数据挖掘(偶然看到比较好的)资料.ppt

自动化前沿;主要内容 ;一、数据挖掘概述;数据挖掘概念;数据挖掘与KDD;数据挖掘的社会需求;数据挖掘的社会需求;数据挖掘的社会需求;数据挖掘的发展;数据挖掘技术;异常检测;什么是异常（outlier）？;异常检测方法的分类;数据挖掘系统的特征;数据的特征;系统的特征;知识（模式）的特征;知识表示：规则;知识表示：分类树;数据挖掘算法的特征;数据挖掘的主要方法;数据挖掘系统;数据挖掘系统;数据挖掘系统;二、数据预处理;为什么需要预处理;污染数据形成的原因;数据清理的重要性;数据清理处理内容;数据规约;空缺值;噪声数据;分箱;聚类;回归;数据集成;数据变换;最小 最大规范化 小数定标规范化 属性构造 由给定的属性构造和添加新的属性，以帮助提高精度和对高维数据结构的理解 ;数据立方体聚集;维规约;数据压缩;数值规约;数值规约 ;离散化和概念分层;数值数据离散化;分类数据的概念分层生成;三、数据挖掘算法－分类与预测;分类 VS. 预测;数据分类：两步过程;第一步：建立模型;第二步：用模型进行分类;准备分类和预测的数据;比较分类方法;用判定树归纳分类;判定归纳树算法;贝叶斯分类;后向传播分类;其他分类方法;什么是预测？;回归方法;评估分类法的准确性;提高分类法的准确性;四、数据挖掘算法－聚类;聚类分析;什么是聚类分析?;聚类的常规应用 ;应用聚类分析的例子;聚类方法性能评价;聚类方法性能评价;两种数据结构;评价聚类质量;聚类分析中的数据类型;区间标度变量;计算对象之间的相异度;计算对象之间的相异度;序数型变量;序数型变量;比例标度型变量;混合类型的变量;混合类型的变量;主要聚类方法;五、数据挖掘算法－关联;什么是关联挖掘?;关联规则：基本概念;规则度量：支持度与可信度;关联规则挖掘：路线图;关联规则挖掘—一个例子;关键步骤：挖掘频繁集;多层关联规则;挖掘多层关联规则;多层关联规则;支持度不变;支持度递减;多层关联：冗余过滤;多层挖掘：深度优先;数据挖掘查询的逐步精化;逐步求精空间关联规则挖掘;逐步求精空间关联规则挖掘;多维关联规则：概念;挖掘多维关联的技术;数值属性的静态离散化;带数量的关联规则;ARCS (关??规则聚集系统);ARCS的局限性;基于距离的关联规则挖掘;记S[X] 为 N 个元组 t1, t2, …, tN 在 属性集 X 上的投影 则 S[X] 的直径: distx:距离量度,如 欧几里德距离或 Manhattan ;用直径 d 评估聚集 CX 的密度，其中 查找聚集和基于距离的规则 用密度阈值 d0代替支持度 采用修改过的 BIRCH 聚集算法 ;关联规则可视化Using Plane Graph;关联规则可视化Using Rule Graph;六、序列模式挖掘;序列模式概念;序列模式实例;序列模式应用领域;序列模式表示;序列模式表示;序列模式表示;序列模式挖掘;序列模式挖掘算法;序列模式挖掘算法;七、数据挖掘软件;数据挖掘软件的发展;数据挖掘软件的发展;数据挖掘软件的发展;二、数据挖掘软件的发展;数据挖掘软件的发展;数据挖掘软件的发展;数据挖掘软件的发展;数据挖掘软件的发展;二、数据挖掘软件的发展;数据挖掘软件的发展;数据挖掘软件的发展;数据挖掘软件的发展;数据挖掘软件的发展;数据挖掘软件的发展;数据挖掘软件的发展;数据挖掘软件的发展;数据挖掘软件的发展;数据挖掘软件的发展;数据挖掘软件的发展;数据挖掘软件的现状;数据挖掘软件的现状;八、数据挖掘应用;数据挖掘应用;数据挖掘应用;数据挖掘应用;数据挖掘应用;数据挖掘应用;数据挖掘应用;数据挖掘应用;数据挖掘应用;数据挖掘应用;数据挖掘应用;数据挖掘应用;数据挖掘应用;数据挖掘未来发展;数据挖掘应用——时间序列模式挖掘;工业过程变量时间序列;批量型生产过程;连续型生产过程;数据挖掘对象的基本构成;样本的抽取（批量生产过程）;连续生产过程的样本抽取;如何“组装”时间序列？;关于生产质量改变的模式假设;时间序列的模式抽取;时间序列的模式抽取;时间序列的模式抽取;常见的有物理意义的特征模式;数据挖掘的两种应用方式;质量分类模型的挖掘;质量分析结论的挖掘;一个示例：加热炉生产质量数据挖掘;一个示例：加热炉生产质量数据挖掘;一个示例：加热炉生产质量数据挖掘;一个示例：加热炉生产质量数据挖掘;一个示例：加热炉生产质量数据挖掘;