數據倉庫與數據挖掘技術

第1章  數據倉庫導論
1.1  數據倉庫的發(fā)展及展望
1.1.1  從傳統(tǒng)數據庫到數據倉庫
1.1.2  數據倉庫的定義與基本特性
1.1.3  數據倉庫的幾個重要概念
1.1.4  數據倉庫的未來發(fā)展
1.2  數據倉庫的應用
1.2.1  數據倉庫的兩類用戶——信息的使用者與知識的挖掘者
1.2.2  信息使用者的數據倉庫應用
1.2.3  知識挖掘者的數據倉庫應用
1.3  數據倉庫總體結構
1.3.1  數據倉庫的總體參考框架
1.3.2  數據倉庫基本功能層
1.3.3  數據倉庫的管理層
1.3.4  數據倉庫的元數據管理層
1.3.5  數據倉庫的環(huán)境支持層
1.4  數據倉庫技術
本章小結
習題
第2章  Oracle的數據倉庫設計與使用
2.1  Oracle數據倉庫開發(fā)工具簡介
2.1.1  Oracle數據倉庫的技術基礎工具
2.1.2  Oracle數據倉庫的分析應用工具
2.1.3  Oracle數據倉庫創(chuàng)建工具
2.1.4  Oracle數據倉庫維護工具
2.2  Oracle數據倉庫創(chuàng)建
2.2.1  Oracle數據倉庫的創(chuàng)建
2.2.2  Oracle數據倉庫表空間的創(chuàng)建
2.2.3  Oracle數據倉庫表的創(chuàng)建
2.3  Oracle數據倉庫的維與立方創(chuàng)建
2.3.1  Oracle數據倉庫的維創(chuàng)建
2.3.2  Oracle數據倉庫的立方創(chuàng)建
2.4  Oracle數據倉庫的應用工具簡介
2.4.1  Oracle數據倉庫的OLAP應用
2.4.2  Oracle數據倉庫的數據挖掘應用
本章小結
習題
第3章  SQL Server的數據倉庫設計與使用
3.1  SQL Server數據倉庫開發(fā)工具及應用
3.2  SQL Server 的數據倉庫創(chuàng)建
3.2.1  創(chuàng)建數據庫
3.2.2  創(chuàng)建表
3.3  SQL Server中的數據倉庫訪問與操縱
3.3.1  Analysis Manager數據庫的創(chuàng)建與數據源的確定
3.3.2  用Analysis Services創(chuàng)建維
3.3.3  用Analysis Services創(chuàng)建多維數據集
3.3.4  用查詢分析器（Transact-SQL）訪問數據倉庫
3.3.5  用Microsoft English Query操縱數據倉庫
3.4  SQL Server中的數據提取與加載
3.4.1  SQL Server的數據復制工具與應用
3.4.2  DTS的數據導出工具（DTS Export Wizard）
3.4.3  DTS的數據導入工具（DTS Import Wizard）
3.4.4  DTS的數據轉換
3.5  SQL Server中的數據挖掘工具與應用
3.5.1  SQL Server中的數據挖掘工具
3.5.2  決策類數據挖掘工具的應用
3.5.3  聚類分析的數據挖掘工具應用
本章小結
習題
第4章  Delphi中的數據倉庫設計與使用
4.1  Delphi 簡介
4.1.1  Delphi的開發(fā)集成環(huán)境組成
4.1.2  Delphi的菜單欄與應用
4.1.3  Delphi的工具欄與應用
4.1.4  Delphi的組件板與應用
4.1.5  Delphi的對象檢查器與應用
4.1.6  Delphi的窗體與應用
4.1.7  Delphi的代碼編輯器與應用
4.1.8  Delphi應用程序的設計過程
4.2  Delphi中的數據倉庫組件
4.3  DecisionQuery組件
4.3.1  DecisionQuery組件的主要屬性
4.3.2  DecisionQuery組件的主要方法
4.3.3  DecisionQuery組件的主要事件
4.3.4  利用DecisionQuery組件選擇需要分析的數據維
4.3.5  利用DecisionQuery組件選擇數據的分析公式
4.4  DecisionCube與DecisionSource組件
4.4.1  DecisionCube組件的主要屬性
4.4.2  DecisionCube組件的主要方法
4.4.3  DecisionCube組件的主要事件
4.4.4  DecisionSource組件的主要屬性
4.4.5  DecisionSource組件的主要方法
4.4.6  DecisionSource組件的主要事件
4.5  DecisionPivot組件、DecisionGrid組件與DecisionGraph組件
4.5.1  DecisionPivot組件的主要屬性
4.5.2  DecisionPivot組件的主要方法
4.5.3  DecisionPivot組件的主要事件
4.5.4  DecisionGrid組件的主要屬性
4.5.5  DecisionGrid組件的主要方法
4.5.6  DecisionGrid組件的主要事件
4.5.7  DecisionGraph組件的主要屬性
4.5.8  DecisionGraph組件的主要方法
4.5.9  DecisionGraph組件的主要事件
本章小結
習題
案例4.1
第5章  數據倉庫開發(fā)模型
5.1  數據倉庫的各種數據模型
5.2  數據倉庫概念模型
5.2.1  概念數據模型
5.2.2  規(guī)范的數據模型
5.2.3  星型模型
5.2.4  雪花模型
5.3  中間層邏輯模型
5.4  物理數據模型
5.4.1  事實表模型設計
5.4.2  維模型設計
5.4.3  數據倉庫物理數據模型的性能問題
5.5  元數據模型
5.5.1  元數據的類型與組成
5.5.2  元數據在數據倉庫中的作用
5.5.3  元數據的收集
5.5.4  元數據的存儲、管理與維護
5.5.5  元數據的用戶與使用方法
5.5.6  元數據管理模型
5.6  數據倉庫的粒度模型
5.6.1  數據粒度的劃分
5.6.2  確定粒度的級別
本章小結
習題
第6章  數據倉庫開發(fā)應用的階段
6.1  數據倉庫的生命周期
6.1.1  數據倉庫的階段性
6.1.2  數據倉庫的螺旋式開發(fā)方法
6.1.3  數據倉庫的開發(fā)特點
6.2  數據倉庫的規(guī)劃
6.2.1  選擇數據倉庫實現策略
6.2.2  確定數據倉庫的開發(fā)目標和實現范圍
6.2.3  數據倉庫的結構
6.2.4  數據倉庫使用方案和項目規(guī)劃預算
6.3  數據倉庫的需求定義
6.3.1  定義業(yè)主的需求
6.3.2  定義設計者的需求
6.3.3  開發(fā)者的需求定義
6.3.4  最終用戶的需求定義
6.3.5  數據倉庫的數據模型設計
6.4  數據倉庫的設計和實施階段
6.4.1  數據倉庫的數據源確定以及與業(yè)務處理系統(tǒng)接口的設計
6.4.2  數據倉庫的體系結構與數據庫設計
6.4.3  數據倉庫的中間件設計
6.4.4  數據倉庫的數據抽取
6.4.5  數據倉庫的數據加載
6.4.6  數據倉庫數據的復制與發(fā)行
6.4.7  數據倉庫的測試
6.5  數據倉庫的使用、支持和增強階段
6.5.1  數據倉庫的用戶培訓及支持
6.5.2  數據倉庫的使用方式
6.5.3  數據倉庫使用中的數據刷新
6.5.4  數據倉庫的增強
本章小結
習題
第7章  數據倉庫的開發(fā)過程
7.1  數據倉庫的概念模型設計
7.1.1  概念模型的需求調查
7.1.2  概念模型的定義
7.1.3  概念模型的分析
7.1.4  概念模型的設計
7.1.5  概念模型文檔與評審
7.2  數據倉庫的邏輯模型設計
7.2.1  分析主題域
7.2.2  粒度層次的劃分
7.2.3  確定數據分割策略
7.2.4  關系模型定義
7.2.5  數據倉庫的實體定義
7.2.6  數據倉庫的數據抽取模型
7.2.7  邏輯模型的評審
7.3  數據倉庫物理模型的設計
7.3.1  數據倉庫設計的規(guī)范
7.3.2  確定數據結構的類型
7.3.3  確定索引策略
7.3.4  確定數據存放位置
7.3.5  確定存儲分配
7.3.6  數據倉庫物理模型的評審
7.4  數據倉庫的運行技術管理
7.4.1  數據加載的一些問題
7.4.2  故障恢復管理
7.4.3  訪問控制與安全管理
7.4.4  數據增長的管理
本章小結
習題
第8章  OLAP技術
8.1  OLAP技術基本概念
8.1.1  OLAP的發(fā)展
8.1.2  OLAP的特性
8.2  OLAP與多維分析
8.2.1  幾個基本概念
8.2.2  多維分析
8.2.3  維的層次關系
8.2.4  維的類關系
8.2.5  OLAP與數據倉庫關系
8.3  OLAP的實施
8.4  基于多維的OLAP
8.4.1  多維數據庫
8.4.2  多維數據庫的數據存儲
8.4.3  多維數據庫與數據倉庫
8.5  關系OLAP
8.5.1  ROLAP的三個規(guī)則
8.5.2  ROLAP的多維表示方法
8.6  OLAP的選擇與評價標準
8.6.1  MOLAP與ROLAP的比較
8.6.2  OLAP的衡量標準
8.6.3  OLAP服務器和工具的評價標準
本章小結
習題
第9章  數據挖掘技術導論
9.1  數據挖掘概述
9.1.1  數據挖掘的發(fā)展
9.1.2  數據挖掘的定義
9.1.3  數據挖掘與數據倉庫關系
9.2  數據挖掘技術與數據挖掘工具
9.2.1  常用數據挖掘技術
9.2.2  常用數據挖掘工具
9.2.3  數據挖掘工具的評價標準
9.2.4  常用數據挖掘工具的選擇
9.3  數據挖掘技術的應用過程
9.3.1  數據挖掘過程
9.3.2  數據挖掘的用戶
9.4  數據挖掘的應用范圍
9.4.1  客戶的細分應用
9.4.2  客戶盈利能力分析
9.4.3  客戶的獲取與保持分析
9.4.4  市場營銷中的應用
9.4.5  數據挖掘的其他應用
本章小結（282）
習題（283）
第10章  統(tǒng)計類數據挖掘技術
10.1  統(tǒng)計分析類數據挖掘技術
10.1.1  統(tǒng)計與統(tǒng)計類數據挖掘技術
10.1.2  數據的聚集與度量技術
10.1.3  柱狀圖數據挖掘技術
10.1.4  線性回歸數據挖掘技術
10.1.5  非線性回歸數據挖掘技術
10.1.6  聚類數據挖掘技術
10.1.7  最近鄰數據挖掘技術
10.2  統(tǒng)計分析類工具
10.2.1  統(tǒng)計類數據挖掘工具與商業(yè)分析員
10.2.2  統(tǒng)計類數據挖掘工具的功能
10.2.3  統(tǒng)計類數據挖掘工具——SPSS
10.3  統(tǒng)計分析類工具的用途
10.3.1  趨勢分析
10.3.2  時序分析
10.3.3  周期分析
10.4  統(tǒng)計分析類工具應用中的問題
10.4.1  統(tǒng)計類數據挖掘的預處理問題
10.4.2  統(tǒng)計分析遵循的基本原則
10.4.3  統(tǒng)計分析的步驟
10.4.4  統(tǒng)計類數據挖掘的性能問題
本章小結
習題
第11章  知識類數據挖掘技術
11.1  知識發(fā)現系統(tǒng)的一般結構
11.1.1  知識發(fā)現的定義
11.1.2  知識發(fā)現系統(tǒng)的結構
11.2  知識發(fā)現技術
11.2.1  規(guī)則型知識挖掘技術
11.2.2  神經網絡型知識挖掘技術
11.2.3  遺傳算法型知識挖掘技術
11.2.4  粗糙集型知識挖掘技術
11.3  知識發(fā)現技術的運用
11.3.1  關聯規(guī)則的應用
11.3.2  神經網絡的應用
11.3.3  遺傳算法的應用
11.3.4  粗糙集的應用
11.4  知識發(fā)現工具的應用
11.4.1  知識發(fā)現工具的系統(tǒng)結構
11.4.2  知識發(fā)現工具運用中的問題
11.4.3  知識發(fā)現的價值
11.4.4  知識類數據挖掘工具簡介
本章小結
習題
第12章  其他數據挖掘技術和工具
12.1  文本挖掘技術
12.1.1  信息檢索系統(tǒng)
12.1.2  文本分析和語義網絡
12.1.3  文本挖掘
12.2  Web挖掘技術
12.2.1  Web的特點
12.2.2  Web內容挖掘
12.2.3  Web結構挖掘
12.2.4  Web使用記錄的挖掘
12.2.5  Web數據挖掘的應用
12.3  分類分析技術
12.4  可視化數據挖掘技術
12.4.1  數據可視化技術
12.4.2  可視化數據挖掘技術
12.5  地理信息系統(tǒng)與空間數據挖掘
12.5.1  地理信息系統(tǒng)
12.5.2  空間數據挖掘
12.6  分布式數據挖掘
12.6.1  概述
12.6.2  適合水平式數據劃分的分布式挖掘方法
12.6.3  適合垂直式數據劃分的分布式挖掘方法
本章小結
習題
第13章  數據倉庫的應用與管理
13.1  數據倉庫在信息管理中的實際應用
13.1.1  分層決策體系
13.1.2  數據抽樣分析
13.1.3  發(fā)揮歷史數據的經濟效益
13.1.4  回扣分析
13.1.5  客戶關系管理
13.2  數據倉庫應用與數據挖掘中的法律問題
13.2.1  數據的隱私權問題
13.2.2  數據隱私權的處理
13.3  數據倉庫開發(fā)與應用的成本/效益分析
13.3.1  數據倉庫投資回報的定量分析
13.3.2  數據倉庫投資回報的定性分析
13.4  數據倉庫的開發(fā)與運行管理
13.4.1  數據倉庫開發(fā)與應用的組織結構
13.4.2  數據倉庫的項目開發(fā)管理
13.4.3  數據倉庫應用的階段性
13.4.4  數據倉庫的運行管理
13.4.5  數據倉庫的評價
本章小結
習題
參考文獻