數據挖掘十大算法（簡體書）

《世界著名計算機教材精選：數據挖掘十大算法》詳細介紹了在實際中用途最廣、影響最大的十種數據挖掘算法，這十種算法是數據挖掘領域的頂級專家進行投票篩選的，覆蓋了分類、聚類、統計學習、關聯分析和鏈接分析等重要的數據挖掘研究和發展主題。《世界著名計算機教材精選：數據挖掘十大算法》對每一種算法都進行了多個角度的深入剖析，包括算法歷史、算法過程、算法特性、軟件實現、前沿發展等，此外，在每章最後還給出了豐富的習題和精挑細選的參考文獻，對于讀者掌握算法基本知識和進一步研究都非常有價值，對數據挖掘、機器學習和人工智能等學科的課程的設計有指導意義。

吳信東（Xindong Wu），教授英國愛丁堡大學人工智能學博士，任美國佛蒙特大學計算機科學系主任。吳教授在數據挖掘、知識系統和Web信息開發等研究領域內頗有建樹，在IEEE TKDE、TPAMI、ACMTOIS、DMKD、KAIS、IJCAI、AAAI、ICMI_、KDD、ICDM和WWW等學術會議和期刊上發表了170餘篇學術論文，另外，還出版了18部學術專著和會議文集。他還獲得了IEEE ICTAI-2005的最佳論文獎和IEEE ICDM-2007的最佳理論／算法論文獎亞軍。
吳博士是IEEE Transactzons on KnowLedge and Data Engineering（TKDE，由IEEE Computer Society主辦）的主編，IEEE International Con erence on Data Mining （ICDM）的創始人和指導委員會主席，Knowledge and In ormation Systems（KAIS，由Springer發行）的創辦人和榮譽主編，IEEE Computer Society Technical Committee on Intelligent Informatics（TCII）的創始主席（2002-2006），Springer Advanced Information and Knowledge Processing （AI& KP）系列著作的編輯。他還是ICDM'03（the 2003 IEEE International Conference on Data Mining）程序委員會主席和KDD-07（the 13th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining）程序委員會聯合主席。他獲得了2004 ACM SIGKDD服務獎、2006 IEEE ICDM傑出服務獎，是2005年合肥科技大學“長江學者獎勵計劃”講座教授。他還是很多學術會議的特邀專家／專題報告人，如NSF-NGDM'07、PAKDD-07、IEEE EDOC'06、IEEE ICTAI'04、IEEE/WIClACM WI'04lIAT'04、SEKE 2002和PADD-97等。

Vipin Kumar，教授，明尼蘇達大學計算機科學與工程系William Norris講席教授、系主任。他于1977年獲得印度魯爾基理工學院（正式名稱是魯爾基大學）的電子和通信工程學士學位，1979年獲得荷蘭埃因霍溫飛利浦國際學院的電子工程碩士學位，1982年獲得馬裡蘭大學帕克分校的計算機科學博士學位。Kumar教授的研究興趣主要集中在數據挖掘、生物信息學和高性能計算領域。他提出了評估並行算法可擴展性的恒等效率度量指標，並研發了多款稀疏矩陣分解（PSPASES）和圖剖分（METIS，ParMctis， hMetis）的高效並行算法及軟件。他發表了200多篇研究論文，合編合著了9本學術專著，包括被廣泛使用的教科書Introduction to Parallel Computing和Introduction to Data Mining，者5由Addison-Wesley出版。Kumar是眾數據挖掘和多並行計算領域的學術會議、專題研討會的主席或共同主席，女口IEEE International Con ference on Data Mining（2002）、International ParallelandDistributed ProcessingSymposium（2001）和SIAM International Con ference on Data Mining（2001）.Kumar是SIAM International Conference on Data Mining指導委員會共同主席，IEEE International Conference on Data Mining和IEEE International Conference on Bioinformatics and Biomedicine指導委員會委員。Kumar是Journal of Statistical Analysis and Data Mining的創始主編之——，IEEE Intelligent In ormatics Bulletin主編和Data Mining and Knowledge Discovery系列圖書（由CRC Press／Chapman Hall出版）的編輯。Kumar還擔任很多其他學術刊物的編輯，如Data Mining and Kno-wledge Discovery、KnowLedge and Information Systems、IEEE Computational Inteltigence Bulletin、Annual Review of Inteltigent In formatics、Parallel Com puting、Journal of Parallel and Distributed Computing、IEEE Transactions of Data and Kno-wledge Engineering（1993-1997）、IEEE Concurrency（1997-2000）和IEEE ParalleL and Distributed Technology（1995-1997）等。他是ACM會士、IEEE會士、AAAS會士和SIAM會員。Kumar由于在並行算法設計、圖剖分和數據挖掘領域的傑出貢獻，獲得了2005 IEEE Computer Society的技術成就獎。

第1章 C4.5
1.1 引言
1.2 算法描述
1.3 算法特性
1.3.1 決策樹剪枝
1.3.2 連續型屬性
1.3.3 缺失值處理
1.3.4 規則集誘導
1.4 軟件實現
1.5 示例
1.5.1 Golf數據集
1.5.2 Soybean數據集
1.6 高級主題
1.6.1 二級存儲
1.6.2 斜決策樹
1.6.3 特徵選擇
1.6.4 集成方法
1.6.5 分類規則
1.6.6 模型重述
1.7 習題
參考文獻

第2章 k-means
2.1 引言
2.2 算法描述
2.3 可用軟件
2.4 示例
2.5 高級主題
2.6 小結
2.7 習題
參考文獻

第3章 SVM：支持向量機
3.1 支持向量分類器
3.2 支持向量分類器的軟間隔優化
3.3 核技巧
3.4 理論基礎
3.5 支持向量回歸器
3.6 軟件實現
3.7 當前和未來的研究
3.7.1 計算效率
3.7.2 核的選擇
3.7.3 泛化分析
3.7.4 結構化支持向量機的學習
3.8 習題
參考文獻

第4章 Apriori
4.1 引言
4.2 算法描述
4.2.1 挖掘頻繁模式和關聯規則
4.2.2 挖掘序列模式
4.2.3 討論
4.3 軟件實現
4.4 示例
4.4.1 可行示例
4.4.2 性能評估
4.5 高級主題
4.5.1 改進Apriori類型的頻繁模式挖掘
4.5.2 無候選的頻繁模式挖掘
4.5.3 增量式方法
4.5.4 稠密表示：閉合模式和最大模式
4.5.5 量化的關聯規則
4.5.6 其他的重要性／興趣度度量方法
4.5.7 類別關聯規則
4.5.8 使用更豐富的形式：序列、樹和圖
4.6 小結
4.7 習題
參考文獻

第5章 EM
5.1 引言
5.2 算法描述
……

第6章 PageRank
第7章 AdaBoost
第8章 kNN!k-最近鄰
第9章 Naive Bayes
第10章 CART：分類和回歸樹