數(shù)據(jù)倉庫與數(shù)據(jù)挖掘（第二版）

定　價：￥39.00

作　者：	陳志泊，韓慧，王建新，孫俏，聶耿青著
出版社：	清華大學出版社
叢編項：	21世紀高等學校計算機專業(yè)核心課程規(guī)劃教材
標　簽：	工學教材研究生/本科/?？平滩?/td>

購買這本書可以去

ISBN：	9787302483991	出版時間：	2017-09-01	包裝：	平裝
開本：	16開	頁數(shù)：	250	字數(shù)：

內容簡介

　　本書主要介紹數(shù)據(jù)倉庫和數(shù)據(jù)挖掘技術的基本原理和應用方法。全書共分為12章，主要內容包括數(shù)據(jù)倉庫的概念和體系結構、數(shù)據(jù)倉庫的數(shù)據(jù)存儲和處理、數(shù)據(jù)倉庫系統(tǒng)的設計與開發(fā)、關聯(lián)規(guī)則、數(shù)據(jù)分類、數(shù)據(jù)聚類、貝葉斯網(wǎng)絡、粗糙集、神經網(wǎng)絡、遺傳算法、統(tǒng)計分析、文本和Web挖掘。本書既重視理論知識的講解，又強調應用技能的培養(yǎng)。每章首先介紹算法的主要思想和理論基礎，之后利用算法去解決實例中給出的任務，而且對于數(shù)據(jù)倉庫的組建方法和多數(shù)章節(jié)中的數(shù)據(jù)挖掘算法，書中都使用Microsoft SQL Server 2005進行了操作實現(xiàn)。通過對具體實例的學習和實踐，使讀者掌握數(shù)據(jù)倉庫和數(shù)據(jù)挖掘中必要的知識點，達到學以致用的目的。本書每章均配有習題，習題形式為選擇題、簡答題和操作題，可以幫助讀者進一步掌握和鞏固所學知識。此外，本書提供多媒體教學課件和習題參考答案，讀者可到清華大學出版社網(wǎng)站http：//www.tup.com.cn/下載。本書可以作為高等學校計算機及相關專業(yè)本科、研究生的數(shù)據(jù)倉庫和數(shù)據(jù)挖掘教材，也可供相關領域的廣大科技工作人員和高校師生參考。

作者簡介

暫缺《數(shù)據(jù)倉庫與數(shù)據(jù)挖掘（第二版）》作者簡介

圖書目錄

第1章數(shù)據(jù)倉庫的概念與體系結構
1.1數(shù)據(jù)倉庫的概念、特點與組成
1.1.1數(shù)據(jù)倉庫的特點
1.1.2數(shù)據(jù)倉庫的組成
1.2數(shù)據(jù)挖掘的概念與方法
1.2.1數(shù)據(jù)挖掘的分析方法
1.2.2數(shù)據(jù)倉庫與數(shù)據(jù)挖掘的關系
1.3數(shù)據(jù)倉庫的技術、方法與產品
1.3.1OLAP技術
1.3.2數(shù)據(jù)倉庫實施的關鍵環(huán)節(jié)和技術
1.3.3數(shù)據(jù)倉庫實施方法論
1.3.4常用的數(shù)據(jù)倉庫產品
1.4數(shù)據(jù)倉庫系統(tǒng)的體系結構
1.4.1獨立的數(shù)據(jù)倉庫體系結構
1.4.2基于獨立數(shù)據(jù)集市的數(shù)據(jù)倉庫體系結構
1.4.3基于依賴型數(shù)據(jù)集市和操作型數(shù)據(jù)存儲的數(shù)據(jù)倉庫
體系結構
1.4.4基于邏輯型數(shù)據(jù)集市和實時數(shù)據(jù)倉庫的體系結構
1.5數(shù)據(jù)倉庫的產生、發(fā)展與未來
1.5.1數(shù)據(jù)倉庫的產生
1.5.2數(shù)據(jù)倉庫的發(fā)展
1.5.3數(shù)據(jù)倉庫的未來
1.5.4新一代數(shù)據(jù)倉庫技術
1.6小結
1.7習題
第2章數(shù)據(jù)倉庫的數(shù)據(jù)存儲與處理
2.1數(shù)據(jù)倉庫的數(shù)據(jù)結構
2.2數(shù)據(jù)倉庫的數(shù)據(jù)特征
2.2.1狀態(tài)數(shù)據(jù)與事件數(shù)據(jù)
2.2.2當前數(shù)據(jù)與周期數(shù)據(jù)
2.2.3元數(shù)據(jù)
2.3數(shù)據(jù)倉庫的數(shù)據(jù)ETL過程
2.3.1ETL的目標
2.3.2ETL過程描述
2.3.3數(shù)據(jù)抽取
2.3.4數(shù)據(jù)清洗
2.3.5數(shù)據(jù)轉換
2.3.6數(shù)據(jù)加載和索引
2.4多維數(shù)據(jù)模型
2.4.1多維數(shù)據(jù)模型及其相關概念
2.4.2多維數(shù)據(jù)模型的實現(xiàn)
2.4.3多維建模技術
2.4.4星型模式舉例
2.5小結
2.6習題
第3章數(shù)據(jù)倉庫系統(tǒng)的設計與開發(fā)
3.1數(shù)據(jù)倉庫系統(tǒng)的設計與開發(fā)概述
3.1.1建立數(shù)據(jù)倉庫系統(tǒng)的步驟
3.1.2數(shù)據(jù)倉庫系統(tǒng)的生命周期
3.1.3建立數(shù)據(jù)倉庫系統(tǒng)的思維模式
3.1.4數(shù)據(jù)倉庫數(shù)據(jù)庫的設計步驟
3.2基于SQLServer2005的數(shù)據(jù)倉庫數(shù)據(jù)庫設計
3.2.1分析組織的業(yè)務狀況及數(shù)據(jù)源結構
3.2.2組織需求調研，收集分析需求
3.2.3采用信息包圖法設計數(shù)據(jù)倉庫的概念模型
3.2.4利用星型圖設計數(shù)據(jù)倉庫的邏輯模型
3.2.5數(shù)據(jù)倉庫的物理模型設計
3.3使用SQLServer2005建立多維數(shù)據(jù)模型
3.3.1SQLServer2005示例數(shù)據(jù)倉庫環(huán)境的配置與使用
3.3.2基于SQLServer2005示例數(shù)據(jù)庫的多維數(shù)據(jù)模型
3.4小結
3.5習題
第4章關聯(lián)規(guī)則
4.1概述
4.2引例
4.3經典算法
4.3.1Apriori算法
4.3.2FPgrowth算法
4.4相關研究與應用
4.4.1分類
4.4.2SQLServer2005中的關聯(lián)規(guī)則應用
4.5小結
4.6習題
第5章數(shù)據(jù)分類
5.1引例
5.2分類問題概述
5.2.1分類的過程
5.2.2分類的評價準則
5.3決策樹
5.3.1決策樹的基本概念
5.3.2決策樹算法ID3
5.3.3ID3算法應用舉例
5.3.4決策樹算法C4.5
5.3.5SQLServer2005中的決策樹應用
5.3.6決策樹剪枝
5.4支持向量機
5.5近鄰分類方法
5.5.1最近鄰分類方法
5.5.2k近鄰分類方法
5.5.3近鄰分類方法應用舉例
5.6小結
5.7習題
第6章數(shù)據(jù)聚類
6.1引例
6.2聚類分析概述
6.3聚類分析中相似度的計算方法
6.3.1連續(xù)型屬性的相似度計算方法
6.3.2二值離散型屬性的相似度計算方法
6.3.3多值離散型屬性的相似度計算方法
6.3.4混合類型屬性的相似度計算方法
6.4Kmeans聚類算法
6.4.1Kmeans聚類算法的基本概念
6.4.2SQLserver2005中的Kmeans應用
6.5層次聚類方法
6.5.1層次聚類方法的基本概念
6.5.2層次聚類方法應用舉例
6.6小結
6.7習題
第7章貝葉斯網(wǎng)絡
7.1引例
7.2貝葉斯概率基礎
7.2.1先驗概率、后驗概率和條件概率
7.2.2條件概率公式
7.2.3全概率公式
7.2.4貝葉斯公式
7.3貝葉斯網(wǎng)絡概述
7.3.1貝葉斯網(wǎng)絡的組成和結構
7.3.2貝葉斯網(wǎng)絡的優(yōu)越性
7.3.3貝葉斯網(wǎng)絡的三個主要議題
7.4貝葉斯網(wǎng)絡的預測、診斷和訓練算法
7.4.1概率和條件概率數(shù)據(jù)
7.4.2貝葉斯網(wǎng)絡的預測算法
7.4.3貝葉斯網(wǎng)絡的診斷算法
7.4.4貝葉斯網(wǎng)絡預測和診斷的綜合算法
7.4.5貝葉斯網(wǎng)絡的建立和訓練算法
7.5SQLServer2005中的貝葉斯網(wǎng)絡應用
7.6小結
7.7習題
第8章粗糙集
8.1引例
8.2分類與知識
8.2.1等價關系和等價類
8.2.2分類
8.3粗糙集
8.3.1分類的運算
8.3.2分類的表達能力
8.3.3上近似集和下近似集
8.3.4正域、負域和邊界
8.3.5粗糙集應用舉例
8.3.6粗糙集的性質
8.4辨識知識的簡化
8.4.1集合近似精度的度量
8.4.2分類近似的度量
8.4.3等價關系的可省略、獨立和核
8.4.4等價關系簡化舉例
8.4.5知識的相對簡化
8.4.6知識的相對簡化舉例
8.5決策規(guī)則簡化
8.5.1知識依賴性的度量
8.5.2簡化決策規(guī)則
8.5.3可辨識矩陣
8.6小結
8.7習題
第9章神經網(wǎng)絡
9.1引例
9.2人工神經網(wǎng)絡
9.2.1人工神經網(wǎng)絡概述
9.2.2神經元模型
9.2.3網(wǎng)絡結構
9.3BP算法
9.3.1網(wǎng)絡結構和數(shù)據(jù)示例
9.3.2有序導數(shù)
9.3.3計算誤差信號對參數(shù)的有序導數(shù)
9.3.4梯度下降
9.3.5BP算法描述
9.4SQLServer2005中的神經網(wǎng)絡應用
9.5小結
9.6習題
第10章遺傳算法
10.1概述
10.2相關概念
10.3基本步驟
10.3.1概述
10.3.2引例
10.4算法設計
10.4.1編碼方式
10.4.2種群規(guī)模
10.4.3適應度函數(shù)
10.4.4遺傳算子
10.4.5終止條件
10.5相關研究與應用
10.6小結
10.7習題
第11章統(tǒng)計分析
11.1線性回歸模型
11.1.1線性回歸模型的參數(shù)估計
11.1.2線性回歸方程的判定系數(shù)
11.1.3線性回歸方程的檢驗
11.1.4統(tǒng)計軟件中的線性回歸分析
11.1.5SQLServer2005中的線性回歸應用
11.2Logistic回歸模型
11.2.1Logistic回歸模型的參數(shù)估計
11.2.2統(tǒng)計軟件中Logistic回歸的結果分析
11.2.3SQLServer2005中的Logistic回歸應用
11.3時間序列模型
11.3.1ARIMA模型
11.3.2建立ARIMA模型的步驟
11.3.3使用統(tǒng)計軟件估計ARIMA模型
11.3.4SQLServer2005中的時間序列分析
11.4小結
11.5習題
第12章文本和Web挖掘
12.1引例
12.2文本挖掘
12.2.1文本信息檢索概述
12.2.2基于關鍵字的關聯(lián)分析
12.2.3文檔自動聚類
12.2.4自動文檔分類
12.2.5自動摘要
12.3Web挖掘
12.3.1Web內容挖掘
12.3.2Web結構挖掘
12.3.3Web使用挖掘
12.4小結
12.5習題
參考文獻