基本信息

• 商品名稱：數據倉庫與數據挖掘教程(第2版高等院校信息管理與信息繫統專業繫列教材)
• 作者：陳文偉
• 代碼：33
• 出版社：清華大學
• ISBN號：9787302259138

其他參考信息

• 出版時間：2011-11-01
• 印刷時間：2013-01-01
• 版次：2
• 印次：2
• 開本：16開
• 包裝：平裝
• 頁數：304
• 字數：496千字

編輯推薦語

陳文偉編著的《數據倉庫與數據挖掘教程（第2版）》仍保留了按數據倉庫的形成過程來講述其內容的方式，即從數據庫到數據倉庫以及對比，從聯機事務處理OLTP到聯機分析處理OLAP以及對比，用它們的對比來突出數據倉庫決策支持的作用。按形成過程來講述，既有利於掌握它們的連貫性，又有利於掌握數據倉庫的新特點。 本書保留了依照數據挖掘的理論基礎來講述數據挖掘的方法：大家熟悉的決策樹方法實質上是利用信息論中計算信息量的公式來選擇屬性構造決策樹的結點；影響較大的粗糙集方法是典型的利用集合的覆蓋原理；關聯規則挖掘方法是對相關事務（項）的子集占整個集合的比例，大於閾值時建立關聯規則的；在集合論方法中增加了影響*大的K-均值聚類方法。讀者在懂得數據挖掘的方法的理論基礎後，能夠*好地掌握和使用這些方法。

內容提要

數據倉庫與數據挖掘是決策支持的兩項重要技術 ，它們共同的特點是都需要利用大量的數據資源，並 從數據資源中提取信息和知識。由於數據資源豐富， 因此數據倉庫與數據挖掘的決策支持效果顯著。
     陳文偉編著的《數據倉庫與數據挖掘教程（第2 版）》繫統介紹數據倉庫原理，聯機分析處理，數據 倉庫設計與開發，數據倉庫的決策支持，數據挖掘原 理，基於信息論的決策樹方法，基於集合論的粗糙集 方法、K-均值聚類、關聯規則挖掘，仿生物技術的神 經網絡，遺傳算法，公式發現，知識挖掘，文本挖掘 與Web挖掘。
     《數據倉庫與數據挖掘教程（第2版）》從數據 倉庫的興起來說明決策支持的特點，從數據挖掘的理 論基礎來說明數據挖掘的方法，並通過實例來詳細講 解。希望讀者在學習之後，親自在計算機上去實踐， 這樣纔能*有效地掌握數據挖掘的方法。
    

目錄

**章 數據倉庫與數據挖掘概述1
1.1 數據倉庫的興起1
1.1.1 從數據庫到數據倉庫1
1.1.2 從OLTP到OLAP3
1.1.3 數據數據4
1.1.4 數據倉庫的定義與特點6
1.2 數據挖掘的興起7
1.2.1 從機器學習到數據挖掘7
1.2.2 數據挖掘含義8
1.2.3 數據挖掘與OLAP的比較8
1.2.4 數據挖掘與統計學9
1.3 數據倉庫和數據挖掘的結合11
1.3.1 數據倉庫和數據挖掘的區別與聯繫11
1.3.2 基於數據倉庫的決策支持繫統13
1.3.3 數據倉庫與商業智能14
習題116
第2章 數據倉庫原理18
2.1 數據倉庫結構體繫18
2.1.1 數據倉庫結構18
2.1.2 數據集市及其結構19
2.1.3 數據倉庫繫統結構22
2.1.4 數據倉庫的運行結構24
2.2 數據倉庫數據模型24
2.2.1 星型模型25
2.2.2 雪花模型25
2.2.3 星網模型26
2.2.4 第三範式27
2.3 數據抽取、轉換和裝載28
2.3.1 數據抽取28
2.3.2 數據轉換29
2.3.3 數據裝載31
2.3.4 ETL工具32
2數據33
2.4數據的重要性33
2.4.2 關於數數據34
2.4.3 關於數據數據35
2.4.4 關於數據倉庫數據35
2.4.5 關於數據倉庫數據37
習題237
第3章 聯機分析處理39
3.1 OLAP概念39
3.1.1 OLAP的定義39
3.1.2 OLAP準則40
3.1.3 OLAP的基本概念43
3.2 OLAP的數據模型44
3.2.1 MOLAP數據模型44
3.2.2 ROLAP數據模型46
3.2.3 MOLAP與ROLAP的比較46
3.2.4 HOLAP數據模型49
3.3 多維數據的顯示49
3.3.1 多維數據顯示方法49
3.3.2 多維類型結構50
3.3.3 多維數據的分析視圖50
3.4 OALP的多維數據分析52
3.4.1 多維數據分析的基本操作52
3.4.2 多維數據分析實例54
3.4.3 廣義OLAP功能56
3.4.4 數據立方體58
3.4.5 多維數據分析的MDX語言及其應用62
習題3 65
第4章 數據倉庫設計與開發67
4.1 數據倉庫分析與設計67
4.1.1 需求分析67
4.1.2 概念模型設計68
4.1.3 邏輯模型設計69
4.1.4 物理模型設計75
4.1.5 數據倉庫的索引技術77
4.2 數據倉庫開發81
4.2.1 數據倉庫開發過程81
4.2.2 數據質量與數據清洗87
4.2.3 數據粒度與維度建模88
4.3 數據倉庫技術與開發的困難90
4.3.1 數據倉庫技術90
4.3.2 數據倉庫開發的困難93
習題494
第5章 數據倉庫的決策支持96
5.1 數據倉庫的用戶96
5.1.1 數據倉庫的信息使用者96
5.1.2 數據倉庫的探索者98
5.2 數據倉庫的決策支持與決策支持繫統99
5.2.1 查詢與報表100
5.2.2 多維分析與原因分析101
5.2.3 預測未來102
5.2.4 實時決策103
5.2.5 自動決策104
5.2.6 決策支持繫統104
5.3 數據倉庫應用實例105
5.3.1 航空公司數據倉庫決策支持繫統簡例105
5.3.2 統計業數據倉庫繫統109
5.3.3 沃爾瑪數據倉庫繫統112
習題5114
第6章 數據挖掘原理116
6.1 數據挖掘綜述116
6.1.1 數據挖掘與知識發現116
6.1.2 數據挖掘對像117
6.1.3 數據挖掘任務119
6.1.4 數據挖掘分類122
6.1.5 不完全數據處理123
6.1.6 數據庫的數據濃縮124
6.2 數據挖掘方法和技術127
6.2.1 歸納學習的信息論方法127
6.2.2 歸納學習的集合論方法128
6.2.3 仿生物技術的神經網絡方法129
6.2.4 仿生物技術的遺傳算法129
6.2.5 數值數據的公式發現130
6.2.6 可視化技術130
6.3 數據挖掘的知識表示131
6.3.1 規則知識131
6.3.2 決策樹知識131
6.3.3 知識基（濃縮數據）132
6.3.4 神經網絡權值132
6.3.5 公式知識133
6.3.6 案例133
習題6133
第7章 信息論方法135
7.1 信息論原理135
7.1.1 信道模型和學習信道模型136
7.1.2 信息熵與條件熵136
7.1.3 互信息與信息增益137
7.1.4 信道容量與譯碼準則138
7.2 決策樹方法139
7.2.1 決策樹概念139
7.2.2 ID3方法基本思想140
7.2.3 ID3算法141
7.2.4 實例與討論142
7.2.5 C4.5方法144
7.3 決策規則樹方法147
7.3.1 IBLE方法基本思想147
7.3.2 IBLE算法149
7.3.3 IBLE方法實例151
習題7157
第8章 集合論方法159
8.1 粗糙集方法159
8.1.1 粗糙集概念159
8.1.2 屬性約簡的粗糙集理論162
8.1.3 屬性約簡的粗糙集方法165
8.1.4 粗糙集方法的規則獲取166
8.1.5 粗糙集方法的應用實例166
8.2 K-均值聚類169
8.2.1 聚類方法簡介169
8.2.2 K-均值聚類方法與實例171
8.3 關聯規則挖掘172
8.3.1 關聯規則的挖掘原理173
8.3.2 Apriori算法基本思想176
8.3.3 Apriori算法程序179
8.3.4 基於FP-tree的關聯規則挖掘算法180
習題8184
第9章 神經網絡186
9.1 神經網絡概念與感知機186
9.1.1 神經網絡原理186
9.1.2 感知機網絡187
9.1.3 感知機實例與討論190
9.2 反向傳播網絡191
9.2.1 反向傳播網絡結構191
9.2.2 BP網絡學習公式推導191
9.2.3 BP網絡的典型實例196
9.3 徑向基函數網絡197
9.3.1 徑向基函數RBF網絡原理197
9.3.2 RBF網絡算法與分析198
9.4 神經網絡的幾何意義199
9.4.1 神經網絡的超平面含義199
9.4.2 異或問題的實例分析202
習題9204
**0章 遺傳算法與進化計算206
10.1 遺傳算法206
10.1.1 遺傳算法基本原理206
10.1.2 遺傳算子208
10.1.3 遺傳算法簡例212
10.1.4 遺傳算法的特點214
10.2 基於遺傳算法的分類學習繫統215
10.2.1 概述215
10.2.2 遺傳分類學習繫統GCLS的基本原理216
10.2.3 遺傳分類學習繫統GCLS的應用220
10.3 進化計算221
10.3.1 進化計算概述221
10.3.2 進化策略與進化規劃222
10.3.3 進化計算小結224
習題10226
**1章 公式發現227
11.1 公式發現概述227
11.1.1 曲線擬合與發現學習227
11.1.2 啟發式與數據驅動啟發式229
11.2 科學定律重新發現繫統230
11.2.1 BACON繫統基本原理230
11.2.2 BACON繫統實例231
11.2.3 BACON繫統的進展234
11.3 經驗公式發現繫統235
11.3.1 FDD繫統基本原理235
11.3.2 FDD.1繫統237
11.3.3 FDD.2繫統242
11.3.4 FDD.3繫統245
習題11249
**2章 知識挖掘251
12.1 變換規則的知識挖掘251
12.1.1 適應變化環境的變換和變換規則251
12.1.2 變換規則的知識挖掘的理論基礎253
12.1.3 變換規則的知識推理255
12.1.4 變換規則鏈的知識挖掘257
12.1.5 適應變化環境的變知識260
12.2 軟件進化規律的知識挖掘264
12.2.1 數值計算的進化264
12.2.2 計算機程序的進化269
12.2.3 數據存儲的進化271
12.2.4 知識處理的進化274
12.2.5 進化規律的知識挖掘276
習題12280
**3章 文本挖掘與Web挖掘281
13.1 文本挖掘概述281
13.1.1 文本挖掘的基本概念281
13.1.2 文本特征的表示282
13.1.3 文本特征的提取283
13.2 文本挖掘284
13.2.1 文本挖掘功能層次284
13.2.2 文本關聯分析285
13.2.3 文本聚類285
13.2.4 文本分類286
13.3 Web挖掘287
13.3.1 Web挖掘概述287
13.3.2 Web內容挖掘290
13.3.3 Web結構挖掘291
13.3.4 Web應用（訪問信息）挖掘293
13.3.5 Web日志分析與實例295
習題13300
參考文獻302