數(shù)據(jù)倉庫、挖掘和可視化：核心概念

定　價：￥36.00

作　者：	（美）George M.Marakas著；敖富江譯；敖富江譯
出版社：	清華大學(xué)出版社
叢編項：	國外經(jīng)典教材·計算機科學(xué)與技術(shù)
標(biāo)　簽：	數(shù)據(jù)庫存儲與管理

購買這本書可以去

ISBN：	9787302092612	出版時間：	2004-10-01	包裝：	簡裝
開本：	26cm	頁數(shù)：	385	字數(shù)：

內(nèi)容簡介

　　本書從技術(shù)和管理的角度介紹了數(shù)據(jù)倉庫、挖掘和可視化的核心概念。以獨特的視角強調(diào) 了數(shù)據(jù)庫設(shè)計和開發(fā)在現(xiàn)實領(lǐng)域中的應(yīng)用與實現(xiàn)，旨在幫助您船長的理解數(shù)據(jù)倉庫的價值和與之相關(guān)的一些技術(shù)。本書特色·書中有關(guān)數(shù)據(jù)挖掘和數(shù)據(jù)可視化的練習(xí)都基于Megaputer公司的PolyAnalyst和Text Analyst軟件，這些練習(xí)有助于學(xué)生對數(shù)字化和結(jié)構(gòu)化的數(shù)據(jù)進行關(guān)聯(lián)和分類操作，并從中獲取知識?！け緯性诮榻B每個新概念時都使用了大量的示例，以便學(xué)生可以清楚地理解這些重要概念?！⑹鲂缘男〔鍒D形象地描述了如何利用假設(shè)特性進一步明確決策過程中的概念。

作者簡介

　　George M.Marakas是Bloomington 市 Indiana大學(xué)Kelley商業(yè)學(xué)院的教授。他主要講授系統(tǒng)分析和設(shè)計、技術(shù)輔助決策、IS資源管理、行為IS研究方法、數(shù)據(jù)可視化和決策支持等方面的課程。此外，他還是系統(tǒng)分析方法、數(shù)據(jù)挖掘和可視化、概念數(shù)據(jù)建模等領(lǐng)域活躍的專家。Marakas博士所編寫的優(yōu)秀教材還包括Ysytems Analysis and Design： An Active Appraach 和Decision Support Systems in the 21st Century，Second Edition，這兩本書都已由Prentice Hall出版。敖富江，國防科技大學(xué)計算機學(xué)院碩士、機電工程與自動化學(xué)院博士、曾參與多個大型系統(tǒng)的設(shè)計，數(shù)據(jù)庫、數(shù)據(jù)倉庫、數(shù)據(jù)挖掘、數(shù)據(jù)結(jié)構(gòu)、程序設(shè)計、網(wǎng)絡(luò)安全等有著深入的研究和實戰(zhàn)經(jīng)驗，并在國內(nèi)外期刊上發(fā)表過多篇相關(guān)論文，還翻譯過多本有關(guān)程序設(shè)計和網(wǎng)絡(luò)安全方面的科技圖書。

圖書目錄

第1章數(shù)據(jù)挖掘. 數(shù)據(jù)倉庫和數(shù)據(jù)可視化概述
1.1 現(xiàn)代數(shù)據(jù)倉庫
1.2 數(shù)據(jù)倉庫的作用和結(jié)構(gòu)
1.3 數(shù)據(jù)倉庫可以完成的工作
1.3.1 快捷的信息交付
1.3.2 企業(yè)內(nèi)/外的數(shù)據(jù)集成
1.3.3 從歷史趨勢展望未來
1.3.4 用新方式瀏覽數(shù)據(jù)的工具
1.3.5 免受IS部門資源限制
1.3.6 對日常工作有何意義
1.3.7 沒有什么是免費的
1.3.8 是否存在數(shù)據(jù)倉庫無法完成的工作
1.4 數(shù)據(jù)倉庫的成本
1.4.1 不定成本
1.4.2 成本合理性
1.4.3 沒有數(shù)據(jù)倉庫時如何訪問信息
1.4.4 存在數(shù)據(jù)倉庫時如何訪問信息
1.4.5 成本的差距
1.4.6 多報表
1.4.7 普通用戶和高級用戶
1.4.8 普通用戶. 高級用戶與成本合理性
1.4.9 數(shù)據(jù)集市和數(shù)據(jù)倉庫
1.5 數(shù)據(jù)挖掘的基礎(chǔ)
1.6 數(shù)據(jù)挖掘的起源
1.7 數(shù)據(jù)勘查和數(shù)據(jù)挖掘的方法
1.7.1 數(shù)據(jù)相關(guān)
1.7.2 數(shù)據(jù)倉庫和數(shù)據(jù)挖掘／數(shù)據(jù)勘查
1.7.3 最大的挑戰(zhàn)——數(shù)據(jù)容量
1.8 數(shù)據(jù)可視化的基礎(chǔ)
1.8.1 數(shù)據(jù)可視化背后的歷史
1.8.2 走在知識前沿的數(shù)據(jù)可視化
1.9 小結(jié)
第2章數(shù)據(jù)倉庫
2.1 存儲. 倉庫和集市
2.1.1 數(shù)據(jù)存儲器
2.1.2 數(shù)據(jù)集市
2.1.3 元數(shù)據(jù)
2.1.4 DW環(huán)境
2.1.5 DW的特征
2.1.6 數(shù)據(jù)冗余問題
2.2 數(shù)據(jù)倉庫體系結(jié)構(gòu)
2.2.1 操作型數(shù)據(jù)庫層和外部數(shù)據(jù)庫層
2.2.2 信息訪問層
2.2.3 數(shù)據(jù)訪問層
2.2.4 元數(shù)據(jù)層
2.2.5 過程管理層
2.2.6 應(yīng)用通信層
2.2.7 物理DW層
2.2.8 數(shù)據(jù)分段層
2.2.9 數(shù)據(jù)倉庫技術(shù)
2.3 描述數(shù)據(jù)的數(shù)據(jù)——元數(shù)據(jù)
2.3.1 “抽象”的概念
2.3.2 數(shù)據(jù)的鍵
2.3.3 運轉(zhuǎn)中的元數(shù)據(jù)
2.3.4 一致性——避免事實出現(xiàn)多個版本
2.3.5 同意事實的一個版本
2.4 元數(shù)據(jù)的提取
2.5 實現(xiàn)數(shù)據(jù)倉庫
2.5.1 過失1：“如果創(chuàng)建了倉庫, 它們的用途就自然顯現(xiàn)出來了”
2.5.2 過失2：遺漏了體系結(jié)構(gòu)框架
2.5.3 過失3：理解用文檔對假設(shè)進行說明的重要性
2.5.4 過失4：沒有使用正確的工具
2.5.5 過失5：濫用生命周期
2.5.6 過失6：忽略了數(shù)據(jù)沖突問題
2.5.7 過失7：沒有從失敗中吸取經(jīng)驗教訓(xùn)
2.6 數(shù)據(jù)倉庫技術(shù)
2.7 小結(jié)
第3章數(shù)據(jù)挖掘和數(shù)據(jù)可視化
3.1 數(shù)據(jù)挖掘的概念
3.1.1 驗證型分析與挖掘型分析
3.1.2 DM的逐漸普及
3.1.3 使用DM進行更精確的個人預(yù)測
3.2 聯(lián)機分析處理
3.2.1 MOLAP
3.2.2 ROLAP
3.3 用于數(shù)據(jù)挖掘的技術(shù)
3.3.1 分類
3.3.2 關(guān)聯(lián)
3.3.3 序列
3.3.4 聚類
3.3.5 DM技術(shù)
3.3.6 KDD過程
3.3.7 新型DM應(yīng)用
3.4 市場購物籃分析：DM算法之王
3.4.1 市場購物籃分析的優(yōu)點
3.4.2 市場購物籃分析的關(guān)聯(lián)規(guī)則
3.4.3 利用虛項進行市場購物籃分析
3.4.4 使用這些結(jié)果
3.5 DM目前的限制和面臨的挑戰(zhàn)
3.5.1 標(biāo)識出遺漏信息
3.5.2 數(shù)據(jù)噪聲和遺漏值
3.5.3 大型數(shù)據(jù)庫和高維度
3.6 數(shù)據(jù)可視化
3.6.1 歷史
3.6.2 人類視覺感知和數(shù)據(jù)可視化
3.6.3 地理信息系統(tǒng)
3.6.4 數(shù)據(jù)可視化技術(shù)的應(yīng)用
3.7 Siftware技術(shù)
3.7.1 Red Brick
3.7.2 Oracle
3.7.3 Informix
3.7.4 Sybase
3.7.5 Silicon Graphics
3.7.6 IBM
3.8 小結(jié)
第4章機器學(xué)習(xí)
4.1 模糊邏輯和語義模糊性
4.1.1 語義模糊性
4.1.2 模糊邏輯的基礎(chǔ)
4.1.3 模糊與概率
4.1.4 模糊邏輯的優(yōu)缺點
4.2 人工神經(jīng)網(wǎng)絡(luò)
4.2.1 神經(jīng)計算的基礎(chǔ)
4.2.2 人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練
4.2.3 人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)范式
4.2.4 神經(jīng)計算的優(yōu)點和局限性
4.3 遺傳算法與遺傳進化網(wǎng)絡(luò)
4.3.1 最優(yōu)理論
4.3.2 介紹遺傳算法
4.3.3 遺傳算法的優(yōu)點和局限性
4.4 機器學(xué)習(xí)的應(yīng)用
4.4.1 機器學(xué)習(xí)的應(yīng)用領(lǐng)域
4.4.2 機器學(xué)習(xí)系統(tǒng)的未來
4.5 小結(jié)
第5章執(zhí)行信息系統(tǒng)
5.1 EIS的概念
5.1.1 典型的EIS會話
5.1.2 EIS無法完成的工作
5.2 EIS歷史
5.3 高級執(zhí)行官與眾不同的原因
5.3.1 執(zhí)行官的信息需求
5.3.2 執(zhí)行信息的類型和源
5.4 EIS組件
5.4.1 硬件組件
5.4.2 軟件組件
5.4.3 目前的EIS技術(shù)
5.5 使EIS開始工作
5.5.1 EIS開發(fā)框架
5.5.2 一些需要避免的ElS局限和缺陷
5.5.3 失敗是無法接受的
5.6 執(zhí)行官決策和EIS的未來
5.6.1 轉(zhuǎn)化條件
5.6.2 未來的EIS
5.7 小結(jié)
第6章設(shè)計并構(gòu)造數(shù)據(jù)倉庫
6.1 DW設(shè)計的企業(yè)模型方法
6.1.1 定義EM
6.1.2 自上而下的DW設(shè)計
6.1.3 自下而上的DW設(shè)計
6.1.4 企業(yè)集成的概念
6.2 DW項目規(guī)劃
6.2.1 DW項目定義和就緒度評估
6.2.2 克服DW就緒度的不足
6.2.3 定義新建DW項目的作用域
6.2.4 為DW項目定義商業(yè)認證
6.2.5 使DW項目成為商業(yè)案例所面臨的問題
6.2.6 經(jīng)濟可行性分析
6.2.7 經(jīng)濟可行性指標(biāo)
6.2.8 開發(fā)DW項目規(guī)劃
6.3 指定分析和設(shè)計工具
6.3.1 DW邏輯設(shè)計的維度建模方法
6.3.2 設(shè)計DW事實表
6.4 DW體系結(jié)構(gòu)規(guī)范和開發(fā)
6.4.1 通用源
6.4.2 通用維
6.4.3 通用業(yè)務(wù)規(guī)則
6.4.4 通用語義
6.4.5 通用度量單位
6.4.6 DW體系結(jié)構(gòu)關(guān)鍵組件區(qū)域
6.4.7 開發(fā)DW技術(shù)體系結(jié)構(gòu)
6.5 DW項目的成功因素
6.6 小結(jié)
第7章數(shù)據(jù)挖掘. 數(shù)據(jù)倉庫和數(shù)據(jù)可視化的未來
7.1 數(shù)據(jù)倉庫的未來
7.1.1 規(guī)章約束
7.1.2 非結(jié)構(gòu)化數(shù)據(jù)的存儲
7.1.3 World Wide Web
7.2 可選存儲器和數(shù)據(jù)倉庫
7.2.1 可選存儲器
7.2.2 使可選存儲器工作
7.3 數(shù)據(jù)倉庫的趨勢
7.4 數(shù)據(jù)挖掘的未來
7.4.1 在個性化和隱私之間權(quán)衡
7.4.2 “信息是自然資源”的概念
7.4.3 大型數(shù)據(jù)集的爆炸
7.5 使用數(shù)據(jù)挖掘保護隱私
7.5.1 目前的IDS系統(tǒng)如何檢測入侵
7.5.2 目前的IDS系統(tǒng)具有的弊端
7.5.3 我們在尋找什么
7.5.4 DM如何提供幫助
7.5.5 入侵檢測DM所面臨的困難
7.6 影響DM未來的趨勢
7.6.1 數(shù)據(jù)趨勢
7.6.2 硬件趨勢
7.6.3 網(wǎng)絡(luò)趨勢
7.6.4 業(yè)務(wù)趨勢
7.6.5 對DM的未來所預(yù)期的可能情況
7.7 數(shù)據(jù)可視化的未來
7.7.1 武器性能和安全仿真
7.7.2 醫(yī)學(xué)損傷治療
7.7.3 未來將會展現(xiàn)的技術(shù)能力
7.7.4 未來的醫(yī)學(xué)外傷場景展望
7.8 未來可視化應(yīng)用的各個組件
7.9 小結(jié)