封面 书名页 版权页 前言 目录 第1章 绪论 1.1 数据挖掘的概念及研究领域 1.1.1 分类方法 1.1.2 聚类方法 1.1.3 文本挖掘 1.1.4 Web挖掘 1.2 数据挖掘的过程模型 1.2.1 知识发现的基本过程分析 1.2.2 数据挖掘的处理过程模型 1.3 基于数据挖掘的武器装备管理决策分析 1.3.1 武器装备管理决策分析的任务、层次 1.3.2 数据挖掘在武器装备管理决策支持中的应用 1.4 本章小结 第2章 武器装备数据仓库 2.1 数据仓库的概念 2.1.1 数据仓库的产生 2.1.2 数据仓库的定义 2.1.3 数据仓库和传统数据库的区别 2.2 数据仓库的数据模型 2.2.1 企业级数据模型 2.2.2 多维数据模型 2.3 数据仓库的联机分析处理 2.3.1 联机分析处理的概念 2.3.2 OLAP与OLTP的区别 2.3.3 OLAP的基本操作 2.3.4 OLAP实现方法分析 2.3.5 数据仓库与OLAP的关系 2.4 数据仓库的结构 2.4.1 数据仓库的体系结构 2.4.2 数据仓库的数据组织结构 2.5 数据仓库的设计 2.5.1 数据仓库的设计原则 2.5.2 数据仓库的设计过程 2.6 飞参数据仓库的分析与设计 2.6.1 飞参数据仓库多维模型的建模难点 2.6.2 飞参数据仓库主题的确立 2.6.3 飞参数据仓库多维模型的三级规范化建模 2.6.4 飞参数据仓库开发平台的选择 2.6.5 飞参数据规范化与预处理 2.6.6 飞参数据仓库的数据采集和加载 2.6.7 飞参数据仓库的维护 2.7 航空维修数据分析系统数据仓库的设计 2.7.1 航空维修数据分析系统的需求分析 2.7.2 AMDAS数据仓库的模型设计 2.7.3 粒度和分割设计 2.7.4 ETL系统设计 2.8 本章小结 第3章 武器装备数据关联规则挖掘 3.1 关联规则挖掘基本概念 3.2 Apriori关联规则挖掘算法 3.2.1 算法基本思路 3.2.2 算法的伪码表示 3.3 FP-growth关联规则挖掘算法 3.3.1 算法基本思想 3.3.2 算法主要步骤及伪码表示 3.3.3 算法性能分析 3.4 关联规则挖掘在飞参记录事件关联分析中的应用 3.4.1 飞参数据分析的基本概念 3.4.2 基于关联规则的飞参记录事件关联分析流程 3.4.3 飞参记录事件关联挖掘的主要技术问题 3.5 本章小节 第4章 武器装备数据时间序列相似模式挖掘 4.1 时间序列相似模式挖掘概述 4.1.1 时间序列的定义 4.1.2 时间序列数据挖掘 4.1.3 时间序列相似模式挖掘 4.2 时间序列数据预处理 4.2.1 基于傅里叶变换的信号去噪 4.2.2 基于小波变换的信号去噪 4.3 时间序列的特征表示 4.3.1 频域表示 4.3.2 序列分段表示 4.3.3 符号化表示 4.4 时间序列的相似性度量 4.4.1 时间序列的形变 4.4.2 欧氏距离 4.4.3 动态时间弯曲距离 4.4.4 最长公共子串 4.4.5 编辑距离 4.5 时间序列的相似模式搜索 4.5.1 相似模式搜索的分类 4.5.2 查询策略与查询完备性 4.5.3 空间索引结构 4.5.4 相似序列搜索流程 4.5.5 后处理中相似性度量的优化方法 4.6 飞行数据相似模式挖掘案例 4.6.1 飞行数据相似模式挖掘流程 4.6.2 基于相似模式挖掘的飞行训练质量评估 4.7 本章小结 第5章 武器装备数据分类挖掘 5.1 基本概念 5.2 分类挖掘的决策树方法 5.2.1 ID3算法 5.2.2 C4.5算法 5.3 SLIQ：一种快速可扩展的分类算法 5.3.1 SLIQ算法的基本概念 5.3.2 SLIQ算法的基本原理 5.3.3 算法评价 5.4 SPRINT：一种可扩展的并行分类算法 5.4.1 基本思想 5.4.2 数据结构 5.4.3 具体案例 5.5 贝叶斯分类方法 5.5.1 贝叶斯理论相关知识 5.5.2 朴素贝叶斯分类算法 5.5.3 半朴素贝叶斯分类算法 5.5.4 树增广朴素贝叶斯分类算法 5.6 支持向量机分类方法 5.6.1 统计学习理论 5.6.2 支持向量机分类算法 5.7 本章小结 第6章 武器装备数据聚类挖掘 6.1 聚类分析概述 6.1.1 聚类分析的基本概念 6.1.2 聚类分析中的数据类型 6.1.3 聚类分析算法的基本要求 6.1.4 聚类分析中距离的度量 6.1.5 聚类分析的具体应用 6.2 基于划分的聚类方法 6.2.1 k-means聚类算法 6.2.2 k-medoids聚类算法 6.2.3 PAM聚类算法 6.2.4 CLARANS聚类算法分析 6.3 基于层次的聚类方法 6.3.1 AGNES聚类算法 6.3.2 CURE聚类算法 6.3.3 Chameleon聚类算法 6.3.4 BIRCH聚类算法 6.4 基于密度的聚类方法 6.4.1 DBSCAN聚类算法 6.4.2 OPTICS聚类算法 6.4.3 DENCLUE聚类算法 6.5 基于网格的聚类方法 6.5.1 STING聚类算法 6.5.2 WAVE-CLUSTER聚类算法 6.5.3 CLIQUE聚类算法 6.6 基于模型的聚类方法 6.7 无人作战飞机任务规划中目标聚类分析案例 6.7.1 模糊聚类分析的基本概念 6.7.2 模糊C均值聚类算法 6.7.3 基于FCM的UCAV群目标聚类分析 6.8 本章小结 第7章 文本与Web挖掘 7.1 文本挖掘的常见模式及方法 7.1.1 文本挖掘的过程 7.1.2 文本的表示模型 7.1.3 文本挖掘的方法 7.2 文本分类及常见分类算法 7.2.1 文本分类步骤 7.2.2 k-最近邻文本分类算法 7.2.3 基于VSM的向量距离文本分类算法 7.3 Web挖掘的常见模式及方法 7.3.1 Web挖掘的常见模式 7.3.2 Web挖掘的常用方法 7.3.3 基于Web日志的使用挖掘 7.4 Web挖掘中的PageRank和HITS算法 7.4.1 网页排序的PageRank算法 7.4.2 网页排序的HITS算法 7.5 基于文本挖掘的情报分类系统实现案例 7.6 本章小结 第8章 复杂类型军事数据挖掘 8.1 空间数据挖掘 8.1.1 空间数据与空间数据库 8.1.2 空间数据挖掘概念和体系结构 8.1.3 常见空间数据挖掘方法 8.2 多媒体数据挖掘 8.2.1 多媒体数据挖掘模型 8.2.2 图像数据挖掘 8.2.3 音频数据挖掘 8.2.4 视频数据挖掘 8.3 流数据挖掘 8.3.1 流数据的定义及特点 8.3.2 流数据挖掘的常见模式 8.4 本章小结 参考文献 封底 ..更多