- 博客(17)
- 资源 (4)
- 收藏
- 关注
RSS订阅原创 CRC校验
unsigned int LinkList::DataCRC(unsigned int crc, int c, unsigned int mask){ int i; c for(i=0;i { if((crc ^ c) & 0x8000) crc=(crc else
2014-07-29 09:47:10
463
原创 CFileFind的用法
void Recurse(LPCTSTR pstr){CFileFind finder; // build a string with wildcards CString strWildcard(pstr); strWildcard += _T("\\*.*"); // start working for files BOOL bWorking = finder.FindFile(strW
2014-07-11 09:40:39
1033
转载 关于多线程间通信的
Windows线程间通信.1.概述如果一个进程中的所有线程都不需要相互传递数据就可以顺利完成，那么程序运行的性能自然是最好的，但是实际上，很少有现成能够在所有的时间都独立的进行操作，通常在以下两种情况下，线程之间需要进行通信。a) 多个线程都对共享资源资源进行访问，但不希望共享资源被破坏。b) 一个线程完成了任务，要通知其他的线程。情况a)属于互斥问题，情况b)属于同步问题。通常的解决
2014-07-03 23:07:50
589
转载 map用法
Map是STL的一个关联容器，它提供一对一（其中第一个可以称为关键字，每个关键字只能在map中出现一次，第二个可能称为该关键字的值）的数据处理能力，由于这个特性，它完成有可能在我们处理一对一数据的时候，在编程上提供快速通道。这里说下map内部数据的组织，map内部自建一颗红黑树(一种非严格意义上的平衡二叉树)，这颗树具有对数据自动排序的功能，所以在map内部所有的数据都是有序的，后边我们会见识到有
2014-06-26 10:24:28
390
转载 钩子程序
钩子(Hook)，是Windows消息处理机制的一个平台，应用程序可以在上面设置子程以监视指定窗口的某种消息，而且所监视的窗口可以是其他进程所创建的。当消息到达后，在目标窗口处理函数之前处理它。钩子机制允许应用程序截获处理window消息或特定事件。目录1基本概念2运行机制3分类4常用类型
2014-06-25 15:33:49
479
转载 CListBox
CListBox水平滚动条显示问题 (2009-12-17 10:01:46)转载▼标签： clistbox 杂谈分类： 计算机 为CListBox加上智能水平滚动条 ---- 在MFC中，用列表框（CListBox）来显示多个字符串是一种很方便的方法。 但缺省的列表框水平
2014-06-24 21:52:04
531
转载 多态继承
二义性,多态性,虚函数,虚基类,纯虚函数,抽象类总结二义性问题：在多继承时，基类与派生类之间，或基类之间出现同名成员（数据成员、成员函数）时，将出现访问时的二义性（不确定性）——采用虚函数或同名隐藏规则来解决。当派生类从多个基类派生，而这些基类又从同一个基类派生，则在访问此共同基类中的成员（数据成员、成员函数）时，将产生二义性——采用虚基类来解决。虚
2014-06-20 14:51:56
678
原创 基类虚函数重写调用问题
class A{public:virtual void print(){cout}};class B:public A{virtual void print(){cout}};A a;a.print(); //
2014-06-12 11:08:15
577
原创 MFC消息解释收藏
http://msdn.microsoft.com/en-us/library/windows/desktop/ms645620(v=vs.85).aspx
2014-05-20 10:29:45
366
转载 按钮单击双击响应事件
void CbuttonDlg::OnBnClickedButton1(){MSG msg;DWORD st=GetTickCount();while(1){if (::PeekMessage(&msg,NULL,NULL,0,PM_REMOVE)){::TranslateMessage(&msg);::DispatchMessage(&msg);if (m
2014-05-20 09:43:51
863
原创 VC程序命令行参数获取
CString str=::GetCommandLine(); 获取命令行void GetArgs(CString &arg1, CString &arg2, CString &arg3){CString commandArgs=AfxGetApp()->m_lpCmdLine;if (commandArgs.IsEmpty()){return;}
2014-05-16 11:28:33
4671
原创 系统路径函数应用小杂烩
#include "shlobj.h" //包含头文件WINSHELLAPI HRESULT WINAPI SHGetSpecialFolderLocation (HWND hwndOwner, int nFolder,LPITEMIDLIST * ppidl); //函数声明
2014-05-14 09:38:22
563
转载 FileMap
在开发软件过程里，也经常碰到进程间共享数据的需求。比如A进程创建计算数据，B进程进行显示数据的图形。这样的开发方式可以把一个大程序分开成独立的小程序，提高软件的成功率，也可以更加适合团队一起开发，加快软件的开发速度。下面就来使用文件映射的方式进行共享数据。先要使用函数CreateFileMapping来创建一个想共享的文件数据句柄，然后使用MapViewOfFile来获取共享的内存地址，然后使用O
2014-05-14 09:02:57
3342
数据挖掘概念与技术 韩家炜
第一章 引言 .......................................................................................................................................................... 8
1.1 什么激发数据挖掘？为什么它是重要的？.............................................................................................. 8
1.2 什么是数据挖掘？ ................................................................................................................................... 10
1.3 数据挖掘——在何种数据上进行？........................................................................................................ 12
1.3.1 关系数据库........................................................................................................................................ 13
1.3.2 数据仓库............................................................................................................................................ 14
1.3.3 事务数据库........................................................................................................................................ 16
1.3.4 高级数据库系统和高级数据库应用................................................................................................ 16
1.4 数据挖掘功能——可以挖掘什么类型的模式？.................................................................................... 18
1.4.1 概念/类描述：特征和区分............................................................................................................... 19
1.4.2 关联分析............................................................................................................................................ 19
1.4.3 分类和预测........................................................................................................................................ 20
1.4.4 聚类分析............................................................................................................................................ 20
1.4.5 局外者分析........................................................................................................................................ 21
1.4.6 演变分析............................................................................................................................................ 21
1.5 所有模式都是有趣的吗？........................................................................................................................ 21
1.6 数据挖掘系统的分类................................................................................................................................ 22
1.7 数据挖掘的主要问题................................................................................................................................ 23
1.8 总结 ........................................................................................................................................................... 25
习题.................................................................................................................................................................. 26
第二章数据仓库和数据挖掘的OLAP 技术................................................................................................... 29
2.1 什么是数据仓库?...................................................................................................................................... 29
2.2.1 操作数据库系统与数据仓库的区别................................................................................................ 30
2.1.2 但是，为什么需要一个分离的数据仓库........................................................................................ 31
2.2 多维数据模型........................................................................................................................................... 32
2.2.1 由表和电子数据表到数据方............................................................................................................ 32
2.2.2 星形、雪花和事实星座：多维数据库模式.................................................................................... 34
2.2.3 定义星形、雪花和事实星座的例子................................................................................................ 36
2.2.3 度量：它们的分类和计算................................................................................................................ 37
2.2.5 引入概念分层.................................................................................................................................... 38
2.2.6 多维数据模型上的OLAP 操作........................................................................................................ 40
2.2.7 查询多维数据库的星形网查询模型................................................................................................ 42
2.3 数据仓库的系统结构................................................................................................................................ 42
2.3.1 数据仓库的设计步骤和结构............................................................................................................ 42
2.3.2 三层数据仓库结构............................................................................................................................ 44
2.3.3 OLAP 服务器类型：ROLAP、MOLAP、HOLAP 的比较............................................................... 45
2.4 数据仓库实现........................................................................................................................................... 46
2.4.1 数据方的有效计算............................................................................................................................ 47
2.4.2 索引OLAP 数据................................................................................................................................ 50
2.4.3 OLAP 查询的有效处理...................................................................................................................... 52
2.4.4 元数据存储........................................................................................................................................ 53
2.5 数据方技术的进一步发展........................................................................................................................ 54
2.5.1 数据方发现驱动的探查.................................................................................................................... 54
2.5.2 多粒度上的复杂聚集: 多特征方..................................................................................................... 56
2.5.3 其它进展............................................................................................................................................ 57
2.6 由数据仓库到数据挖掘............................................................................................................................ 58
2.6.1 数据仓库的使用................................................................................................................................ 58
2.6.2 由联机分析处理到联机分析挖掘.................................................................................................... 59
2.7 总结 ........................................................................................................................................................... 60
习题.................................................................................................................................................................. 61
第三章数据预处理 ............................................................................................................................................ 64
3.1 为什么要预处理数据？ ............................................................................................................................ 64
3.2 数据清理 ................................................................................................................................................... 66
3.2.1 遗漏值................................................................................................................................................ 66
3.2.2 噪音数据............................................................................................................................................ 66
3.3 数据集成和变换...................................................................................................................................... 68
3.3.1 数据集成............................................................................................................................................ 68
3.3.2 数据变换............................................................................................................................................ 69
3.4 数据归约.................................................................................................................................................. 70
3.4.1 数据方聚集...................................................................................................................................... 71
3.4.2 维归约................................................................................................................................................ 72
3.4.3 数据压缩............................................................................................................................................ 73
3.4.4 数值归约.......................................................................................................................................... 75
3.5 离散化和概念分层产生.......................................................................................................................... 79
3.5.1 数值数据的离散化和概念分层产生................................................................................................ 80
3.5.2 分类数据的概念分层产生.............................................................................................................. 83
3.6 总结 ........................................................................................................................................................... 84
习题.................................................................................................................................................................. 85
第四章数据挖掘原语、语言和系统结构...................................................................................................... 87
4.1 数据挖掘原语：什么定义数据挖掘任务？ .......................................................................................... 87
4.1.1 任务相关的数据.............................................................................................................................. 89
4.1.2 要挖掘的知识的类型...................................................................................................................... 89
4.1.3 背景知识：概念分层...................................................................................................................... 90
4.1.4 兴趣度度量...................................................................................................................................... 92
4.1.5 发现模式的提供和可视化.............................................................................................................. 94
4.2 一种数据挖掘查询语言.......................................................................................................................... 95
4.2.1 任务相关数据说明的语法.............................................................................................................. 96
4.2.2 说明挖掘知识类型的语法.............................................................................................................. 97
4.2.3 概念分层说明的语法...................................................................................................................... 99
4.2.4 兴趣度度量说明的语法.................................................................................................................... 99
4.2.5 模式提供和可视化说明的语法.................................................................................................... 100
4.2.6 汇集 —— 一个DMQL 查询的例子........................................................................................ 100
4.2.7 其它数据挖掘语言和数据挖掘原语的标准化............................................................................ 101
4.3 基于数据挖掘查询语言设计图形用户界面........................................................................................ 102
4.4 数据挖掘系统的结构............................................................................................................................ 102
4.5 总结........................................................................................................................................................ 103
第五章概念描述：特征与比较...................................................................................................................... 107
5.1 什么是概念描述？................................................................................................................................ 107
5.2 数据泛化和基于汇总的特征................................................................................................................ 108
5.2.1 面向属性归纳................................................................................................................................ 108
5.2.2 面向属性归纳的有效实现...........................................................................................................111
5.2.3 导出泛化的表示............................................................................................................................ 112
5.3 解析特征: 属性相关性分析................................................................................................................. 115
5.3.1 为什么进行属性相关性分析? ...................................................................................................... 115
5.3.2 属性相关分析方法........................................................................................................................ 115
5.4 挖掘类比较：区分不同的类................................................................................................................ 118
5.4.1 类比较方法和实现........................................................................................................................ 118
5.4.2 类比较描述的表示.......................................................................................................................... 120
5.4.3 类描述: 提供特征和比较........................................................................................................... 121
5.5 在大型数据库中挖掘描述统计度量.................................................................................................... 123
5.5.1 度量中心趋势................................................................................................................................ 123
5.5.2 度量数据的发散............................................................................................................................ 124
5.5.3 基本统计类描述的图形显示........................................................................................................ 126
5.6 讨论........................................................................................................................................................ 128
5.6.1 概念描述：与典型的机器学习方法比较.................................................................................... 128
5.6.2 概念描述的增量和并行挖掘........................................................................................................ 129
5.7 总结........................................................................................................................................................ 129
第六章挖掘大型数据库中的关联规则.......................................................................................................... 132
6.1 关联规则挖掘........................................................................................................................................ 132
6.1.1 购物篮分析：一个引发关联规则挖掘的例子............................................................................ 132
6.1.2 基本概念........................................................................................................................................ 133
6.1.3 关联规则挖掘：一个路线图........................................................................................................ 133
6.2 由事务数据库挖掘单维布尔关联规则.................................................................................................. 134
6.2.1 Apriori 算法：使用候选项集找频繁项集................................................................................... 135
6.2.2 由频繁项集产生关联规则............................................................................................................ 138
6.2.3 提高Apriori 的有效性.................................................................................................................. 138
6.2.4 不产生候选挖掘频繁项集............................................................................................................ 140
6.2.5 冰山查询........................................................................................................................................ 142
6.3 由事务数据库挖掘多层关联规则........................................................................................................ 143
6.3.1 多层关联规则................................................................................................................................ 143
6.3.2 挖掘多层关联规则的方法............................................................................................................ 144
6.3.3 检查冗余的多层关联规则............................................................................................................ 146
6.4 由数据库和数据仓库挖掘多维关联规则............................................................................................ 147
6.4.1 多维关联规则................................................................................................................................ 147
6.4.2 使用量化属性的静态离散化挖掘多维关联规则........................................................................ 148
6.4.3 挖掘量化关联规则........................................................................................................................ 148
6.4.4 挖掘基于距离的关联规则............................................................................................................ 150
6.5 由关联挖掘到相关分析...................................................................................................................... 151
6.5.1 强关联规则不一定是有趣的：一个例子.................................................................................... 151
6.5.2 由关联分析到相关分析................................................................................................................ 151
6.6 基于限制的关联挖掘............................................................................................................................ 152
6.6.1 关联规则的元规则制导挖掘........................................................................................................ 153
6.6.2 用附加的规则限制制导的挖掘.................................................................................................... 154
6.7 总结 ......................................................................................................................................................... 156
第七章分类和预测 .......................................................................................................................................... 162
7.1 什么是分类？什么是预测？ ................................................................................................................ 162
7.2 关于分类和预测的问题........................................................................................................................ 163
7.2.1 准备分类和预测数据.................................................................................................................... 164
7.2.2 比较分类方法。............................................................................................................................ 164
7.3 用判定树归纳分类................................................................................................................................ 164
7.3.1 判定树归纳.................................................................................................................................... 165
7.3.2 树剪枝............................................................................................................................................ 168
7.3.3 由判定树提取分类规则.................................................................................................................. 169
7.3.4 基本判定树归纳的加强.................................................................................................................. 169
7.3.5 判定树归纳的可规模性.................................................................................................................. 170
7.3.6 集成数据仓库技术和判定树归纳.................................................................................................. 171
7.4 贝叶斯分类............................................................................................................................................ 172
7.4.1 贝叶斯定理.................................................................................................................................... 172
7.4.2 朴素贝叶斯分类............................................................................................................................ 173
7.4.3 贝叶斯信念网络............................................................................................................................ 174
7.4.4 训练贝叶斯信念网络.................................................................................................................... 175
7.5 后向传播分类........................................................................................................................................ 176
7.5.1 多路前馈神经网络.......................................................................................................................... 176
7.5.2 定义网络拓扑................................................................................................................................ 177
7.5.3 后向传播........................................................................................................................................ 177
7.5.4 后向传播和可解释性.................................................................................................................... 181
7.6 基于源于关联规则挖掘概念的分类.................................................................................................... 182
7.7 其它分类方法........................................................................................................................................ 183
7.7.1 k-最临近分类................................................................................................................................. 183
7.7.2 基于案例的推理............................................................................................................................ 184
7.7.3 遗传算法.......................................................................................................................................... 184
7.7.4 粗糙集方法.................................................................................................................................... 185
7.7.5 模糊集方法.................................................................................................................................... 185
7.8 预测........................................................................................................................................................ 186
7.8.1 线性和多元回归............................................................................................................................ 186
7.8.2 非线性回归.................................................................................................................................... 188
7.8.3 其它回归模型................................................................................................................................ 188
7.9 分类的准确性......................................................................................................................................... 188
7.9.1 评估分类法的准确率.................................................................................................................... 189
7.9.2 提高分类法的准确率.................................................................................................................... 189
7.9.3 准确率确定分类法够吗？ ............................................................................................................ 190
7.10 总结...................................................................................................................................................... 191
第八章聚类分析 ............................................................................................................................................ 196
8．1 什么是聚类分析？............................................................................................................................... 196
8．2 聚类分析中的数据类型....................................................................................................................... 197
8.2.2 区间标度（Interval-Scaled）变量................................................................................................. 198
8.2.3 二元变量（binary variable） ......................................................................................................... 199
8.2.4 标称型、序数型和比例标度型变量.............................................................................................. 200
8.2.5 混合类型的变量.............................................................................................................................. 201
8.3 主要聚类方法的分类.............................................................................................................................. 201
8.4 划分方法（PARTITIONING METHODS） ................................................................................................... 202
8.4.1 典型的划分方法：k-Means 和k-Medoids...................................................................................... 203
8.4.2 大规模数据库中的划分方法：从k-medoids 到CLARANS .......................................................... 205
8.5 层次方法 ................................................................................................................................................. 206
8.5.1 凝聚的和分裂的层次聚类.............................................................................................................. 206
8．5．2 BIRCH：利用层次方法的平衡迭代约减和聚类（Balanced Iterative Reducing and Clustering Using
Hierarchies）............................................................................................................................................. 207
8．5．3 CURE：利用代表点聚类(clustering using representative) ....................................................... 208
8.5.4 Chameleon（变色龙）: 一个利用动态模型的层次聚类算法...................................................... 208
8.6 基于密度的方法..................................................................................................................................... 209
8.6.1 DBSCAN:一个基于密度和高密度的连结区域的聚类算法........................................................... 210
8.6.2 OPTICS：通过对象排序识别聚类结构（Ordering Points to Identify the Clustering Structure） 210
8．6．3 DENCLUE：基于密度分布函数的聚类................................................................................... 211
8.7 基于网格的方法..................................................................................................................................... 212
8.7.1 STING：统计信息网格(STatistical INformation Grid).................................................................... 212
8.7.2 WaveCluster：采用小波变换聚类................................................................................................... 213
8.7.3 CLIQUE：聚类高维空间................................................................................................................. 214
8.8 基于模型的聚类方法.............................................................................................................................. 215
8.9 孤立点(OUTLIER)分析............................................................................................................................. 217
8.9.1 基于统计的孤立点探测.................................................................................................................. 217
8.9.2 基于距离的孤立点探测................................................................................................................... 218
8.9.3 基于偏离的孤立点探测.................................................................................................................. 219
8.10 总结 ....................................................................................................................................................... 220
第九章复杂类型数据的挖掘.......................................................................................................................... 223
9.1 复杂数据对象的多维分析和描述性挖掘（DESCRIPTIVE MINING）..................................................... 223
9．1．1 结构数据概化............................................................................................................................ 223
9．1．2 空间和多媒体数据概化中的聚集和近似计算........................................................................ 224
9．1．3 对象标识和类/子类层次的概化............................................................................................... 224
9．1．4 类复合层次概化........................................................................................................................ 225
9．1．5 对象立方体的构造与挖掘........................................................................................................ 225
9．1．6 对规划数据库的概化挖掘......................................................................................................... 225
9．2 空间数据库挖掘.................................................................................................................................. 227
9．2．1 空间数据立方体构造和空间OLAP ......................................................................................... 227
9．2．2 空间关联分析............................................................................................................................ 229
9．2．3 空间聚类方法............................................................................................................................ 230
9．2．4 空间分类和空间趋势分析........................................................................................................ 230
9．2．5 光栅数据库挖掘........................................................................................................................ 230
9．3 多媒体数据挖掘.................................................................................................................................. 230
9．3．1 多媒体数据的相似搜索............................................................................................................ 231
9．3．2 多媒体数据的多维分析............................................................................................................ 231
9．3．3 多媒体数据的分类和预测分析................................................................................................ 232
9．3．4 多媒体数据中的关联规则挖掘................................................................................................ 232
9．4 时序和序列数据的挖掘....................................................................................................................... 233
9．4．1 趋势分析.................................................................................................................................... 233
9．4．2 时序分析中的相似搜索............................................................................................................ 235
9．4．3 序列模式挖掘............................................................................................................................ 236
9．4．4 周期分析.................................................................................................................................... 237
9．5 文本数据库挖掘................................................................................................................................... 238
9．5．1 文本数据分析和信息检索........................................................................................................ 238
9．5．2 文本挖掘：基于关键字的关联和文档分类............................................................................ 240
9．6WEB 挖掘............................................................................................................................................... 241
9．6．1 挖掘Web 链接结构，识别权威Web 页面............................................................................... 242
9．6．2 Web 文档的自动分类................................................................................................................. 243
9．6．3 多层次Web 信息库的构造....................................................................................................... 243
9．6．4 Web 使用记录的挖掘................................................................................................................. 244
9．7 总结 ...................................................................................................................................................... 245
习题............................................................................................................................................................ 245
文献注解.................................................................................................................................................... 246
第十章数据挖掘的应用和发展趋势.............................................................................................................. 248
10．1 数据挖掘的应用................................................................................................................................ 248
10．1．1 针对生物医学和DNA 数据分析的数据挖掘........................................................................ 248
10．1．2 针对金融数据分析的数据挖掘.............................................................................................. 249
10．1．3 零售业中的数据挖掘.............................................................................................................. 249
10．1．4 电信业中的数据挖掘.............................................................................................................. 250
10．2 数据挖掘系统产品和研究原型......................................................................................................... 251
10．2．1 怎样选择一个数据挖掘系统.................................................................................................. 251
10．2．2 商用数据挖掘系统的例子...................................................................................................... 252
10．3 数据挖掘的其他主题.................................................................................................................... 253
10．3．1 视频和音频数据挖掘............................................................................................................... 253
10.3.2 科学和统计数据挖掘.................................................................................................................... 254
10．3．3 数据挖掘的理论基础.............................................................................................................. 255
10．3．4 数据挖掘和智能查询应答....................................................................................................... 255
10．4 数据挖掘的社会影响......................................................................................................................... 256
10．4．1 数据挖掘是宣传出来的还是持久的稳定增长的商业？ ....................................................... 256
10．4．2 数据挖掘只是经理的事还是每个人的事？ ........................................................................... 257
10．4．3 数据挖掘对隐私或数据安全构成威胁么？ ........................................................................... 258
10．5 数据挖掘的发展趋势......................................................................................................................... 259
10．6 总结 .................................................................................................................................................... 260
习题............................................................................................................................................................ 260
文献注解.................................................................................................................................................... 261
附录A MICROSOFT’S OLE DB FOR DATA MINING 简介.................................................................... 263
A.1 创建DMM对象................................................................................................................................. 263
A.2 向模型中装入训练数据并对模型进行训练...................................................................................... 264
A.3 模型的使用......................................................................................................................................... 264
附录B DBMINER 简介................................................................................................................................ 266
B.1 系统结构............................................................................................................................................. 266
B.2 输入和输出........................................................................................................................................ 266
B.3 系统支持的数据挖掘任务................................................................................................................. 267
B.4 对任务和方法选择的支持................................................................................................................. 267
B.5 对KDD 处理过程的支持.................................................................................................................. 268
B.6 主要应用............................................................................................................................................ 268
B.7 现状.................................................................................................................................................... 268
2015-10-06
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人