《數據挖掘技術及其應用(精)》(作者楊傑、姚莉秀)介紹了數據挖掘的基礎理論和改進算法以及*新研究成果和動態，包括：數據預處理、關聯規則提取與粗糙集、數據挖掘分類與回歸、聚類分析。數據挖掘已廣泛而有效地應用於許多領域，本書重點介紹我們在生物信息學和材料科學的應用實踐。

《數據挖掘技術及其應用(精)》(作者楊傑、姚莉秀)繫統地講述了數據 挖掘的基本概念和基本原理，並列舉了在相應領域具有參考價值的算法及其 改進和應用，是作者多年來從事教學和科研實踐的成果。全書共9章，主要 內容有：數據挖掘的基本概念和原理，數據預處理，各種分類、聚類和關聯 規則提取算法，以及在生物信息學、材料學中的實際應用案例。 《數據挖掘技術及其應用(精)》可用作計算機專業本科高年級學生或研 究生的教材或參考書，也可供從事計算機信息處理、數據挖掘、工業優化等 有關方面工作的科技人員參考。

第1章 導論
1．1 數據挖掘技術的源起與發展
1．2 數據挖掘的概念
1．3 數據挖掘的過程
1．4 數據挖掘的功能
1．5 數據挖掘的典型應用領域
1．6 目前**上流行的數據挖掘軟件
參考文獻
第2章 數據預處理
2．1 數據清理
2．2 數據集成
2．3 數據轉換
2．4 數據約簡
參考文獻
第3章 維約簡——特征選擇與特征提取
3．1 特征選擇
3．2 特征提取
3．3 基於譜分析的降維框架
參考文獻
第4章 關聯規則提取與粗糙集
4．1 基本概念
4．2 經典的關聯規則挖掘算法
4．3 模糊關聯規則的發現
4．4 數量屬性關聯規則的挖掘
4．5 面向不確定知識的關聯規則挖掘——粗糙集理論與應用
4．6 基於粗糙集和微粒群算法的特征選擇(PSORSFS)
4．7 基於有序PSO的粗糙集近似熵約簡
4．8 基於模糊粗糙集的*近鄰聚類分類算法
參考文獻
第5章 分類原理與方法
5．1 一般概念
5．2 基於歸納的傳統決策樹方法
5．3 超平面決策樹方法
5．4 復合式評價函數
5．5 模糊類別的決策樹方法
5．6 基於模糊極小極大網絡的模糊規則提取與分類
5．7 Linear Map(LMAP)方法與包容型數據
參考文獻
第6章 統計學習理論與支持向量機
6．1 簡介
6．2 統計學習理論的主要內容
6．3 支持向量機理論
6．4 基於測地距離的SV．M分類算法
6．5 基於SOR(Successive Over Relaxation)的支持向量回歸
訓練方法
參考文獻
第7章 聚類分析
7．1 聚類的基本概念
7．2 常見聚類算法
7．3 特征空間屬性加權模糊核聚類算法
7．4 基於信息理論的合作模糊聚類算法研究
7．5 基於密度和網格的子空間聚類算法
參考文獻
第8章 數據挖掘在生物信息學中的應用
8．1 基於集成分類器的蛋白序列分析
8．2 聚類分析在基因表達數據中的應用
8．3 基於有監督聚類算法的蛋白三維結構分類
參考文獻
第9章 數據挖掘在合金相圖研究中的應用
9．1 **外相圖研究現狀
9．2 相圖研究的原子參數一數據挖掘方法
9．3 研究三元合金繫中間化合物形成規律的原理與方法
9．4 **外相圖研究現狀：三元合金繫中間化合物形成規律研究
參考文獻