數據倉庫與數據挖掘（計算機科學與技術學科研究生教材）
定 價：¥39
中 教 價：¥30.03 (7.70折）
庫 存 數： 0
科技的進步，特別是信息產業的發展，把整個社會帶入一個嶄新的信息時代。隨著計算機應用的普及和數據庫技術的不斷發展，數據倉庫與數據挖掘技術的應用領域越來越廣泛。 《數據倉庫與數據挖掘》第1章介紹數據倉庫、數據挖掘的一般知識和應用領域。第2～8章介紹數據倉庫和數據挖掘的理論和技術，其中第2、3章側重數據倉庫，重點闡述了數據倉庫的架構、olap等內容，第4～8章側重數據挖掘，重點闡述了關聯規則、粗糙集、決策樹、聚類分析和興趣度量等內容。第9章給出了數據倉庫與數據挖掘方面的應用案例。 《數據倉庫與數據挖掘》是為軟件工程碩士量身定做的教材，也可作為計算機專業、信息類專業、管理類專業相關課程的教材和教學參考書。
《數據倉庫與數據挖掘》前言教學建議第1章緒論1.1引言1.2數據倉庫1.2.1從數據庫到數據倉庫1.2.2數據倉庫的基本概念1.2.3數據倉庫的體系結構1.3數據挖掘1.3.1 kdd與數據挖掘1.3.2數據庫與數據挖掘發展歷程1.3.3數據挖掘的特征與對象1.3.4數據挖掘相關領域1.4數據倉庫與數據挖掘的關系1.5應用前景與發展趨勢本章小結習題第2章聯機分析處理2.1引言2.2 olap的定義2.3 olap的相關概念2.4 olap與oltp的關系和比較2.5 olap準則2.6多維數據分析方法2.7關系數據的組織2.8多維數據的存儲方式2.9 olap體系結構2.10 olap的展現方式2.11 olap工具的評價指標2.12 olap的局限性本章小結習題第3章數據倉庫的設計與開發3.1引言3.2數據倉庫的數據模型概述3.3數據倉庫的分析與設計3.3.1需求分析3.3.2概念模型設計3.3.3邏輯模型設計3.3.4物理模型設計3.3.5數據倉庫的索引技術3.4數據倉庫的開發3.4.1風險因素3.4.2數據倉庫系統的生命周期3.4.3建立數據倉庫系統的思維模式3.4.4數據倉庫數據庫的設計步驟3.4.5數據質量與數據清洗3.4.6數據粒度與維度建模3.4.7選擇數據倉庫工具3.4.8提高數據倉庫性能3.4.9數據倉庫的安全性3.5主要的數據倉庫產品本章小結習題第4章關聯規則4.1引言4.2關聯規則模型4.3 apriori算法4.3.1發現頻繁項集4.3.2生成關聯規則4.4頻繁模式增長算法4.4.1建樹方法4.4.2用fp樹挖掘頻繁模式4.5關聯規則模型擴展4.5.1多級關聯規則4.5.2多維關聯規則本章小結習題第5章粗糙集5.1引言5.2近似空間5.2.1近似空間與不可分辨關系5.2.2知識與知識庫5.3近似與粗糙集5.3.1基本概念5.3.2基本性質5.4描述粗糙集的特征的方法5.4.1近似精度5.4.2拓撲特征5.5信息系統5.5.1信息系統的定義5.5.2約簡和核5.5.3分辨矩陣與分辨函數5.5.4信息系統約簡5.6決策表5.6.1相對約簡與知識依賴性5.6.2決策表及其約簡5.6.3近似約簡算法5.6.4決策規則本章小結習題第6章決策樹6.1引言6.2構建決策樹的理論問題6.2.1為當前結點選擇屬性6.2.2過擬合問題6.3 id3算法6.3.1生成決策樹的算法6.3.2生成規則和決策6.4決策樹的剪枝6.4.1預剪枝6.4.2后剪枝6.5 c4.5算法本章小結習題6第7章聚類分析7.1引言7.2聚類分析簡介7.2.1聚類分析7.2.2聚類分析應用領域與算法特征7.3數據類型、距離和相似系數7.3.1數據類型7.3.2距離和相似系數7.4聚類方法與聚類分類7.4.1聚類方法7.4.2聚類方法的分類7.5劃分方法7.5.1 k-均值算法7.5.2 k-中心點算法7.5.3關于參數k7.5.4 em聚類7.6層次方法7.6.1層次聚類中的距離度量7.6.2分裂方法7.6.3凝聚方法7.7基于密度的方法7.7.1 dbscan算法7.7.2矢量感應聚類算法7.8聚類評估7.8.1假設檢驗7.8.2聚類評估中的假設檢驗7.8.3相對準則本章小結習題7第8章興趣度量8.1引言8.2用于關聯規則和分類規則的度量8.2.1客觀度量8.2.2主觀度量8.2.3語義度量8.3用于總結的度量8.4分類器的興趣度本章小結習題8第9章應用案例9.1數據倉庫應用案例9.1.1案例一：網絡購物數據倉庫9.1.2案例二：社會保障卡數據倉庫9.1.3案例三:醫院信息系統數據倉庫9.2數據挖掘應用案例9.2.1案例一：零售商系統貨籃數據挖掘9.2.2案例二：通信用戶滿意度指數評測9.2.3案例三:城市環境質量評價本章小結參考文獻
新書資訊 新書推薦