數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘

第1章 企業(yè)數(shù)據(jù)資源管理
1.1 數(shù)據(jù)資源的概念
1.1.1 企業(yè)資源
1.1.2 數(shù)據(jù)資源
1.1.3 數(shù)據(jù)資源管理及其發(fā)展歷程
1.2 數(shù)據(jù)資源管理的意義
1.2.1 信息系統(tǒng)進(jìn)入成熟階段的重要標(biāo)志
1.2.2 解決企業(yè)內(nèi)部數(shù)據(jù)不一致問(wèn)題的根本途徑
1.2.3 數(shù)據(jù)資源的管理和應(yīng)用是取得競(jìng)爭(zhēng)優(yōu)勢(shì)的關(guān)鍵
1.3 信息資源管理的相關(guān)技術(shù)
1.3.1 數(shù)據(jù)資源管理的技術(shù)框架
1.3.2 技術(shù)框架中的構(gòu)成要素
1.3.3 技術(shù)框架中各部分的關(guān)聯(lián)
1.4 企業(yè)通過(guò)數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘獲得競(jìng)爭(zhēng)優(yōu)勢(shì)
本章小結(jié)
思考與練習(xí)
第2章 數(shù)據(jù)倉(cāng)庫(kù)的概念與結(jié)構(gòu)
2.1 數(shù)據(jù)倉(cāng)庫(kù)的概念
2.1.1 數(shù)據(jù)倉(cāng)庫(kù)的定義
2.1.2 數(shù)據(jù)倉(cāng)庫(kù)的特征
2.1.3 數(shù)據(jù)集市
2.2 數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)
2.2.1 數(shù)據(jù)源
2.2.2 數(shù)據(jù)倉(cāng)庫(kù)管理層
2.2.3 數(shù)據(jù)倉(cāng)庫(kù)工具集
2.3 數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)組織
2.3.1 粒度的概念
2.3.2 面向主題的數(shù)據(jù)組織
2.3.3 數(shù)據(jù)分割
2.3.4 元數(shù)據(jù)的管理
本章小結(jié)
思考與練習(xí)
第3章 數(shù)據(jù)倉(cāng)庫(kù)的設(shè)計(jì)與開(kāi)發(fā)
3.1 數(shù)據(jù)倉(cāng)庫(kù)的開(kāi)發(fā)過(guò)程及特點(diǎn)
3.1.1 數(shù)據(jù)倉(cāng)庫(kù)開(kāi)發(fā)的生命周期
3.1.2 數(shù)據(jù)倉(cāng)庫(kù)開(kāi)發(fā)的特點(diǎn)
3.1.3 數(shù)據(jù)倉(cāng)庫(kù)設(shè)計(jì)的主要內(nèi)容
3.2 數(shù)據(jù)模型設(shè)計(jì)
3.2.1 概念模型設(shè)計(jì)
3.2.2 邏輯模型設(shè)計(jì)
3.2.3 物理模型設(shè)計(jì)
3.3 數(shù)據(jù)倉(cāng)庫(kù)的粒度設(shè)計(jì)
3.3.1 設(shè)計(jì)步驟
3.3.2 設(shè)計(jì)原則
3.4 創(chuàng)建數(shù)據(jù)倉(cāng)庫(kù)的基本步驟
3.4.1 建立運(yùn)營(yíng)環(huán)境文檔
3.4.2 選擇數(shù)據(jù)倉(cāng)庫(kù)的實(shí)現(xiàn)技術(shù)
3.4.3 設(shè)計(jì)數(shù)據(jù)倉(cāng)庫(kù)模型
3.4.4 創(chuàng)建數(shù)據(jù)準(zhǔn)備區(qū)
3.4.5 創(chuàng)建數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)庫(kù)
3.4.6 從操作型系統(tǒng)中抽取數(shù)據(jù)
3.4.7 清理和轉(zhuǎn)換數(shù)據(jù)
3.4.8 將數(shù)據(jù)裝入數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)庫(kù)
3.4.9 準(zhǔn)備顯示信息
3.4.10 將數(shù)據(jù)分發(fā)到數(shù)據(jù)集市
本章小結(jié)
思考與練習(xí)
第4章 聯(lián)機(jī)分析處理
4.1 OLAP的基本概念
4.1.1 OLAP的發(fā)展背景
4.1.2 聯(lián)機(jī)分析處理是數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)的一個(gè)應(yīng)用
4.2 OLAP與多維分析
4.2.1 OLAP的一些基本概念
4.2.2 理解數(shù)據(jù)立方
4.2.3 OLAP的基本分析操作
4.3 OLAP的分類(lèi)
4.3.1 ROLAP
4.3.2 MOLAP
4.3.3 HOLAP
4.4 OLAP的特性與不足
4.4.1 OLAP的特性
4.4.2 OLAP的不足
4.5 SQL Servei 2005統(tǒng)一維度模型
4.5.1 結(jié)構(gòu)
4.5.2 優(yōu)點(diǎn)
本章小結(jié)
思考與練習(xí)
第5章 數(shù)據(jù)挖掘概述
5.1 數(shù)據(jù)挖掘技術(shù)的由來(lái)
5.1.1 信息爆炸但知識(shí)貧乏
5.1.2 支持?jǐn)?shù)據(jù)挖掘技術(shù)的基礎(chǔ)
5.1.3 從商業(yè)數(shù)據(jù)到商業(yè)信息的進(jìn)化
5.1.4 數(shù)據(jù)挖掘逐漸演變的過(guò)程
5.2 數(shù)據(jù)挖掘的定義
5.2.1 技術(shù)角度的定義
5.2.2 商業(yè)角度的定義
5.2.3 數(shù)據(jù)挖掘與傳統(tǒng)分析方法的區(qū)別
5.2.4 數(shù)據(jù)挖掘和數(shù)據(jù)倉(cāng)庫(kù)
5.2.5 數(shù)據(jù)挖掘和OLAP
5.2.6 數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)和統(tǒng)計(jì)
5.3 數(shù)據(jù)挖掘發(fā)現(xiàn)的知識(shí)類(lèi)型
5.3.1 廣義知識(shí)
5.3.2 關(guān)聯(lián)知識(shí)
5.3.3 分類(lèi)知識(shí)
5.3.4 預(yù)測(cè)知識(shí)
5.3.5 偏差知識(shí)
5.4 數(shù)據(jù)挖掘流程
5.4.1 知識(shí)發(fā)現(xiàn)過(guò)程
5.4.2 數(shù)據(jù)挖掘?qū)ο?br /> 5.4.3 數(shù)據(jù)挖掘任務(wù)
5.4.4 數(shù)據(jù)挖掘分類(lèi)
5.4.5 數(shù)據(jù)預(yù)處理
5.5 數(shù)據(jù)挖掘的方法和技術(shù)
5.5.1 信息論方法
5.5.2 集合論方法
5.5.3 神經(jīng)網(wǎng)絡(luò)方法
5.5.4 遺傳算法
5.5.5 模糊數(shù)學(xué)
5.5.6 公式發(fā)現(xiàn)
5.5.7 可視化技術(shù)
5.5.8 知識(shí)表示
本章小結(jié)
思考與練習(xí)
第6章 數(shù)據(jù)預(yù)處理
6.1 數(shù)據(jù)預(yù)處理的目的及方法
6.1.1 原始數(shù)據(jù)中存在的問(wèn)題
6.1.2 數(shù)據(jù)預(yù)處理的常用方法
6.2 數(shù)據(jù)清理
6.2.1 處理空缺值
6.2.2 噪聲數(shù)據(jù)的處理
6.3 數(shù)據(jù)集成
6.3.1 模式匹配
6.3.2 數(shù)據(jù)冗余
6.3.3 數(shù)據(jù)沖突
6.4 數(shù)據(jù)變換
6.5 數(shù)據(jù)歸約
6.5.1 數(shù)據(jù)立方體聚集
6.5.2 維歸約
6.5.3 數(shù)據(jù)壓縮
6.5.4 數(shù)值歸約
6.5.5 離散化和概念分層
本章小結(jié)
思考與練習(xí)
第7章 數(shù)據(jù)挖掘中的常用算法
7.1 Apriori算法
7.1.1 基本原理
7.1.2 Apriori算法的基本思想與分析
7.1.3 從頻繁項(xiàng)集產(chǎn)生關(guān)聯(lián)規(guī)則
7.2 決策樹(shù)算法
7.2.1 信息論的基本原理
7.2.2 ID3算法
7.2.3 樹(shù)剪枝
7.2.4 由決策樹(shù)提取分類(lèi)規(guī)則
7.3 神經(jīng)網(wǎng)絡(luò)算法
7.3.1 神經(jīng)網(wǎng)絡(luò)的基本原理
7.3.2 反向傳播模型
7.3.3 定義神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)
7.3.4 神經(jīng)網(wǎng)絡(luò)的工作過(guò)程
7.4 聚類(lèi)分析
7.4.1 聚類(lèi)分析的概念
7.4.2 聚類(lèi)分析中的數(shù)據(jù)類(lèi)型
7.4.3 幾種主要的聚類(lèi)分析方法
7.4.4 K means聚類(lèi)分析算法
本章小結(jié)
思考與練習(xí)
第8章 SQL Server數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘工具及其應(yīng)用
8.1 SQL Server 2005的功能構(gòu)架
8.2 SQL Server數(shù)據(jù)倉(cāng)庫(kù)設(shè)計(jì)與數(shù)據(jù)挖掘準(zhǔn)備
8.2.1 SQL Server數(shù)據(jù)倉(cāng)庫(kù)創(chuàng)建思路
8.2.2 SQL Server數(shù)據(jù)挖掘過(guò)程
8.2.3 案例數(shù)據(jù)準(zhǔn)備
8.3 SQL Server集成服務(wù)
8.3.1 SQL Server集成服務(wù)的作用
8.3.2 控制流
8.3.3 數(shù)據(jù)流
8.3.4 設(shè)計(jì)和使用ETL
8.4 SQL Server分析服務(wù)
8.4.1 創(chuàng)建Analysis Services項(xiàng)目
8.4.2 定義數(shù)據(jù)源
8.4.3 定義數(shù)據(jù)源視圖
8.4.4 用Analysis Services創(chuàng)建維與多維數(shù)據(jù)集
8.4.5 部署Analysis Services項(xiàng)目
8.5 SQL Server中的數(shù)據(jù)挖掘工具與應(yīng)用
8.6 SQL Server報(bào)表服務(wù)
8.6.1 創(chuàng)建報(bào)表
8.6.2 使用報(bào)表
本章小結(jié)
思考與練習(xí)
附錄A 一個(gè)簡(jiǎn)易的數(shù)據(jù)挖掘工具——Weka
參考文獻(xiàn)