数据仓库与数据挖掘教程(第2版)
内容简介
[
数据仓库与数据挖掘是决策支持的两项重要技术，它们共同的特点是都需要利用大量的数据资源，并从数据资源中提取信息和知识。由于数据资源丰富，因此数据仓库与数据挖掘的决策支持效果显著。 《高等院校信息管理与信息系统专业系列教材：数据仓库与数据挖掘教程（第2版）》系统介绍数据仓库原理，联机分析处理，数据仓库设计与开发，数据仓库的决策支持，数据挖掘原理，基于信息论的决策树方法，基于集合论的粗糙集方法、K-均值聚类、关联规则挖掘，仿生物技术的神经网络，遗传算法，公式发现，知识挖掘，文本挖掘与Web挖掘。 《高等院校信息管理与信息系统专业系列教材：数据仓库与数据挖掘教程（第2版）》从数据仓库的兴起来说明决策支持的特点，从数据挖掘的理论基础来说明数据挖掘的方法，并通过实例来详细讲解。希望读者在学习之后，亲自在计算机上去实践，这样才能更有效地掌握数据挖掘的方法。
]
目录
第1章 数据仓库与数据挖掘概述1.1 数据仓库的兴起1.1.1 从数据库到数据仓库1.1.2 从OLTP到OLAP1.1.3 数据字典与元数据1.1.4 数据仓库的定义与特点1.2 数据挖掘的兴起1.2.1 从机器学习到数据挖掘1.2.2 数据挖掘含义1.2.3 数据挖掘与OLAP的比较1.2.4 数据挖掘与统计学1.3 数据仓库和数据挖掘的结合1.3.1 数据仓库和数据挖掘的区别与联系1.3.2 基于数据仓库的决策支持系统1.3.3 数据仓库与商业智能习题第2章 数据仓库原理2.1 数据仓库结构体系2.1.1 数据仓库结构2.1.2 数据集市及其结构2.1.3 数据仓库系统结构2.1.4 数据仓库的运行结构2.2 数据仓库数据模型2.2.1 星型模型2.2.2 雪花模型2.2.3 星网模型2.2.4 第三范式2.3 数据抽取、转换和装载2.3.1 数据抽取2.3.2 数据转换2.3.3 数据装载2.3.4 ETL工具2.4 元数据2.4.1 元数据的重要性2.4.2 关于数据源的元数据2.4.3 关于数据模型的元数据2.4.4 关于数据仓库映射的元数据2.4.5 关于数据仓库使用的元数据习题第3章 联机分析处理3.1 OLAP概念3.1.1 OLAP的定义3.1.2 OLAP准则3.1.3 OLAP的基本概念3.2 OLAP的数据模型3.2.1 MOLAP数据模型3.2.2 ROLAP数据模型3.2.3 MOLAP与ROLAP的比较3.2.4 HOLAP数据模型3.3 多维数据的显示3.3.1 多维数据显示方法3.3.2 多维类型结构3.3.3 多维数据的分析视图3.4 OALP的多维数据分析3.4.1 多维数据分析的基本操作3.4.2 多维数据分析实例3.4.3 广义OLAP功能3.4.4 数据立方体3.4.5 多维数据分析的MDX语言及其应用习题第4章 数据仓库设计与开发4.1 数据仓库分析与设计4.1.1 需求分析4.1.2 概念模型设计4.1.3 逻辑模型设计4.1.4 物理模型设计4.1.5 数据仓库的索引技术4.2 数据仓库开发4.2.1 数据仓库开发过程4.2.2 数据质量与数据清洗4.2.3 数据粒度与维度建模4.3 数据仓库技术与开发的困难4.3.1 数据仓库技术4.3.2 数据仓库开发的困难习题第5章 数据仓库的决策支持5.1 数据仓库的用户5.1.1 数据仓库的信息使用者5.1.2 数据仓库的探索者5.2 数据仓库的决策支持与决策支持系统5.2.1 查询与报表5.2.2 多维分析与原因分析5.2.3 预测未来5.2.4 实时决策5.2.5 自动决策5.2.6 决策支持系统5.3 数据仓库应用实例5.3.1 航空公司数据仓库决策支持系统简例5.3.2 统计业数据仓库系统5.3.3 沃尔玛数据仓库系统习题第6章 数据挖掘原理6.1 数据挖掘综述6.1.1 数据挖掘与知识发现6.1.2 数据挖掘对象6.1.3 数据挖掘任务6.1.4 数据挖掘分类6.1.5 不完全数据处理6.1.6 数据库的数据浓缩6.2 数据挖掘方法和技术6.2.1 归纳学习的信息论方法6.2.2 归纳学习的集合论方法6.2.3 仿生物技术的神经网络方法6.2.4 仿生物技术的遗传算法6.2.5 数值数据的公式发现6.2.6 可视化技术6.3 数据挖掘的知识表示6.3.1 规则知识6.3.2 决策树知识6.3.3 知识基（浓缩数据）6.3.4 神经网络权值6.3.5 公式知识6.3.6 案例习题第7章 信息论方法7.1 信息论原理7.1.1 信道模型和学习信道模型7.1.2 信息熵与条件熵7.1.3 互信息与信息增益7.1.4 信道容量与译码准则7.2 决策树方法7.2.1 决策树概念7.2.2 ID3方法基本思想7.2.3 ID3算法7.2.4 实例与讨论7.2.5 C4.5方法7.3 决策规则树方法7.3.1 IBLE方法基本思想7.3.2 IBLE算法7.3.3 IBLE方法实例习题第8章 集合论方法8.1 粗糙集方法8.1.1 粗糙集概念8.1.2 属性约简的粗糙集理论8.1.3 属性约简的粗糙集方法8.1.4 粗糙集方法的规则获取8.1.5 粗糙集方法的应用实例8.2 K-均值聚类8.2.1 聚类方法简介8.2.2 K-均值聚类方法与实例8.3 关联规则挖掘8.3.1 关联规则的挖掘原理8.3.2 Apriori算法基本思想8.3.3 Apriori算法程序8.3.4 基于FP-tree的关联规则挖掘算法习题第9章 神经网络9.1 神经网络概念与感知机9.1.1 神经网络原理9.1.2 感知机网络9.1.3 感知机实例与讨论9.2 反向传播网络9.2.1 反向传播网络结构9.2.2 BP网络学习公式推导9.2.3 BP网络的典型实例9.3 径向基函数网络9.3.1 径向基函数RBF网络原理9.3.2 RBF网络算法与分析9.4 神经网络的几何意义9.4.1 神经网络的超平面含义9.4.2 异或问题的实例分析习题第10章 遗传算法与进化计算10.1 遗传算法10.1.1 遗传算法基本原理10.1.2 遗传算子10.1.3 遗传算法简例10.1.4 遗传算法的特点10.2 基于遗传算法的分类学习系统10.2.1 概述10.2.2 遗传分类学习系统GCLS的基本原理10.2.3 遗传分类学习系统GCLS的应用10.3 进化计算10.3.1 进化计算概述10.3.2 进化策略与进化规划10.3.3 进化计算小结习题第11章 公式发现11.1 公式发现概述11.1.1 曲线拟合与发现学习11.1.2 启发式与数据驱动启发式11.2 科学定律重新发现系统11.2.1 BACON系统基本原理11.2.2 BACON系统实例11.2.3 BACON系统的进展11.3 经验公式发现系统11.3.1 FDD系统基本原理11.3.2 FDD.1系统11.3.3 FDD.2系统11.3.4 FDD.3系统习题第12章 知识挖掘12.1 变换规则的知识挖掘12.1.1 适应变化环境的变换和变换规则12.1.2 变换规则的知识挖掘的理论基础12.1.3 变换规则的知识推理12.1.4 变换规则链的知识挖掘12.1.5 适应变化环境的变换规则元知识12.2 软件进化规律的知识挖掘12.2.1 数值计算的进化12.2.2 计算机程序的进化12.2.3 数据存储的进化12.2.4 知识处理的进化12.2.5 进化规律的知识挖掘习题第13章 文本挖掘与Web挖掘13.1 文本挖掘概述13.1.1 文本挖掘的基本概念13.1.2 文本特征的表示13.1.3 文本特征的提取13.2 文本挖掘13.2.1 文本挖掘功能层次13.2.2 文本关联分析13.2.3 文本聚类13.2.4 文本分类13.3 Web挖掘13.3.1 Web挖掘概述13.3.2 Web内容挖掘13.3.3 Web结构挖掘13.3.4 Web应用（访问信息）挖掘13.3.5 Web日志分析与实例习题参考文献
封面
书名:数据仓库与数据挖掘教程(第2版)
作者:陈文伟
页数:304
定价:¥33.0
出版社:清华大学出版社
出版日期:2011-11-01
ISBN:9787302259138
PDF电子书大小:129MB