数据仓库与数据挖掘PDF|Epub|txt|kindle电子书版本网盘下载

数据仓库与数据挖掘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 概论1

1.1决策支持技术与数据库的发展2

1.1.1决策支持技术的发展2

1.1.2数据库技术的发展4

1.2数据仓库概述7

1.2.1数据仓库概念的提出8

1.2.2数据仓库的定义10

1.2.3数据仓库的特征11

1.2.4数据仓库的应用和发展13

1.3 数据挖掘概述18

1.3.1数据挖掘的定义19

1.3.2数据挖掘与数据仓库的关系21

1.3.3数据挖掘的应用和发展22

本章小结27

习题27

第2章 数据仓库的技术与开发29

2.1数据仓库的体系结构30

2.1.1 用户眼中的数据仓库结构30

2.1.2数据仓库系统的体系结构31

2.1.3数据集市35

2.2元数据36

2.2.1元数据的定义36

2.2.3元数据分类37

2.2.2元数据的主要作用37

2.3数据仓库的数据模型39

2.3.1概念模型39

2.3.2逻辑模型43

2.3.3物理模型45

2.4粒度和分割46

2.4.1粒度的确定46

2.4.2粒度划分实例47

2.4.3数据分割49

2.5数据仓库和开发流程50

2.6.1统一的维52

2.6.2统一的事实52

2.6总线型结构的数据仓库52

2.6.3数据仓库总线53

本章小结54

习题54

第3章 数据仓库管理技术55

3.1数据仓库管理的基本内容56

3.2休眠数据管理57

3.2.1休眠数据的定义与理解58

3.2.2休眠数据的处理60

3.3元数据的管理62

3.3.1传统的元数据管理方法63

3.3.2企业级中心知识库的管理方法63

3.4.1脏数据的来源和清理65

3.4数据清理65

3.4.2过期数据的清理67

本章小结67

习题68

第4章 联机分析处理69

4.1概述70

4.1.1 OLAP的定义70

4.1.2 OLAP的基本概念72

4.1.3 OLAP的基本分析操作75

4.1.4 OLAP和OLTP的比较78

4.2 多维OLAP和关系OLAP79

4.2.1数据存储79

4.2.2 MOLAP和ROLAP的特征83

4.2.3星型模式84

4.3 OLAP的新发展——OLAM86

4.3.1OLAM应该具有的功能特征87

4.3.2OLAM的主要发展方向87

4.3.3基于 Web的OLAM须解决的问题88

本章小结88

习题88

第5章 SQLServer数据仓库的应用与开发89

5.1概述90

5.2连接数据源92

5.3.2建立数据源94

5.3建多维数据集94

5.3.1建立数据库94

5.3.3建立多维数据集96

5.3.4编辑多维数据集107

5.3.5设计存储和处理多维数据集108

5.4浏览多维数据集数据109

5.5创建、使用数据挖掘模型112

本章小结126

习题126

第6章 数据挖掘与知识发现127

6.1知识发现与数据挖掘的概念128

6.1.1数据挖掘的任务131

6.1.2数据挖掘的分类133

6.1.3数据挖掘的对象137

6.1.4数据挖掘与专家系统的区别139

6.2数据挖掘方法与技术140

6.2.1归纳学习方法141

6.2.2仿生物技术142

6.2.3公式发现144

6.2.4统计分析方法145

6.2.5模糊数学方法147

6.2.6可视化技术148

6.3数据挖掘的知识表示148

6.3.2决策树149

6.3.1规则149

6.3.3知识基（浓缩数据）150

6.3.4网络权值151

6.3.5公式151

本章小结152

习题152

第7章 统计类数据挖掘技术153

7.1基本概念154

7.1.7统计学154

7.1.2统计类数据挖掘技术155

7.2最简单的统计类挖掘技术155

7.3回归分析数据挖掘技术156

7.2.1聚集函数与度量156

7.2.2柱状图156

7.3.1线性回归数据挖掘技术157

7.3.2非线性回归数据挖掘技术159

7.4聚类分析与最近邻挖掘技术163

7.4.1聚类的概念163

7.4.2最近邻技术164

7.4.3聚类分析与最近邻技术的运用165

7.4.4聚类分析应用示例172

7.5统计分析工具及其使用——SPSS174

7.5.1统计分析工具174

7.5.2统计分析工具应用178

7.5.3 SPSS及其应用182

本章小结185

习题186

第8章 知识类数据挖掘技术187

8.1知识发现系统的结构188

8.2关联规则的数据挖掘技术190

8.2.1关联规则描述191

8.2.2关联规则的定义192

8.2.3关联规则的种类192

8.2.4关联规则挖掘算法——频繁集方法193

8.2.5关联规则应用举例195

8.3神经网络的数据挖掘技术197

8.3.1人工神经元及其互连结构198

8.3.2神经网络模型202

8.3.3神经网络的应用208

8.4遗传算法的数据挖掘技术209

8.4.1遗传算法概述210

8.4.2遗传算子212

8.4.3遗传算法的应用217

8.5粗糙集的数据挖掘技术219

8.5.1粗糙集概念220

8.5.2粗糙集分类规则发现模式223

8.5.3粗糙集的应用224

8.6.1知识发现工具的系统结构225

8.6知识发现工具简介225

8.6.2知识发现工具运用中的问题227

8.6.3知识发现的作用230

8.6.4知识类数据挖掘工具简介230

本章小结232

习题233

第9章 21世纪的数据挖掘技术235

9.1文本挖掘技术236

9.1.1文本挖掘的概述236

9.1.2信息检索系统237

9.1.3文本挖掘239

9.2.1 Web的特点241

9.2 Web数据挖掘技术241

9.2.2 Web结构挖掘242

9.2.3 Web内容挖掘243

9.2.4 Web日志挖掘244

9.3可视化数据挖掘技术245

9.3.1数据可视化技术245

9.3.2可视化数据挖掘技术的应用246

9.4基于GIS的空间数据挖掘技术247

9.4.1地理信息系统247

9.4.2空间数据挖掘249

9.5分布式数据挖掘技术251

9.5.1概述251

9.5.2适合水平式数据划分的分布式挖掘方法252

9.5.3适合垂直式数据划分的分布式挖掘方法253

9.6数据挖掘的其他主题254

9.6.1视频和音频数据挖掘254

9.6.2科学和统计数据挖掘255

9.6.3数据挖掘的理论基础256

9.6.4数据挖掘和智能查询应答257

本章小结259

习题259

第10章 数据仓库与数据挖掘的综合应用261

10.1数据仓库在信息管理中的实际应用262

10.1.1应用数据仓库弥补ERP的不足264

10.1.2 建立良好的客户关系——数据仓库实现分析型CRM266

10.1.3数据仓库提高供应链管理的效率267

10.1.4用数据仓库支持企业决策269

10.1.5数据仓库促使企业重构业务过程271

10.2金融业中的数据挖掘272

10.2.1数据挖掘在银行领域的应用273

10.2.2数据挖掘在证券领域的应用275

10.2.3数据挖掘在保险领域的应用279

10.3零售业中的数据挖掘280

10.4电信业中的数据挖掘283

本章小结288

习题288

参考文献289