《数据挖掘及其在金融信息处理中的应用》从理论、应用实例以及数据挖掘的发展趋势等几个方面，对数据挖掘技术进行了详细探讨。在介绍数据挖掘技术理论和算法的基础上，通过不同领域的应用案例来说明数据挖掘在实际应用中的具体操作方法，以期为读者提供一个更为广阔的视角。
　　《数据挖掘及其在金融信息处理中的应用》重点对数据预处理、关联规则、聚类分析等内容进行了详尽的阐述。
　　《数据挖掘及其在金融信息处理中的应用》内容丰富新颖，具有较强的可读性，可供从事数据挖掘工作以及其他相关工程技术的工作人员参考使用。

第1章 导论
1．1 数据挖掘的起源
1．2 数据挖掘的概念和分类
1．3 数据挖掘的过程
1．4 数据挖掘的功能
1．5 数据挖掘的典型应用领域
1．6 数据挖掘的发展趋势和面对的问题

第2章 数据预处理
2．1 数据预处理的概念
2．2 数据清理
2．3 数据集成
2．4 数据转换
2．5 数据归约

第3章 关联规则
3．1 关联规则概述
3．2 Apriori关联规则算法
3．3 多种关联规则挖掘
3．4 关联分析应用实例

第4章 聚类分析
4．1 聚类的基本概念
4．2 划分聚类算法
4．3 层次聚类算法
4．4 基于密度和网格的子空间聚类算法
4．5 基于模型的聚类算法
4．6 聚类分析应用实例

第5章 分类与预测
5．1 分类和预测基本概念
5．2 决策树分类
5．3 贝叶斯分类
5．4 人工神经网络
5．5 支持向量机
5．6 遗传算法
5．7 粗糙集方法
5．8 分类预测应用实例

第6章 Web数据挖掘
6．1 Web挖掘概述
6．2 Web日志挖掘
6．3 Web内容挖掘
6．4 Web使用挖掘
6．5 Web结构挖掘

第7章 复杂类型数据挖掘及应用
7．1 文本数据挖掘
7．2 多媒体数据挖掘
7．3 空间数据挖掘
7．4 网络舆情挖掘

第8章 流数据挖掘技术
8．1 流数据挖掘技术概述
8．2 流数据挖掘技术分类
8．3 流数据挖掘关键技术
8．4 实时数据流挖掘技术
8．5 流数据挖掘的应用及前景

第9章 数据挖掘的其他相关技术
9．1 数据挖掘可视化技术
9．2 物联网数据挖掘技术
9．3 分布式数据挖掘技术
9．4 基于云计算的分布式数据挖掘技术

第10章 金融数据挖掘
10．1 金融领域进行数据挖掘的必要性
10．2 金融数据及其可视化
10．3 金融数据挖掘的过程

第11章 数据挖掘在金融业中的应用
11．1 数据挖掘在银行业的应用
11．2 数据挖掘在证券业的应用
11．3 数据挖掘在保险业的应用
11．4 数据挖掘在期权定价中的应用
参考文献