本書是商業(yè)數(shù)據(jù)流挖掘方面的一本學術(shù)專著，包括商業(yè)數(shù)據(jù)流數(shù)據(jù)管理模型、概念漂移模型、商業(yè)數(shù)據(jù)流關(guān)聯(lián)規(guī)則、分類、聚類方法，以及在銀行、網(wǎng)購等領(lǐng)域的應用等內(nèi)容，從模型、方法及應用三個角度對面向商業(yè)數(shù)據(jù)流挖掘進行了系統(tǒng)論述。本書適合作為與數(shù)據(jù)挖掘和商業(yè)數(shù)據(jù)分析有關(guān)的學科如計算機技術(shù)、軟件工程、電子商務等的本科和研究生的教材，也可供相關(guān)領(lǐng)域的專業(yè)人員參考。
琚春華 浙江工商大學信息學院院長，教授/博士/博士生導師。琚春華(Ju ChunHua)，男，1962年7月生，浙江常山縣人，中共黨員，浙江工商大學科技處處長，教授、博士，浙江工商大學工商管理學院博士生導師。浙江省“151人才工程”**層次人選，國務院特殊津貼獲得者，中國科學技術(shù)情報學會第七屆理事會理事、常務理事，全國新世紀優(yōu)秀人才支持計劃學術(shù)帶頭人，浙江省重點學科（管理科學與工程）帶頭人，浙江省電子商務與物流優(yōu)化創(chuàng)新團隊負責人，高等學校博士學科點專項科研基金獲得者，第十一屆“挑戰(zhàn)杯”全國大學生學術(shù)科技作品競賽優(yōu)秀指導教師。
目錄
第1章緒論
1．1背景概述
1．1．1數(shù)據(jù)挖掘
1．1．2數(shù)據(jù)流挖掘
1．2商業(yè)數(shù)據(jù)流挖掘主要研究概況
1．2．1國外研究現(xiàn)狀
1．2．2國內(nèi)研究現(xiàn)狀
1．3商業(yè)數(shù)據(jù)流挖掘的基本概念
1．3．1商業(yè)數(shù)據(jù)流的基本定義
1．3．2商業(yè)數(shù)據(jù)流挖掘的基本流程
1．3．3商業(yè)數(shù)據(jù)流挖掘的主要模型和方法
1．4商業(yè)數(shù)據(jù)流挖掘的典型應用
1．4．1分布式零售數(shù)據(jù)流挖掘應用
1．4．2網(wǎng)購數(shù)據(jù)流挖掘應用
1．5本書的主要內(nèi)容和結(jié)構(gòu)
參考文獻第2章商業(yè)數(shù)據(jù)流管理模型
2．1商業(yè)數(shù)據(jù)流特點
2．2商業(yè)數(shù)據(jù)流管理模型
2．2．1商業(yè)數(shù)據(jù)流描述模型
2．2．2商業(yè)數(shù)據(jù)流分層管理模型
2．3商業(yè)數(shù)據(jù)流預處理模型
2．3．1商業(yè)數(shù)據(jù)流降維模型
2．3．2商業(yè)數(shù)據(jù)流噪聲處理模型
2．4本章小結(jié)
參考文獻第3章商業(yè)數(shù)據(jù)流概念漂移模型
3．1商業(yè)數(shù)據(jù)流概念漂移描述模型
3．1．1商業(yè)數(shù)據(jù)流中的概念漂移概述
3．1．2基于粒計算的商業(yè)數(shù)據(jù)流概念模型
3．2商業(yè)數(shù)據(jù)流概念漂移特征提取模型
3．2．1商業(yè)數(shù)據(jù)流概念漂移特征發(fā)現(xiàn)模型
3．2．2商業(yè)數(shù)據(jù)流概念漂移特征抽取模型
3．3商業(yè)數(shù)據(jù)流概念漂移檢測模型
3．3．1基于概念格的數(shù)據(jù)流漂移檢測模型
3．3．2基于HSMM的用戶興趣漂移檢測模型
3．3．3融入簇強度的數(shù)據(jù)流漂移檢測模型
3．4本章小結(jié)
參考文獻第4章面向商業(yè)數(shù)據(jù)流的關(guān)聯(lián)規(guī)則方法
4．1Web數(shù)據(jù)流最大頻繁項集挖掘算法
4．1．1A?MFI算法相關(guān)定義
4．1．2算法描述
4．1．3算法小結(jié)
4．2基于時序輪盤模型的數(shù)據(jù)流頻繁模式挖掘算法
4．2．1時序輪盤TTLC算法
4．2．2MFS?HT算法
4．2．3實驗結(jié)果及分析
4．2．4算法小結(jié)
4．3分布式關(guān)聯(lián)規(guī)則同步算法和異步算法
4．3．1網(wǎng)狀分布式環(huán)境下同步算法NDMA
4．3．2星形分布式環(huán)境下異步算法SDMA
4．3．3算法小結(jié)
4．4分布式無冗余數(shù)據(jù)流關(guān)聯(lián)規(guī)則異步算法
4．4．1相關(guān)概念和定理
4．4．2算法描述與分析
4．4．3實驗結(jié)果及分析
4．4．4算法小結(jié)
4．5本章小結(jié)
參考文獻第5章面向商業(yè)數(shù)據(jù)流的分類方法
5．1基于模糊積分融合的數(shù)據(jù)流分類挖掘算法
5．1．1模糊測度與模糊積分理論
5．1．2基于Choquet模糊積分融合的多模糊ID3數(shù)據(jù)流分類算法
5．1．3算法描述及分析
5．1．4算法小結(jié)
5．2基于增量存儲樹的集成貝葉斯分類數(shù)據(jù)流挖掘算法
5．2．1集成貝葉斯分類器構(gòu)建
5．2．2構(gòu)建CMCD?ST算法模型
5．2．3實驗結(jié)果及分析
5．2．4算法小結(jié)
5．3基于相關(guān)度的數(shù)據(jù)流關(guān)聯(lián)分類算法
5．3．1基于相關(guān)度關(guān)聯(lián)分類算法的設計思想
5．3．2基于相關(guān)度的關(guān)聯(lián)分類算法
5．3．3實驗結(jié)果及分析
5．3．4算法小結(jié)
5．4基于情景特征的數(shù)據(jù)流前饋動態(tài)集成分類算法
5．4．1問題描述
5．4．2基于情景特征的前饋動態(tài)集成分類思想
5．4．3實驗結(jié)果及分析
5．4．4算法小結(jié)
5．5基于信息熵差異性度量的數(shù)據(jù)流增量集成分類算法
5．5．1問題描述
5．5．2基于信息熵差異性度量的增量集成分類算法
5．5．3算法小結(jié)
5．6基于MAPREDUCE技術(shù)的數(shù)據(jù)流并行集成分類算法
5．6．1問題描述
5．6．2相關(guān)理論研究
5．6．3基于云計算的并行集成分類器
5．6．4實驗結(jié)果及分析
5．6．5算法小結(jié)
5．7本章小結(jié)
參考文獻第6章面向商業(yè)數(shù)據(jù)流的聚類方法
6．1基于密度的數(shù)據(jù)流聚類算法
6．1．1問題描述
6．1．2數(shù)據(jù)流管理模型及算法架構(gòu)
6．1．3主成分和密度融合的數(shù)據(jù)流聚類模型
6．1．4PDStream算法設計
6．1．5實驗結(jié)果及分析
6．1．6算法小結(jié)
6．2基于小波網(wǎng)絡的多維時間序列耦合特征聚類算法
6．2．1相關(guān)工作
6．2．2基于小波網(wǎng)絡的數(shù)據(jù)壓縮
6．2．3多維時間序列耦合特征提取
6．2．4聚類算法描述
6．2．5實驗結(jié)果及分析
6．2．6算法小結(jié)
6．3并行Web數(shù)據(jù)流聚類算法
6．3．1研究進展及相關(guān)模型
6．3．2JPStream算法描述
6．3．3實驗結(jié)果及分析
6．3．4算法小結(jié)
6．4融入簇存在強度的數(shù)據(jù)流聚類方法
6．4．1融入不確定性的Web用戶分析模型
6．4．2簇存在強度
6．4．3融入簇存在強度的數(shù)據(jù)流聚類算法
6．4．4實驗結(jié)果及分析
6．4．5算法小結(jié)
6．5本章小結(jié)
參考文獻第7章商業(yè)數(shù)據(jù)流挖掘應用――分布式零售數(shù)據(jù)
7．1實驗數(shù)據(jù)來源與實驗環(huán)境
7．1．1實驗數(shù)據(jù)來源
7．1．2挖掘?qū)嶒灜h(huán)境
7．2基于多支持向量機的分布式客戶流失預測應用
7．2．1單站點客戶流失預測分析
7．2．2多站點客戶流失預測分析
7．2．3結(jié)果分析
7．3基于分布式關(guān)聯(lián)分類的連鎖零售業(yè)客戶細分應用
7．3．1數(shù)據(jù)準備
7．3．2模型的訓練與測試
7．3．3結(jié)果分析
7．4本章小結(jié)
參考文獻第8章商業(yè)數(shù)據(jù)流挖掘應用――網(wǎng)購數(shù)據(jù)
8．1實驗數(shù)據(jù)來源與實驗環(huán)境
8．1．1實驗數(shù)據(jù)來源
8．1．2挖掘?qū)嶒灜h(huán)境
8．2基于行為特征分析的用戶聚類算法的應用分析
8．2．1聚類步驟
8．2．2聚類評估方法
8．2．3用戶聚類結(jié)果與分析
8．3概念漂移約束驅(qū)動的關(guān)聯(lián)規(guī)則挖掘算法的應用分析
8．3．1概念漂移約束驅(qū)動的關(guān)聯(lián)規(guī)則挖掘
8．3．2情境強度約束的模式挖掘與推薦
8．3．3基于推薦系統(tǒng)的算法評測與分析
8．4用戶興趣挖掘模型的應用分析
8．4．1用戶情境本體模型構(gòu)建
8．4．2用戶興趣特征提取實驗分析
8．4．3用戶興趣漂移檢測實驗
8．5本章小結(jié)
參考文獻第9章總結(jié)與展望
9．1本書總結(jié)
9．2未來展望
新書資訊