有关使用sql server 2005进行数据挖掘的书。

"数据挖掘是目前一种新的重要的研究领域$而聚类分析是其重要的方法% 本文对常用聚类算法进行比较分析指出各自特点以 便能更好的掌握和使用% 关键词"数据挖掘&聚类

Ming of massive data sets, 大数据：互联网大规模数据挖掘与分布式处理，英文原版

完成“Q-DMS数据挖掘”系统的数据记录功能： 实现匹配的日志信息的保存和读取功能。 实现匹配的日志信息的数据库保存和查询功能。 实现匹配的物流信息的保存和读取功能。 实现匹配的物流信息的数据库保存和查询功能。 测试匹配的日志、物流信息的保存和读取功能。 测试匹配的日志、物流信息的数据库保存和查询功能。 完成“Q-DMS数据挖掘”系统的UI设计及注册、登录功能： 创建用户数据库表、用户实体类和用户业务逻辑类。 创建用户注册窗口，并将用户注册信息保存到数据库。 创建用户登陆窗口，登陆成功则进入系统

针对标准谱聚类算法中,基于欧氏距离的相似性度量不能完全反映数据聚类复杂的空间分布特性的问题,提出了一种基于流形距离核的谱聚类算法.它能充分挖掘数据集中的内在结构信息,较好地反映局部和全局一致性,并且可以很好地防止"桥"噪声点的影响,提高算法的聚类性能.与传统的聚类算法和常见谱聚类算法进行了比较,在人工数据集和UCI数据集上的实验都验证了本算法能够获得更好的聚类效果.