数据挖掘与OLAP理论与实务PDF|Epub|txt|kindle电子书版本网盘下载

数据挖掘与OLAP理论与实务PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 数据挖掘简介1

1.1 什么是数据挖掘1

1.2 新世纪的统计科学1

1.3 数据挖掘是掌握商机的命脉2

1.4 点式行销2

1.5 门户网站的信息挖掘法3

1.6 尿布与啤酒3

1.7 千禧年新问题：不缺信息缺知识4

1.8 为客户量身定做4

1.9 数据挖掘的数字物理学5

第2章 数据仓库简介7

2.1 配备数据仓库的产业优势7

2.2 数据仓库系统9

2.3 数据仓库的应用10

2.4 数据仓库的定义10

2.5 数据仓库的类型11

2.6 数据筛选、过滤和转换工具简介11

2.6.1 ECT处理过程12

2.6.2 数据筛选、过滤和转换的工具类型12

2.6.3 3种工具类型的实例分析13

2.7 传统数据库与数据仓库的比较15

2.8 多维数据仓库中度量的建模16

2.9 数据仓库的决策支持工具17

2.9.1 前言17

2.9.2 数据仓库与决策支持系统18

2.9.3 决策支持工具分析比较19

2.10 数据仓库的多维数据模型22

2.11 数据仓库的执行策略24

2.11.1 数据市集24

2.11.2 元数据24

2.11.3 数据仓库的执行策略25

2.11.4 数据仓库系统的结构30

2.11.5 结束语31

2.12 企业财务管理辅助决策31

2.12.1 引言31

2.12.2 系统设计31

2.13 数据仓库环境下面向知识的智能型查询34

2.13.1 引言34

2.12.3 系统执行34

2.13.2 KBIQ方法简介35

2.13.3 类自然语言NQL36

2.13.4 领域模糊知识库及KBDL语言37

2.13.5 KBIQ的特点及其执行方式39

2.14 数据仓库技术研究和应用40

2.14.1 数据仓库概述40

2.14.2 数据仓库中的联机分析处理41

2.14.3 数据挖掘42

2.14.4 电力系统数据仓库建议方案42

2.15 数据仓库结构说明44

2.16 专业顾问对于企业创建数据仓库的重要性45

2.17.2 数据仓库的OLAP技术46

2.17 面向数据仓库的GISOLAP及其应用46

2.17.1 引言46

2.17.3 GIS与GIS的组件化47

2.17.4 GISOLAP48

2.17.5 GISOLAP在PSGIS中的应用49

2.17.6 结论和意义50

2.18 OLAP系统对面向查询结构的用户浏览51

2.18.1 引言51

2.18.2 多维数据模型51

2.18.3 OLAP系统用户查询的结构53

2.18.4 OLAP系统用户浏览53

2.19 数据仓库的未来56

2.18.5 结束语56

第3章 数据挖掘方法论58

3.1 数据挖掘的基本方法及其与专家系统的差异58

3.1.1 数据挖掘的任务58

3.1.2 数据挖掘方法59

3.1.3 关联规则挖掘举例60

3.1.4 分类规则挖掘举例62

3.1.5 数据挖掘与专家系统的区别64

3.2 知识发现65

3.2.1 数据库知识发现系统及领域知识在其中的功能65

3.2.2 KDD中规划提取的收敛网络方法及其应用68

3.2.3 农业专家系统中知识发现的遗传算法72

3.3 关联规则75

3.3.1 兴趣度——关联规则的又一个门限值76

3.3.2 数据库中加权关联规则的发现84

3.3.3 挖掘所关注规则的多策略方法91

3.4 粗糙集96

3.4.1 通过粗糙集理论的知识发现96

3.4.2 一种面向粗糙集的属性化简及其规则筛选方法97

3.4.3 一种面向粗糙集的数据过滤方法103

3.4.4 一种面向粗糙集的默认规则挖掘算法107

3.4.5 RSL：面向粗糙集的表示语言111

3.4.6 面向粗糙集的“数据浓缩”118

3.4.7 粗糙集算子的决策规则及数据挖掘中的软计算124

3.5 运用数据挖掘方法来构造客户的轮廓129

4.1.1 PCCS部分群集分类：一种快速的Web文件群集方法137

第4章 数据挖掘核心技术137

4.1 群集分析137

4.1.2 IR领域的文件群集研究138

4.1.3 PCCS部分群集分类法138

4.1.4 算法性能144

4.1.5 结论144

4.2 遗传算法145

4.2.1 遗传程序设计方法综述145

4.2.2 理论、技术和应用145

4.2.3 结束语154

5.1.2 数据挖掘156

5.1.1 联机分析处理156

5.1 数据仓库前端用户接口的概念说明OLAP/Data Mining156

第5章 联机信息分析处理156

5.2 可视化数据挖掘技术及其应用157

5.2.1 引言157

5.2.2 方案设计157

5.2.3 软件执行及应用158

5.2.4 结束语160

5.3 时间序列数据块的储存与聚集计算160

5.3.1 时序数据挖掘的意义及难点160

5.3.2 多维空间位置向量与一维串行互换161

5.3.3 数据块的储存方案162

5.3.4 聚集计算163

5.3.5 测试165

5.4 OLAP研究及其在现代企业中的应用166

5.4.1 引言166

5.4.2 从OLTP到OLAP166

5.4.3 OLAP在现代企业中的应用166

5.4.4 结束语170

5.5 一种面向企业资源规划的OLAP的执行方法170

5.5.1 引言170

5.5.2 MOLAP ADT的储存结构170

5.5.3 MOLAP ADT多维查询的执行算法172

5.5.4 结束语174

6.1.3 ERM给予企业什么回报175

6.1.2 为什么要引入ERM175

6.1 ERM175

6.1.1 什么是ERM175

第6章 DM与CRM工具软件175

6.2 哪些企业需要CRM176

6.3 企业综合与转型：IBM WebSphere产品系列177

6.3.1 WebSphere解决方案介绍178

6.3.2 发掘信息宝藏：IBM DB2信息管理产品系列179

6.3.3 DB2信息管理解决方案产品介绍180

6.4 数据仓库与挖掘系统DBMiner的成功与不足181

6.4.1 DBMiner的安装181

6.4.2 建立数据仓库和多维数据库181

6.4.4 挖掘各种类型的知识182

6.4.3 数据仓库可视化浏览和查询182

6.4.5 数据挖掘语言184

6.4.6 DBMiner的成功之处与特色184

6.4.7 DBMiner目前版本的不足184

6.5 多策略通用数据挖掘工具MS Miner185

6.5.1 引言185

6.5.2 数据仓库186

6.5.3 综合工具187

6.5.4 元数据190

6.5.5 结束语191

6.6 NBA球场决策利器：IBM数据挖掘软件191

6.7 企业建立客服中心及CRM软件192

7.1 联机文本挖掘194

第7章 21世纪的数据挖掘194

7.2 电子商务与网络数据挖掘195

7.2.1 引言195

7.2.2 电子商务中进行Web数据挖掘的数据来源195

7.2.3 电子商务中应用的数据挖掘技术196

7.2.4 在电子商务活动中的几点应用197

7.2.5 结论199

7.3 WWW上的信息挖掘技术及执行199

7.3.1 WWW上的信息挖掘200

7.3.2 实例系统的设计与执行202

7.3.3 结束语205

7.4 如何精选挖掘文字的技巧205

7.4.2 群集技术206

7.4.1 挖掘非结构性数据206

7.4.3 目录分类207

7.4.4 数据检索207

7.4.5 电子邮件的应用208

7.4.6 文字挖掘的全球使用209

7.5 网络文本挖掘技术209

7.5.1 引言209

7.5.2 Web挖掘与Web信息检索210

7.5.3 Web挖掘的任务211

7.5.4 Web文本挖掘方法214

7.5.5 Web文本挖掘系统原型WebMiner216

7.6.1 引言217

7.6 网络挖掘217

7.5.6 结束语217

7.6.2 Web挖掘的分类218

7.6.3 Web结构挖掘220

7.6.4 Web使用记录的挖掘222

7.6.5 多层次Web数据仓库的建立与操作：MLDB与WEBML225

7.6.6 结束语228

7.7 数据挖掘技术在网络上的应用及其工具设计229

7.7.1 数据挖掘技术介绍229

7.7.2 Web上的数据挖掘230

7.7.3 Web上的数据挖掘的执行和工具231

7.8 网络日志序列模式挖掘233

7.8.1 引言233

7.7.4 结论233

7.8.2 项目背景及相关工作234

7.8.3 疑难及解决方案235

7.8.4 SPMiner的设计237

7.8.5 结论239

7.9 路径群集：在网站中的知识发现239

7.9.1 引言239

7.9.2 识别客户查找业务241

7.9.3 实验242

7.9.4 结论和将来的工作242

7.10 走向全球化的“商业智能”243

7.11 数据挖掘九大注意事项243

附录 专有名词对照表245