基本信息

• 商品名稱：數據倉庫與數據挖掘(計算機科學與技術學科研究生教材)
• 作者：李雄飛//杜欽生//吳昊
• 代碼：39
• 出版社：機械工業
• ISBN號：9787111436751

其他參考信息

• 出版時間：2013-10-01
• 印刷時間：2013-10-01
• 版次：1
• 印次：1
• 開本：16開
• 包裝：平裝
• 頁數：222

編輯推薦語

李雄飛等編的《數據倉庫與數據挖掘(計算機科學與技術學科研究生教材)》注重內容的科學性、技術性和工程性。基本原理部分盡量做到嚴謹、完整。技術實現和技巧性上力求經典、特征突出。在工程方面節選部分成功案例，期望以點帶面。在教學過程中可以根據學時數、專業特點、課程性質等對教學內容適當取舍。

內容提要

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。
     李雄飛等編的《數據倉庫與數據挖掘(計算機科 學與技術學科研究生教材)》**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(計算機科學與技術學科 研究生教材)》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。
    

目錄

前 言
教學建議
**章 緒論1
1.1 引言1
1.2 數據倉庫2
1.2.1 從數據庫到數據倉庫4
1.2.2 數據倉庫的基本概念6
1.2.3 數據倉庫的體繫結構7
1.3 數據挖掘8
1.3.1 KDD與數據挖掘9
1.3.2 數據庫與數據挖掘發展歷程11
1.3.3 數據挖掘的特征與對像12
1.3.4 數據挖掘相關領域17
1.4 數據倉庫與數據挖掘的關繫18
1.5 應用前景與發展趨勢18
本章小結19
習題120
第2章 聯機分析處理21
2.1 引言21
2.2 OLAP的定義21
2.3 OLAP的相關概念22
2.4 OLAP與OLTP的關繫和比較23
2.5 OLAP準則25
2.6 多維數據分析方法25
2.7 關繫數據的組織27
2.8 多維數據的存儲方式30
2.9 OLAP體繫結構32
2.10 OLAP的展現方式34
2.11 OLAP工具的評價指標35
2.12 OLAP的局限性36
本章小結37
習題237
第3章 數據倉庫的設計與開發39
3.1 引言39
3.2 數據倉庫的數據模型概述39
3.3 數據倉庫的分析與設計41
3.3.1 需求分析41
3.3.2 概念模型設計41
3.3.3 邏輯模型設計42
3.3.4 物理模型設計46
3.3.5 數據倉庫的索引技術47
3.4 數據倉庫的開發49
3.4.1 風險因素49
3.4.2 數據倉庫繫統的生命周期49
3.4.3 建立數據倉庫繫統的思維模式52
3.4.4 數據倉庫數據庫的設計步驟53
3.4.5 數據質量與數據清洗53
3.4.6 數據粒度與維度建模54
3.4.7 選擇數據倉庫工具55
3.4.8 提高數據倉庫性能55
3.4.9 數據倉庫的安全性56
3.5 主要的數據倉庫產品57
本章小結58
習題358
第4章 關聯規則60
4.1 引言60
4.2 關聯規則模型61
4.3 Apriori算法62
4.3.1 發現頻繁項集62
4.3.2 生成關聯規則67
4.4 頻繁模式增長算法76
4.4.1 建樹方法77
4.4.2 用FP樹挖掘頻繁模式78
4.5 關聯規則模型擴展80
4.5.1 多級關聯規則81
4.5.2 多維關聯規則83
本章小結86
習題486
第5章 粗糙集88
5.1 引言88
5.2 近似空間89
5.2.1 近似空間與不可分辨關繫89
5.2.2 知識與知識庫90
5.3 近似與粗糙集91
5.3.1 基本概念91
5.3.2 基本性質93
5.4 描述粗糙集的特征的方法95
5.4.1 近似精度95
5.4.2 拓撲特征96
5.5 信息繫統97
5.5.1 信息繫統的定義97
5.5.2 約簡和核99
5.5.3 分辨矩陣與分辨函數100
5.5.4 信息繫統約簡101
5.6 決策表103
5.6.1 相對約簡與知識依賴性103
5.6.2 決策表及其約簡105
5.6.3 近似約簡算法110
5.6.4 決策規則111
本章小結112
習題5113
第6章 決策樹115
6.1 引言115
6.2 構建決策樹的理論問題116
6.2.1 為當前結點選擇屬性117
6.2.2 過擬合問題120
6.3 ID3算法123
6.3.1 生成決策樹的算法123
6.3.2 生成規則和決策127
6.4 決策樹的剪枝129
6.4.1 預剪枝129
6.4.2 後剪枝130
6.5 C4.5算法133
本章小結135
習題6136
第7章 聚類分析137
7.1 引言137
7.2 聚類分析簡介137
7.2.1 聚類分析137
7.2.2 聚類分析應用領域與算法特征137
7.3 數據類型、距離和相似繫數140
7.3.1 數據類型140
7.3.2 距離和相似繫數141
7.4 聚類方法與聚類分類145
7.4.1 聚類方法145
7.4.2 聚類方法的分類146
7.5 劃分方法147
7.5.1 k-均值算法148
7.5.2 k-中心點算法149
7.5.3 關於參數K151
7.5.4 EM聚類152
7.6 層次方法156
7.6.1 層次聚類中的距離度量156
7.6.2 分裂方法157
7.6.3 凝聚方法157
7.7 基於密度的方法158
7.7.1 DBSCAN算法158
7.7.2 矢量感應聚類算法160
7.8 聚類評估163
7.8.1 假設檢驗164
7.8.2 聚類評估中的假設檢驗166
7.8.3 相對準則169
本章小結169
習題7169
第8章 興趣度量171
8.1 引言171
8.2 用於關聯規則和分類規則的度量173
8.2.1 客觀度量174
8.2.2 主觀度量181
8.2.3 語義度量184
8.3 用於總結的度量186
8.4 分類器的興趣度189
本章小結192
習題8192
第9章 應用案例194
9.1 數據倉庫應用案例194
9.1.1 案例一：網絡購物數據倉庫194
9.1.2 案例二：社會保障卡數據倉庫197
9.1.3 案例三:醫院信息繫統數據倉庫202
9.2 數據挖掘應用案例207
9.2.1 案例一：零售商繫統貨籃數據挖掘207
9.2.2 案例二：通信用戶滿意度指數評測212
9.2.3 案例三:城市環境質量評價217
本章小結220
參考文獻221