1、：数据挖掘的方法1 决策树Johannes Gehrke简介问题定义分类树构造划分选择数据连接决策树修剪缺失值回归树的简短介绍问题定义划分选择数据连接应用和可用软件天体物质编制现有数据挖掘工具中的决策树总结参考文献2 关联规则Geoffrey I. Webb简介购物篮分析关联规则发现方法算法 Apriori频繁项目集的权利决策兴趣测量LiftLeverage项目集发现频繁项目集发现方法的技术关闭项目集决策长项目集取样不用项目集发现方法探究关联规则的技术数值关联关联规则发现方法的应用总结参考文献3 人工神经网络模型在数据挖掘中的应用Jennie Si, Benjamin J, Nelson, a
2、nd George C. Runger多层结构前馈网络的介绍多层前馈网络中基于训练方法的梯度偏导数非线性最小二乘法批量与增量学习多层结构前馈网络与其他分类方法的比较决策树方法判别分析方法多分区决策树一个生长多层前馈网络案例学习 1表面纹理的分类实验条件分类方法结果的定量比较案例 1 的最终讨论算法 SOM 的介绍算法 SOMSOM 构件算法 SOM 的实现案例 2解密猴子表面动作背后的动机从电机临界流量率计算轨迹利用从螺旋任务到训练 SOM 得到的数据利用那些从中心出来任务到训练 SOM 得到的数据利用 Leave-K-Out 方法得到的平均测试结果案例 2 的最终讨论结论和讨论参考文献4 正
3、常和异常数据的统计分析Connie M. Borror介绍单变量控制图变量控制图属性控制图累积和控制图指数加权移动平均控制图控制图技术的选择平均连串长度多变量控制图数据描述Hotelling T2 控制图多变量 EWMA 控制图总结参考文献5 贝叶斯数据分析David Madigan and Greg Ridgeway介绍贝叶斯推理的基础一个简单例子一个更复杂的例子分层模型和可交换性实际的先验分布贝叶斯模型选择和模型平均模型选择模型平均模型评估贝叶斯计算重要的抽样Markov Chain Monte Carlo(MCMC)一个例子在大数据量中的应用大数据集分析中的重要抽样变分法贝叶斯建模BUG
4、S 和通过 MCMC 建的现实复杂性模型贝叶斯预测模型贝叶斯描述模型可用软件讨论和未来方向总结致谢参考文献6 隐马尔科夫过程和序列模式挖掘Steven L. Scott隐马尔科夫模型的计算缺失数据存在的参数估计算法 EMMCMC 数据展开缺失数据总结本地计算似然递归递归算法 Viterbi递归的理解一个解释递归的数字例子例证和应用小羊羔的运动商业圈HMM 平稳分布和预测分布dt 平稳分布预测分布h 协方差可用软件总结参考文献7 预测的策略和方法Greg Ridgeway预测问题的介绍指导例子预测模型构件损失函数我们正在试着实现普通回归损失函数普通分类损失函数用于幸存数据的考克斯损失函数线性模型
5、线性回归分类推广的线性模型非线性模型最近邻算法和 k-核算法树模型平滑模型，基展开模型和附加模型神经网络提升软件的可用性总结参考文献8 主要组件和分析因素Daniel W. Apley介绍变异模式在相关多变量数据中应用的例子识别变异模式方法概览多变量数据中变异模式的表述和说明重要组件分析重要组件的定义利用重要组件作为变异模式估计要素循环PCA 的容量和限度要素循环的方法盲源分离经典盲源分离问题盲分离原则四阶盲分离方法附加制造应用可用软件总结参考文献9 潜变量建模的心理测量方法Edward Ip, Igor Codez, and Padhraic Smyth介绍基本潜变量模型基本潜在分类模型基本
6、有限混合模型基本潜在试验模型基本因子分析模型普通结构数据挖掘扩展基本潜在分离模型扩展基本混合模型扩展潜在试验模型扩展因子分析模型扩展一个示例事务数据的分层结构个体化的混合模型数据集试验结果参考文献和工具参考文献工具总结参考文献10 可扩展性聚类Joydeep Ghosh介绍聚类技术：一个简单调查分割方法分层方法区分对衍生的模型结果评估结果的可视化数据挖掘中的聚类挑战事务性数据分析下一个生成点击流量聚类聚类耦合序列大范围远程传感数据挖掘中的可扩展聚类N-大量记录或模式的可扩展性d-大量属性或维数的可扩展性平衡聚类序列聚类技术案例研究：基于购物篮和网页日志聚类的相似性案例研究：关于网页文件聚类的相
7、似性测量的影响相似性测量：一个抽样聚类算法和文本数据集结果比较聚类软件总结致谢参考文献11 时间序列相似性和索引Gautam Das and Dimitrios Gunopulos介绍时间序列相似性测量欧几里得距离和 Lp 规范归一化变换一般变换动态时间变形最长普通子序列相似性概率性的方法其他相似性测量时间序列的索引技术当距离函数是一个矩阵时的索引时间序列维度下降技术的勘察当距离函数不是一个矩阵是的相似时间序列检索子序列检索总结参考文献12 非线性时间序列分析Ying-Cheng Lai, Zonghua Liu, Nong Ye, and Tolga Yalcinkaya介绍关于无序时间序列
8、分析的嵌入式方法相空间的重建维度计算不稳定周期轨道监测从时间序列中计算李氏指数时间序列的时频分析分析信号和 Hilbert 转换EMD 方法总结致谢参考文献13 分布式数据挖掘Byung-Hoon Park and Hillol Kargupta介绍相关研究数据分布和预处理同质性/同质数据情景数据预处理分布式数据挖掘算法分布式分离学习聚集数据挖掘分布式关联规则挖掘分布式聚类隐私保护分布式数据挖掘其他分布式数据挖掘算法分布式数据挖掘系统架构设计在 DDM 中的通信模型组件维护未来方向参考文献 数据挖掘管理14 数据收集，准备，量化和可视化Dorian Pyle介绍怎样使数据与数据挖掘关联起来数据
9、挖掘的 10 条要求准备数据之前要知道算法为什么进行数据分析之前要准备数据数据收集选择正确的数据整合数据集检验数据集评估缺失值的影响数据准备为什么数据需要准备：一个企业案例缺失值表现时间：绝对的，相关的，周期的异常值和分布的正规化范围和正规化数目和分类数据质量什么是数据质量强制质量：优势和劣势数据质量和模型质量数据可视化所见即所得绝对和相对的可视化可视化多样交互作用总结15 数据存储和管理Tong(Teresa) Wu and Xiangyang (Sean) Li介绍文本文件和电子数据表数据的文本文件数据表文件数据库系统历史数据库相关数据库面向对象数据库数据存储和管理的前沿OLAP数据仓库分
10、布式数据库可用软件总结致谢参考文献16 特征提取，选择和构建Huan Liu, Lei Yu, and Hiroshi Motoda介绍特征提取概念算法例子总结特征选择概念算法例子总结特征构建概念算法和例子总结一些应用总结参考文献17 性能分析和评估Sholom M. Weiss and Tong Zhang评估概览培训和测试测量中的错误错误测量回归中的错误分类中的错误条件密度估计中的错误精确度错误的正极和负极精密度，回调和测量值 F灵敏性和专一性模糊表ROC 曲线Lift 曲线聚类性能：未加标签的数据评估中的错误独立测试案例重要的测试再抽样和交叉验证辅助程序时间序列评估花费和风险性能的其他属
11、性培训时间应用时间可解释性专家评估领域测试获得标签数据的花费参考文献18 安全性和保密性Chris Clifton介绍：为什么数据挖掘存在安全性和保密性细节问题分析，解决方案和后续研究个体数据的保密性害怕其他人发现其他公开数据中的联系总结参考文献19 新兴标准和接口Robert Grossman, Mark Hornick, and Gregor Meyer介绍XML 标准关于数据挖掘模型的 XML关于数据挖掘元数据的 XMLAPIsSQL APIsJava APIsOLE DB APIs网络标准语义标准数据网络其他网络服务处理标准各种关系总结参考文献20 挖掘人事数据-David A.Nem
12、bhand介绍及回顾组织学习挖掘方法个别学习个别学习数据个别忘记个别样本表现的分布和模式其他领域人事数据的隐私问题参考文献21 挖掘文本数据-ronen feldman介绍文本挖掘系统的架构统计标签文本分类字词提取语义标签DIALIE 规则的发展审计环境结构标签即定的发现的分类构造文本挖掘的应用问题软件要求时间分辨率对应决策解析或者不解析数据库连接可视化和文本挖掘的分析定义及注意事项分类连接映射关系映射趋势图总结参考文献22 地理空间数据挖掘-Shashi Shekhar 和 Ranga Raju Vatsavai介绍外部空间探测技术说明性例子和应用领域托管规则路径解决程序定位预测一个说明性应
13、用领域问题方程利用 SAR 和 MRF 模型建立空间依赖后续 SAR基于贝叶斯分类的 MRF聚类分析聚类分析算法分类K-Medoid:一个聚类分析算法聚类混合分析和 EM 算法总结知识点参考文献23 挖掘科学和工程数据-Chandrika Kamath介绍挖掘科学数据的动机科学及工程数据挖掘的例子天文数据挖掘地理科学数据挖掘医学图像数据挖掘无损测试数据挖掘安全监视数据挖掘仿真数据数据挖掘其他科学数据挖掘的应用挖掘科学数据遇到的普遍挑战一些普遍问题的潜在解决方法数据注册数据降噪对象标识维度减少产生好的训练集科学数据挖掘软件总结参考文献24 数据挖掘在生物信息学中的应用介绍背景经典分子生物学挖掘方
14、法在蛋白质结构预测中的应用挖掘蛋白质联系映射分类联系与非接触挖掘方法单单在 Amino Acids 中有多少信息？用本身结构进行联系预测分析物理、类蛋白联系映射产生类蛋白结构数据库在联系映射中挖掘密度模型修剪和整合实验结果联系映射挖掘的未来研究方向“物理结构“的启发式规则联系映射空间的规则总结参考文献25 客户关系管理数据挖掘介绍数据源数据类型E-商业数据数据准备数据聚合特征提取模式识别模式分析和部署鲁棒性兴趣点部署商业问题样本战略问题可操作性问题总结参考文献26 计算机和网络数据安全挖掘介绍侵入活动和系统活动数据侵入阶段系统活动数据侵入探测活动特征的提取和表现系统活动的特征特征表现已存在的入侵探测技术统计异常检测在入侵探测中的应用旅店的 T2 测试和卡方距离测试数据源和表示法测试实验总结参考文献27 图像数据挖掘介绍相关工作方法如何发现簇的数量：KK-自动发现算法簇算法实验结果数据集数据条目标识等价方法结果和统计总结参考文献28 挖掘制造业得质量数据Murat C. Testik and George C. Runger介绍多变量控制图Hotelling T2 控制图MEWMA 控制图MEWMA 控制图的非参数特征总结参考文献
