《数据挖掘技术与应用》系统详细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，关联规则模型及应用，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。
　　《数据挖掘技术与应用》可作为管理科学与工程、信息科学与技术、应用数学等相关专业高年级本科生和研究生的数据仓库、数据挖掘及知识管理等相关课程的教材或参考资料，同时本书有助于相关的专业研究人员提升数据挖掘的枝巧和开拓新的研究方向。

第1章  数据挖掘概述
1.1  数据仓库和数据挖掘定义与解释
1.1.1  数据仓库的定义与解释
1.1.2  数据挖掘的定义与解释
1.2  数据仓库系统的相关技术
1.2.1  数据仓库系统相关技术之间的关系
1.2.2  数据仓库系统模式
1.3  数据仓库系统中多维数据组织的形式化定义与描述
1.4  数据挖掘方法与研究体系
1.4.1  数据挖掘系统的发展与结构
1.4.2  数据挖掘的相关技术与工具
1.4.3  数据挖掘应用及发展
1.5  小结
思考题
第2章  数据采集、集成与预处理技术
2.1  数据采集的对象
2.2  数据集成技术与方法
2.2.1  3G与M1S的集成模式
2.2.2  异构数据集成的设计与实现
2.3  数据预处理技术与方法
2.3.1  数据清理的方法
2.3.2  数据融合的方法
2.3.3  数据变换的方法
2.3.4  数据归约的方法
2.4  基于样本数据划分的通用数据挖掘模型系统
2.5  中间件技术
2.5.1  中间件技术的定义与作用
2.5.2  中间件技术在数据仓库系统中数据采集的应用
2.6  小结
思考题
第3章  多维数据分析与组织
3.1  多维数据分析概述
3.1.1  联机分析处理的定义和特点
……
第4章　预测模型研究与应用
第5章　关联规则模型及应用
第6章　聚类分析方法与应用
第7章　粗糙集方法与应用
第8章　遗传算法与应用
第9章　基于模糊理论的模型与应用
第10章　灰色系统理论与方法
第11章　基于数据挖掘的知识推理
参考文献