数据仓库与数据挖掘-(第二版)
本书特色
[
本书主要介绍数据仓库和数据挖掘技术的基本原理和应用方法。全书共分为12章，主要内容包括数据仓库的概念和体系结构、数据仓库的数据存储和处理、数据仓库系统的设计与开发、关联规则、数据分类、数据聚类、贝叶斯网络、粗糙集、神经网络、遗传算法、统计分析、文本和Web挖掘。
本书既重视理论知识的讲解，又强调应用技能的培养。每章首先介绍算法的主要思想和理论基础，之后利用算法去解决实例中给出的任务，而且对于数据仓库的组建方法和多数章节中的数据挖掘算法，书中都使用Microsoft SQL Server 2005进行了操作实现。通过对具体实例的学习和实践，使读者掌握数据仓库和数据挖掘中必要的知识点，达到学以致用的目的。
本书每章均配有习题，习题形式为选择题、简答题和操作题，可以帮助读者进一步掌握和巩固所学知识。此外，本书提供多媒体教学课件和习题参考答案，读者可到清华大学出版社网站http://www.tup.com.cn/下载。
本书可以作为高等学校计算机及相关专业本科、研究生的数据仓库和数据挖掘教材，也可供相关领域的广大科技工作人员和高校师生参考。
]
内容简介
[
本书主要介绍数据仓库和数据挖掘技术的基本原理和应用方法，全书共分为12章，主要内容包括数据仓库的概念和体系结构、数据仓库的数据存储和处理、数据仓库系统的设计与开发、关联规则、数据分类、数据聚类、贝叶斯网络、粗糙集、神经网络、遗传算法、统计分析、文本和Web挖掘。
]
目录
C O N T E N T S
目录
第1章数据仓库的概念与体系结构
1.1数据仓库的概念、特点与组成
1.1.1数据仓库的特点
1.1.2数据仓库的组成
1.2数据挖掘的概念与方法
1.2.1数据挖掘的分析方法
1.2.2数据仓库与数据挖掘的关系
1.3数据仓库的技术、方法与产品
1.3.1OLAP技术
1.3.2数据仓库实施的关键环节和技术
1.3.3数据仓库实施方法论
1.3.4常用的数据仓库产品
1.4数据仓库系统的体系结构
1.4.1独立的数据仓库体系结构
1.4.2基于独立数据集市的数据仓库体系结构
1.4.3基于依赖型数据集市和操作型数据存储的数据仓库
体系结构
1.4.4基于逻辑型数据集市和实时数据仓库的体系结构
1.5数据仓库的产生、发展与未来
1.5.1数据仓库的产生
1.5.2数据仓库的发展
1.5.3数据仓库的未来
1.5.4新一代数据仓库技术
1.6小结
1.7习题
第2章数据仓库的数据存储与处理
2.1数据仓库的数据结构
2.2数据仓库的数据特征
2.2.1状态数据与事件数据
2.2.2当前数据与周期数据
2.2.3元数据
2.3数据仓库的数据ETL过程
2.3.1ETL的目标
2.3.2ETL过程描述
2.3.3数据抽取
2.3.4数据清洗
2.3.5数据转换
2.3.6数据加载和索引
2.4多维数据模型
2.4.1多维数据模型及其相关概念
2.4.2多维数据模型的实现
2.4.3多维建模技术
2.4.4星型模式举例
2.5小结
2.6习题
第3章数据仓库系统的设计与开发
3.1数据仓库系统的设计与开发概述
3.1.1建立数据仓库系统的步骤
3.1.2数据仓库系统的生命周期
3.1.3建立数据仓库系统的思维模式
3.1.4数据仓库数据库的设计步骤
3.2基于SQL Server 2005的数据仓库数据库设计
3.2.1分析组织的业务状况及数据源结构
3.2.2组织需求调研，收集分析需求
3.2.3采用信息包图法设计数据仓库的概念模型
3.2.4利用星型图设计数据仓库的逻辑模型
3.2.5数据仓库的物理模型设计
3.3使用SQL Server 2005建立多维数据模型
3.3.1SQL Server 2005示例数据仓库环境的配置与使用
3.3.2基于SQL Server 2005示例数据库的多维数据模型
3.4小结
3.5习题
第4章关联规则
4.1概述
4.2引例
4.3经典算法
4.3.1Apriori算法
4.3.2FP�瞘rowth算法
4.4相关研究与应用
4.4.1分类
4.4.2SQL Server 2005中的关联规则应用
4.5小结
4.6习题
第5章数据分类
5.1引例
5.2分类问题概述
5.2.1分类的过程
5.2.2分类的评价准则
5.3决策树
5.3.1决策树的基本概念
5.3.2决策树算法ID3
5.3.3ID3算法应用举例
5.3.4决策树算法C4.5
5.3.5SQL Server 2005中的决策树应用
5.3.6决策树剪枝
5.4支持向量机
5.5近邻分类方法
5.5.1*近邻分类方法
5.5.2k�步�邻分类方法
5.5.3近邻分类方法应用举例
5.6小结
5.7习题
第6章数据聚类
6.1引例
6.2聚类分析概述
6.3聚类分析中相似度的计算方法
6.3.1连续型属性的相似度计算方法
6.3.2二值离散型属性的相似度计算方法
6.3.3多值离散型属性的相似度计算方法
6.3.4混合类型属性的相似度计算方法
6.4K�瞞eans聚类算法
6.4.1K�瞞eans聚类算法的基本概念
6.4.2SQL server 2005中的K�瞞eans应用
6.5层次聚类方法
6.5.1层次聚类方法的基本概念
6.5.2层次聚类方法应用举例
6.6小结
6.7习题
第7章贝叶斯网络
7.1引例
7.2贝叶斯概率基础
7.2.1先验概率、后验概率和条件概率
7.2.2条件概率公式
7.2.3全概率公式
7.2.4贝叶斯公式
7.3贝叶斯网络概述
7.3.1贝叶斯网络的组成和结构
7.3.2贝叶斯网络的优越性
7.3.3贝叶斯网络的三个主要议题
7.4贝叶斯网络的预测、诊断和训练算法
7.4.1概率和条件概率数据
7.4.2贝叶斯网络的预测算法
7.4.3贝叶斯网络的诊断算法
7.4.4贝叶斯网络预测和诊断的综合算法
7.4.5贝叶斯网络的建立和训练算法
7.5SQL Server 2005中的贝叶斯网络应用
7.6小结
7.7习题
第8章粗糙集
8.1引例
8.2分类与知识
8.2.1等价关系和等价类
8.2.2分类
8.3粗糙集
8.3.1分类的运算
8.3.2分类的表达能力
8.3.3上近似集和下近似集
8.3.4正域、负域和边界
8.3.5粗糙集应用举例
8.3.6粗糙集的性质
8.4辨识知识的简化
8.4.1集合近似精度的度量
8.4.2分类近似的度量
8.4.3等价关系的可省略、独立和核
8.4.4等价关系简化举例
8.4.5知识的相对简化
8.4.6知识的相对简化举例
8.5决策规则简化
8.5.1知识依赖性的度量
8.5.2简化决策规则
8.5.3可辨识矩阵
8.6小结
8.7习题
第9章神经网络
9.1引例
9.2人工神经网络
9.2.1人工神经网络概述
9.2.2神经元模型
9.2.3网络结构
9.3BP算法
9.3.1网络结构和数据示例
9.3.2有序导数
9.3.3计算误差信号对参数的有序导数
9.3.4梯度下降
9.3.5BP算法描述
9.4SQL Server 2005中的神经网络应用
9.5小结
9.6习题
第10章遗传算法
10.1概述
10.2相关概念
10.3基本步骤
10.3.1概述
10.3.2引例
10.4算法设计
10.4.1编码方式
10.4.2种群规模
10.4.3适应度函数
10.4.4遗传算子
10.4.5终止条件
10.5相关研究与应用
10.6小结
10.7习题
第11章统计分析
11.1线性回归模型
11.1.1线性回归模型的参数估计
11.1.2线性回归方程的判定系数
11.1.3线性回归方程的检验
11.1.4统计软件中的线性回归分析
11.1.5SQL Server 2005中的线性回归应用
11.2Logistic回归模型
11.2.1Logistic回归模型的参数估计
11.2.2统计软件中Logistic回归的结果分析
11.2.3SQL Server 2005中的Logistic回归应用
11.3时间序列模型
11.3.1ARIMA模型
11.3.2建立ARIMA模型的步骤
11.3.3使用统计软件估计ARIMA模型
11.3.4SQL Server 2005中的时间序列分析
11.4小结
11.5习题
第12章文本和Web挖掘
12.1引例
12.2文本挖掘
12.2.1文本信息检索概述
12.2.2基于关键字的关联分析
12.2.3文档自动聚类
12.2.4自动文档分类
12.2.5自动摘要
12.3Web挖掘
12.3.1Web内容挖掘
12.3.2Web结构挖掘
12.3.3Web使用挖掘
12.4小结
12.5习题
参考文献
封面
书名:数据仓库与数据挖掘-(第二版)
作者:陈志泊
页数:250
定价:¥39.0
出版社:清华大学出版社
出版日期:2017-11-01
ISBN:9787302483991
PDF电子书大小:42MB 高清扫描完整版