知识发现

知识发现是从数据集中识别出有效的、新颖的、潜在有用的，以及最终可理解的模式的非平凡过程。知识发现将信息变为知识，从数据矿山中找到知识金块，将为知识创新和知识经济的发展作出贡献。 本书全面而又系统地介绍了知识发现的方法和技术，反映了当前知识发现研究的最新成果。 全书共分14章。第1章是绪论，介绍知识发现的重要概念和任务。第2章讨论决策树，它是归纳学习方法中最实用的一种技术。关联规则挖掘是近几年应用最为广泛的方法，第3章将对重要的关联规则挖掘算法进行讨论。第4章讨论范例推理，它是一种有效的实用技术。第5章探讨模糊聚类法。第6章讨论粗糙集。第7章是贝叶斯网络，贝叶斯网络可以处理不完整和带有噪声的数据集，它用概率测度的权重来描述数据间的相关性。第8章探讨支持向量机，它在近几年知识发现研究中是极其活跃的研究课题。第9章讨论隐马尔科夫模型。第10章是神经网络，书中着重介绍几种实用的算法。第11章讨论进化和遗传算法。第12章介绍知识发现平台MSMiner。接着，以Web知识发现、生物信息处理为例，介绍知识发现的应用。第13章关于Web知识发现。第14章介绍生物信息处理中基因组模式的发现。 本书内容新颖，认真总结了作者的科研成果，取材国内外最新资料，反映了当前该领域的研究水平。论述力求概念清晰，表达准确，突出理论联系实际，通过实例说明原理，富有启发性。本书对从事知识发现、数据挖掘、机器学习、人工智能研究和知识管理的科技人员具有重要参考价值，可以用作计算机、信息技术等专业博士生、硕士生的教材。

1，绪论 2，决策树 3，关联规则 4，基于范例的推理 5，模糊聚类 6，粗糙集 7，贝叶斯网络 8，支持向量机 9，隐马尔科夫模型 10，神经网络 11，进化和遗传算法 12，知识发现平台MSMiner 13，Web知识发现 14，生物信息知识发现