第1章 導(dǎo)論
1．1 數(shù)據(jù)挖掘的起源
1．2 數(shù)據(jù)挖掘的概念和分類(lèi)
1．3 數(shù)據(jù)挖掘的過(guò)程
1．4 數(shù)據(jù)挖掘的功能
1．5 數(shù)據(jù)挖掘的典型應(yīng)用領(lǐng)域
1．6 數(shù)據(jù)挖掘的發(fā)展趨勢(shì)和面對(duì)的問(wèn)題

第2章 數(shù)據(jù)預(yù)處理
2．1 數(shù)據(jù)預(yù)處理的概念
2．2 數(shù)據(jù)清理
2．3 數(shù)據(jù)集成
2．4 數(shù)據(jù)轉(zhuǎn)換
2．5 數(shù)據(jù)歸約

第3章 關(guān)聯(lián)規(guī)則
3．1 關(guān)聯(lián)規(guī)則概述
3．2 Apriori關(guān)聯(lián)規(guī)則算法
3．3 多種關(guān)聯(lián)規(guī)則挖掘
3．4 關(guān)聯(lián)分析應(yīng)用實(shí)例

第4章 聚類(lèi)分析
4．1 聚類(lèi)的基本概念
4．2 劃分聚類(lèi)算法
4．3 層次聚類(lèi)算法
4．4 基于密度和網(wǎng)格的子空間聚類(lèi)算法
4．5 基于模型的聚類(lèi)算法
4．6 聚類(lèi)分析應(yīng)用實(shí)例

第5章 分類(lèi)與預(yù)測(cè)
5．1 分類(lèi)和預(yù)測(cè)基本概念
5．2 決策樹(shù)分類(lèi)
5．3 貝葉斯分類(lèi)
5．4 人工神經(jīng)網(wǎng)絡(luò)
5．5 支持向量機(jī)
5．6 遺傳算法
5．7 粗糙集方法
5．8 分類(lèi)預(yù)測(cè)應(yīng)用實(shí)例

第6章 Web數(shù)據(jù)挖掘
6．1 Web挖掘概述
6．2 Web日志挖掘
6．3 Web內(nèi)容挖掘
6．4 Web使用挖掘
6．5 Web結(jié)構(gòu)挖掘

第7章 復(fù)雜類(lèi)型數(shù)據(jù)挖掘及應(yīng)用
7．1 文本數(shù)據(jù)挖掘
7．2 多媒體數(shù)據(jù)挖掘
7．3 空間數(shù)據(jù)挖掘
7．4 網(wǎng)絡(luò)輿情挖掘

第8章 流數(shù)據(jù)挖掘技術(shù)
8．1 流數(shù)據(jù)挖掘技術(shù)概述
8．2 流數(shù)據(jù)挖掘技術(shù)分類(lèi)
8．3 流數(shù)據(jù)挖掘關(guān)鍵技術(shù)
8．4 實(shí)時(shí)數(shù)據(jù)流挖掘技術(shù)
8．5 流數(shù)據(jù)挖掘的應(yīng)用及前景

第9章 數(shù)據(jù)挖掘的其他相關(guān)技術(shù)
9．1 數(shù)據(jù)挖掘可視化技術(shù)
9．2 物聯(lián)網(wǎng)數(shù)據(jù)挖掘技術(shù)
9．3 分布式數(shù)據(jù)挖掘技術(shù)
9．4 基于云計(jì)算的分布式數(shù)據(jù)挖掘技術(shù)

第10章 金融數(shù)據(jù)挖掘
10．1 金融領(lǐng)域進(jìn)行數(shù)據(jù)挖掘的必要性
10．2 金融數(shù)據(jù)及其可視化
10．3 金融數(shù)據(jù)挖掘的過(guò)程

第11章 數(shù)據(jù)挖掘在金融業(yè)中的應(yīng)用
11．1 數(shù)據(jù)挖掘在銀行業(yè)的應(yīng)用
11．2 數(shù)據(jù)挖掘在證券業(yè)的應(yīng)用
11．3 數(shù)據(jù)挖掘在保險(xiǎn)業(yè)的應(yīng)用
11．4 數(shù)據(jù)挖掘在期權(quán)定價(jià)中的應(yīng)用
參考文獻(xiàn)