據挖掘問(wèn)題描述

2．3 基于GPS數據的出租車(chē)軌跡挖掘與分析

2．4 挖掘任務(wù)點(diǎn)評

2．5 小結



第3章 NBA比賽結果預測

3．1 問(wèn)題背景

3．2 數據采集

3．2．1 數據來(lái)源

3．2．2 數據采集方法

3．2．3 原始數據

3．3 挖掘方法

3．3．1 挖掘的目標與實(shí)現思路

3．3．2 預測特征選取

3．4 分類(lèi)和預測方法

3．5 預測結果的分析和對比

3．5．1 使用球隊平均數據預測比賽結果

3．5．2 使用球隊近期數據預測比賽結果

3．6 挖掘任務(wù)點(diǎn)評

3．7 小結

參考文獻



第4章 大型商業(yè)銀行后臺運維數據故障分析

4．1 概述

4．1．1 應用背景

4．1．2 主要研發(fā)內容

4．2 相關(guān)方法回顧

4．2．1 主成分分析法

4．2．2 前向特征選擇法

4．2．3 隨機森林方法

4．3 交易超時(shí)故障預測方法設計與實(shí)現

4．3．1 問(wèn)題定義

4．3．2 工作流程

4．3．3 數據預處理

4．3．4 降維處理

4．3．5 預測模型

4．3．6 防范模型

4．3．7 評價(jià)方法

4．4 綜合系統的設計與實(shí)現

4．4．1 系統框架

4．4．2 數據預處理模塊

4．4．3 隨機森林模塊

4．4．4 展示模塊

4．4．5 最終效果模塊

4．5 結果分析與評價(jià)

4．5．1 實(shí)驗數據

4．5．2 交易故障預測相關(guān)實(shí)驗

4．6 挖掘任務(wù)點(diǎn)評

4．7 小結

4．7．1 總結

4．7．2 展望

參考文獻



第5章 RNA排序預測

5．1 概述

5．2 研發(fā)現狀

5．2．1 內部核糖體進(jìn)入位點(diǎn)的數據挖掘研發(fā)現狀

5．2．2 冷凍電鏡圖像蛋白質(zhì)顆粒挑選研究現狀

5．3 工作設計與實(shí)現

5．3．1 基本的設計框架與實(shí)現思路

5．3．2 核心挖掘模型設計與實(shí)現

5．4 應用實(shí)現

5．4．1 實(shí)現程序與功能

5．4．2 數據挖掘分析結果展示

5．5 操作說(shuō)明

5．6 挖掘任務(wù)點(diǎn)評

5．7 小結

參考文獻



第6章 “樂(lè )學(xué)”微信公眾號關(guān)注趨勢分析

6．1 前言

6．1．1 研究背景

6．1．2 數據來(lái)源

6．1．3 數據預處理

6．1．4 研究思路

6．2 平臺發(fā)展現狀

6．2．1 平臺用戶(hù)特性

6．2．2 平臺傳播狀態(tài)

6．2．3 便捷操作發(fā)展狀況

6．3 推送發(fā)展模式探究

6．3．1 成功推送案例分析

6．3．2 理想發(fā)展模式探究

6．3．3 不同模式下的平臺關(guān)注量預測

6．3．4 推送發(fā)展的改進(jìn)思路

6．4 便捷操作功能探究

6．4．1 用戶(hù)使用習慣分析

6．4．2 便捷操作功能的改進(jìn)思路

6．5 挖掘任務(wù)點(diǎn)評

6．6 小結

參考文獻



第7章 保險行業(yè)客戶(hù)特征識別

7．1 概述

7．2 數據挖掘問(wèn)題描述

7．2．1 問(wèn)題背景

7．2．2 關(guān)于數據集

7．3 保險客戶(hù)特征識別與分析

7．3．1 數據預處理

7．3．2 挖掘與分析結果

7．4 挖掘任務(wù)點(diǎn)評

7．5 小結

參考文獻



第8章 電力系統不良數據辨識案例分析

8．1 概述

8．1．1 電力系統不良數據辨識

8．1．2 數據介紹

8．2 研究?jì)热?

8．2．1 基于GSA的k-means聚類(lèi)

8．2．2 基于有效指數的k-means聚類(lèi)

8．2．3 模糊C-means聚類(lèi)

8．3 總結分析

8．3．1 不良數據辨識結果對比

8．3．2 不良數據分析

8．4 挖掘任務(wù)點(diǎn)評

8．5 小結



第9章 總結