高等院校信息管理與信息系統專(zhuān)業(yè)系列教材：數據倉庫與數據挖掘教程（第2版）簡(jiǎn)介，目錄書(shū)摘

編輯推薦:

內容簡(jiǎn)介:　　數據倉庫與數據挖掘是決策支持的兩項重要技術(shù)，它們共同的特點(diǎn)是都需要利用大量的數據資源，并從數據資源中提取信息和知識。由于數據資源豐富，因此數據倉庫與數據挖掘的決策支持效果顯著(zhù)。
　　《高等院校信息管理與信息系統專(zhuān)業(yè)系列教材：數據倉庫與數據挖掘教程（第2版）》系統介紹數據倉庫原理，聯(lián)機分析處理，數據倉庫設計與開(kāi)發(fā)，數據倉庫的決策支持，數據挖掘原理，基于信息論的決策樹(shù)方法，基于集合論的粗糙集方法、K-均值聚類(lèi)、關(guān)聯(lián)規則挖掘，仿生物技術(shù)的神經(jīng)網(wǎng)絡(luò )，遺傳算法，公式發(fā)現，知識挖掘，文本挖掘與Web挖掘。
　　《高等院校信息管理與信息系統專(zhuān)業(yè)系列教材：數據倉庫與數據挖掘教程（第2版）》從數據倉庫的興起來(lái)說(shuō)明決策支持的特點(diǎn)，從數據挖掘的理論基礎來(lái)說(shuō)明數據挖掘的方法，并通過(guò)實(shí)例來(lái)詳細講解。希望讀者在學(xué)習之后，親自在計算機上去實(shí)踐，這樣才能更有效地掌握數據挖掘的方法。

作者簡(jiǎn)介:

目錄:第1章 數據倉庫與數據挖掘概述
1.1 數據倉庫的興起
1.1.1 從數據庫到數據倉庫
1.1.2 從OLTP到OLAP
1.1.3 數據字典與元數據
1.1.4 數據倉庫的定義與特點(diǎn)
1.2 數據挖掘的興起
1.2.1 從機器學(xué)習到數據挖掘
1.2.2 數據挖掘含義
1.2.3 數據挖掘與OLAP的比較
1.2.4 數據挖掘與統計學(xué)
1.3 數據倉庫和數據挖掘的結合
1.3.1 數據倉庫和數據挖掘的區別與聯(lián)系
1.3.2 基于數據倉庫的決策支持系統
1.3.3 數據倉庫與商業(yè)智能
習題

第2章 數據倉庫原理
2.1 數據倉庫結構體系
2.1.1 數據倉庫結構
2.1.2 數據集市及其結構
2.1.3 數據倉庫系統結構
2.1.4 數據倉庫的運行結構
2.2 數據倉庫數據模型
2.2.1 星型模型
2.2.2 雪花模型
2.2.3 星網(wǎng)模型
2.2.4 第三范式
2.3 數據抽取、轉換和裝載
2.3.1 數據抽取
2.3.2 數據轉換
2.3.3 數據裝載
2.3.4 ETL工具
2.4 元數據
2.4.1 元數據的重要性
2.4.2 關(guān)于數據源的元數據
2.4.3 關(guān)于數據模型的元數據
2.4.4 關(guān)于數據倉庫映射的元數據
2.4.5 關(guān)于數據倉庫使用的元數據
習題

第3章 聯(lián)機分析處理
3.1 OLAP概念
3.1.1 OLAP的定義
3.1.2 OLAP準則
3.1.3 OLAP的基本概念
3.2 OLAP的數據模型
3.2.1 MOLAP數據模型
3.2.2 ROLAP數據模型
3.2.3 MOLAP與ROLAP的比較
3.2.4 HOLAP數據模型
3.3 多維數據的顯示
3.3.1 多維數據顯示方法
3.3.2 多維類(lèi)型結構
3.3.3 多維數據的分析視圖
3.4 OALP的多維數據分析
3.4.1 多維數據分析的基本操作
3.4.2 多維數據分析實(shí)例
3.4.3 廣義OLAP功能
3.4.4 數據立方體
3.4.5 多維數據分析的MDX語(yǔ)言及其應用
習題

第4章 數據倉庫設計與開(kāi)發(fā)
4.1 數據倉庫分析與設計
4.1.1 需求分析
4.1.2 概念模型設計
4.1.3 邏輯模型設計
4.1.4 物理模型設計
4.1.5 數據倉庫的索引技術(shù)
4.2 數據倉庫開(kāi)發(fā)
4.2.1 數據倉庫開(kāi)發(fā)過(guò)程
4.2.2 數據質(zhì)量與數據清洗
4.2.3 數據粒度與維度建模
4.3 數據倉庫技術(shù)與開(kāi)發(fā)的困難
4.3.1 數據倉庫技術(shù)
4.3.2 數據倉庫開(kāi)發(fā)的困難
習題

第5章 數據倉庫的決策支持
5.1 數據倉庫的用戶(hù)
5.1.1 數據倉庫的信息使用者
5.1.2 數據倉庫的探索者
5.2 數據倉庫的決策支持與決策支持系統
5.2.1 查詢(xún)與報表
5.2.2 多維分析與原因分析
5.2.3 預測未來(lái)
5.2.4 實(shí)時(shí)決策
5.2.5 自動(dòng)決策
5.2.6 決策支持系統
5.3 數據倉庫應用實(shí)例
5.3.1 航空公司數據倉庫決策支持系統簡(jiǎn)例
5.3.2 統計業(yè)數據倉庫系統
5.3.3 沃爾瑪數據倉庫系統
習題

第6章 數據挖掘原理
6.1 數據挖掘綜述
6.1.1 數據挖掘與知識發(fā)現
6.1.2 數據挖掘對象
6.1.3 數據挖掘任務(wù)
6.1.4 數據挖掘分類(lèi)
6.1.5 不完全數據處理
6.1.6 數據庫的數據濃縮
6.2 數據挖掘方法和技術(shù)
6.2.1 歸納學(xué)習的信息論方法
6.2.2 歸納學(xué)習的集合論方法
6.2.3 仿生物技術(shù)的神經(jīng)網(wǎng)絡(luò )方法
6.2.4 仿生物技術(shù)的遺傳算法
6.2.5 數值數據的公式發(fā)現
6.2.6 可視化技術(shù)
6.3 數據挖掘的知識表示
6.3.1 規則知識
6.3.2 決策樹(shù)知識
6.3.3 知識基（濃縮數據）
6.3.4 神經(jīng)網(wǎng)絡(luò )權值
6.3.5 公式知識
6.3.6 案例
習題

第7章 信息論方法
7.1 信息論原理
7.1.1 信道模型和學(xué)習信道模型
7.1.2 信息熵與條件熵
7.1.3 互信息與信息增益
7.1.4 信道容量與譯碼準則
7.2 決策樹(shù)方法
7.2.1 決策樹(shù)概念
7.2.2 ID3方法基本思想
7.2.3 ID3算法
7.2.4 實(shí)例與討論
7.2.5 C4.5方法
7.3 決策規則樹(shù)方法
7.3.1 IBLE方法基本思想
7.3.2 IBLE算法
7.3.3 IBLE方法實(shí)例
習題

第8章 集合論方法
8.1 粗糙集方法
8.1.1 粗糙集概念
8.1.2 屬性約簡(jiǎn)的粗糙集理論
8.1.3 屬性約簡(jiǎn)的粗糙集方法
8.1.4 粗糙集方法的規則獲取
8.1.5 粗糙集方法的應用實(shí)例
8.2 K-均值聚類(lèi)
8.2.1 聚類(lèi)方法簡(jiǎn)介
8.2.2 K-均值聚類(lèi)方法與實(shí)例
8.3 關(guān)聯(lián)規則挖掘
8.3.1 關(guān)聯(lián)規則的挖掘原理
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的關(guān)聯(lián)規則挖掘算法
習題

第9章 神經(jīng)網(wǎng)絡(luò )
9.1 神經(jīng)網(wǎng)絡(luò )概念與感知機
9.1.1 神經(jīng)網(wǎng)絡(luò )原理
9.1.2 感知機網(wǎng)絡(luò )
9.1.3 感知機實(shí)例與討論
9.2 反向傳播網(wǎng)絡(luò )
9.2.1 反向傳播網(wǎng)絡(luò )結構
9.2.2 BP網(wǎng)絡(luò )學(xué)習公式推導
9.2.3 BP網(wǎng)絡(luò )的典型實(shí)例
9.3 徑向基函數網(wǎng)絡(luò )
9.3.1 徑向基函數RBF網(wǎng)絡(luò )原理
9.3.2 RBF網(wǎng)絡(luò )算法與分析
9.4 神經(jīng)網(wǎng)絡(luò )的幾何意義
9.4.1 神經(jīng)網(wǎng)絡(luò )的超平面含義
9.4.2 異或問(wèn)題的實(shí)例分析
習題

第10章 遺傳算法與進(jìn)化計算
10.1 遺傳算法
10.1.1 遺傳算法基本原理
10.1.2 遺傳算子
10.1.3 遺傳算法簡(jiǎn)例
10.1.4 遺傳算法的特點(diǎn)
10.2 基于遺傳算法的分類(lèi)學(xué)習系統
10.2.1 概述
10.2.2 遺傳分類(lèi)學(xué)習系統GCLS的基本原理
10.2.3 遺傳分類(lèi)學(xué)習系統GCLS的應用
10.3 進(jìn)化計算
10.3.1 進(jìn)化計算概述
10.3.2 進(jìn)化策略與進(jìn)化規劃
10.3.3 進(jìn)化計算小結
習題

第11章 公式發(fā)現
11.1 公式發(fā)現概述
11.1.1 曲線(xiàn)擬合與發(fā)現學(xué)習
11.1.2 啟發(fā)式與數據驅動(dòng)啟發(fā)式
11.2 科學(xué)定律重新發(fā)現系統
11.2.1 BACON系統基本原理
11.2.2 BACON系統實(shí)例
11.2.3 BACON系統的進(jìn)展
11.3 經(jīng)驗公式發(fā)現系統
11.3.1 FDD系統基本原理
11.3.2 FDD.1系統
11.3.3 FDD.2系統
11.3.4 FDD.3系統
習題

第12章 知識挖掘
12.1 變換規則的知識挖掘
12.1.1 適應變化環(huán)境的變換和變換規則
12.1.2 變換規則的知識挖掘的理論基礎
12.1.3 變換規則的知識推理
12.1.4 變換規則鏈的知識挖掘
12.1.5 適應變化環(huán)境的變換規則元知識
12.2 軟件進(jìn)化規律的知識挖掘
12.2.1 數值計算的進(jìn)化
12.2.2 計算機程序的進(jìn)化
12.2.3 數據存儲的進(jìn)化
12.2.4 知識處理的進(jìn)化
12.2.5 進(jìn)化規律的知識挖掘
習題

第13章 文本挖掘與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 文本挖掘功能層次
13.2.2 文本關(guān)聯(lián)分析
13.2.3 文本聚類(lèi)
13.2.4 文本分類(lèi)
13.3 Web挖掘
13.3.1 Web挖掘概述
13.3.2 Web內容挖掘
13.3.3 Web結構挖掘
13.3.4 Web應用（訪(fǎng)問(wèn)信息）挖掘
13.3.5 Web日志分析與實(shí)例
習題
參考文獻