"本书系统地阐述了数据挖掘产生的背景、技术、多种相关方法及具体应用，主要内容包括数据挖掘概述，数据采集、集成与预处理技术，多维数据分析与组织，预测模型研究与应用，关联规则模型与应用，聚类分析方法与应用，粗糙集方法与应用，遗传算法与应用，基于模糊理论的模型与应用，灰色系统理论与方法，基于数据挖掘的知识推理，分类算法与应用。 本书可作为管理科学与工程、信息科学与技术、应用数学大数据等相关专业高年级本科生和研究生的“数据仓库”“数据挖掘”“知识管理”等相关课程的教材或参考资料，也可用来帮助相关的专业研究人员提升数据挖掘的技巧和开拓新的研究方向。 "

前言 随着计算机应用技术和网络技术的普及，全社会的信息化程度不断提高，新的管理模式不断涌现，对数据的依赖程度越来越高。数据工程研究者和管理者面临严峻挑战：如何从海量、分散、复杂类型的数据海洋中，迅速找出有价值的和潜在有用的信息与知识？如何实现对多维数据的集中组织、分析与管理？数据仓库与数据挖掘可以为上述问题提供有效的解决方案。数据挖掘理论及方法研究与创新已经成为数据科学与管理工程领域最重要的研究方向之一。 笔者在数据仓库技术与数据挖掘模型方面潜心研究数十年。尤其近年来，通过国家自然科学基金，教育部、科技部和交通运输部，省市多个科研项目的资助，深入研究了数据挖掘的理论、技术与方法，获得多项科研成果。特别是面向交通运输、物流管理等特色领域，开展了基于数据仓库与数据挖掘的创新性研究，取得了良好的社会效益与经济效益。 撰写本书的目的在于利用数据仓库技术将异构的、多维的、具有复杂类型的多源数据整合到一个公共平台上进行统一组织与管理，在此基础上，采用多种数据挖掘方法与模型，实现从底层信息管理到高层知识管理全过程的信息深加工、挖掘与增值。 本书采用逐步演算和编程运行相结合的方式，力争使广大读者通过本书的学习能够快速掌握数据挖掘模型的理论、技术、方法及应用。全书共分为12章，包括数据挖掘概述，数据采集、集成与预处理技术，多维数据分析与组织，预测模型研究与应用，关联规则模型与应用，聚类分析方法与应用，粗糙集方法与应用，遗传算法与应用，基于模糊理论的模型与应用，灰色系统理论与方法，基于数据挖掘的知识推理，分类算法与应用。 本书由大连海事大学陈燕和屈莉莉老师编著。韩雨桐、谭洁茹和张...