数据仓库与数据挖掘
内容简介
[
科技的进步，特别是信息产业的发展，把整个社会带入一个崭新的信息时代。随着计算机应用的普及和数据库技术的不断发展，数据仓库与数据挖掘技术的应用领域越来越广泛。
《数据仓库与数据挖掘》第1章介绍数据仓库、数据挖掘的一般知识和应用领域。第2～8章介绍数据仓库和数据挖掘的理论和技术，其中第2、3章侧重数据仓库，重点阐述了数据仓库的架构、olap等内容，第4～8章侧重数据挖掘，重点阐述了关联规则、粗糙集、决策树、聚类分析和兴趣度量等内容。第9章给出了数据仓库与数据挖掘方面的应用案例。
《数据仓库与数据挖掘》是为软件工程硕士量身定做的教材，也可作为计算机专业、信息类专业、管理类专业相关课程的教材和教学参考书。
]
目录
《数据仓库与数据挖掘》前言教学建议第1章绪论1.1引言1.2数据仓库1.2.1从数据库到数据仓库1.2.2数据仓库的基本概念1.2.3数据仓库的体系结构1.3数据挖掘1.3.1 kdd与数据挖掘1.3.2数据库与数据挖掘发展历程1.3.3数据挖掘的特征与对象1.3.4数据挖掘相关领域1.4数据仓库与数据挖掘的关系1.5应用前景与发展趋势本章小结习题第2章联机分析处理2.1引言2.2 olap的定义2.3 olap的相关概念2.4 olap与oltp的关系和比较2.5 olap准则2.6多维数据分析方法2.7关系数据的组织2.8多维数据的存储方式2.9 olap体系结构2.10 olap的展现方式2.11 olap工具的评价指标2.12 olap的局限性本章小结习题第3章数据仓库的设计与开发3.1引言3.2数据仓库的数据模型概述3.3数据仓库的分析与设计3.3.1需求分析3.3.2概念模型设计3.3.3逻辑模型设计3.3.4物理模型设计3.3.5数据仓库的索引技术3.4数据仓库的开发3.4.1风险因素3.4.2数据仓库系统的生命周期3.4.3建立数据仓库系统的思维模式3.4.4数据仓库数据库的设计步骤3.4.5数据质量与数据清洗3.4.6数据粒度与维度建模3.4.7选择数据仓库工具3.4.8提高数据仓库性能3.4.9数据仓库的安全性3.5主要的数据仓库产品本章小结习题第4章关联规则4.1引言4.2关联规则模型4.3 apriori算法4.3.1发现频繁项集4.3.2生成关联规则4.4频繁模式增长算法4.4.1建树方法4.4.2用fp树挖掘频繁模式4.5关联规则模型扩展4.5.1多级关联规则4.5.2多维关联规则本章小结习题第5章粗糙集5.1引言5.2近似空间5.2.1近似空间与不可分辨关系5.2.2知识与知识库5.3近似与粗糙集5.3.1基本概念5.3.2基本性质5.4描述粗糙集的特征的方法5.4.1近似精度5.4.2拓扑特征5.5信息系统5.5.1信息系统的定义5.5.2约简和核5.5.3分辨矩阵与分辨函数5.5.4信息系统约简5.6决策表5.6.1相对约简与知识依赖性5.6.2决策表及其约简5.6.3近似约简算法5.6.4决策规则本章小结习题第6章决策树6.1引言6.2构建决策树的理论问题6.2.1为当前结点选择属性6.2.2过拟合问题6.3 id3算法6.3.1生成决策树的算法6.3.2生成规则和决策6.4决策树的剪枝6.4.1预剪枝6.4.2后剪枝6.5 c4.5算法本章小结习题6第7章聚类分析7.1引言7.2聚类分析简介7.2.1聚类分析7.2.2聚类分析应用领域与算法特征7.3数据类型、距离和相似系数7.3.1数据类型7.3.2距离和相似系数7.4聚类方法与聚类分类7.4.1聚类方法7.4.2聚类方法的分类7.5划分方法7.5.1 k-均值算法7.5.2 k-中心点算法7.5.3关于参数k7.5.4 em聚类7.6层次方法7.6.1层次聚类中的距离度量7.6.2分裂方法7.6.3凝聚方法7.7基于密度的方法7.7.1 dbscan算法7.7.2矢量感应聚类算法7.8聚类评估7.8.1假设检验7.8.2聚类评估中的假设检验7.8.3相对准则本章小结习题7第8章兴趣度量8.1引言8.2用于关联规则和分类规则的度量8.2.1客观度量8.2.2主观度量8.2.3语义度量8.3用于总结的度量8.4分类器的兴趣度本章小结习题8第9章应用案例9.1数据仓库应用案例9.1.1案例一：网络购物数据仓库9.1.2案例二：社会保障卡数据仓库9.1.3案例三:医院信息系统数据仓库9.2数据挖掘应用案例9.2.1案例一：零售商系统货篮数据挖掘9.2.2案例二：通信用户满意度指数评测9.2.3案例三:城市环境质量评价本章小结参考文献
封面
书名:数据仓库与数据挖掘
作者:李雄飞 等编著
页数:222
定价:¥39.0
出版社:机械工业出版社
出版日期:2013-10-01
ISBN:9787111436751
PDF电子书大小:71MB 高清扫描完整版