數(shù)據(jù)倉庫與數(shù)據(jù)挖掘技術(shù)

第1章  數(shù)據(jù)倉庫與數(shù)據(jù)挖掘概述
  1．1  數(shù)據(jù)倉庫引論
  1．1．1  為什么要建立數(shù)據(jù)倉庫
  1．2  什么是數(shù)據(jù)倉庫
  1．3  數(shù)據(jù)倉庫的特點
  1．1．4  數(shù)據(jù)進入數(shù)據(jù)倉庫的基本過程與建立數(shù)據(jù)倉庫的步驟
  1．1．5  分析數(shù)據(jù)倉庫的內(nèi)容
  1．2  數(shù)據(jù)挖掘引論
  1．2．1  為什么要進行數(shù)據(jù)挖掘
  2．2  什么是數(shù)據(jù)挖掘
  1．2．3  數(shù)據(jù)挖掘的特點
  1．2．4  數(shù)據(jù)挖掘的基本過程與步驟
  1．2．5  分析數(shù)據(jù)挖掘的內(nèi)容
  1．3  數(shù)據(jù)挖掘與數(shù)據(jù)倉庫的關(guān)系
  1．4  數(shù)據(jù)倉庫與數(shù)據(jù)挖掘的應(yīng)用
  1．4．1  數(shù)據(jù)挖掘在零售業(yè)的應(yīng)用
  1．4，2  數(shù)據(jù)挖掘在商業(yè)銀行中的應(yīng)用
  1．4．3  數(shù)據(jù)挖掘在電信部門的應(yīng)用
  1．4．4  數(shù)據(jù)挖掘在貝斯出口公司的應(yīng)用
  1．4．5  數(shù)據(jù)挖掘如何預測信用卡欺詐
  1．4．6  數(shù)據(jù)挖掘在證券行業(yè)的應(yīng)用
  思考練習題
第2章  數(shù)據(jù)倉庫的分析
  2．1  影響數(shù)據(jù)倉庫成功的因素
  2．2  數(shù)據(jù)倉庫的生命周期
  2．2．1  數(shù)據(jù)倉庫計劃與準備階段
  2．2．2  數(shù)據(jù)倉庫的其他階段
  2．3  數(shù)據(jù)倉庫的基本體系結(jié)構(gòu)
  2．4  數(shù)據(jù)倉庫的邏輯結(jié)構(gòu)
  2．4．1  數(shù)據(jù)倉庫中的粒度
  2．4．2  數(shù)據(jù)倉庫中的數(shù)據(jù)分割
  2．4．3  數(shù)據(jù)倉庫中的數(shù)據(jù)組織
  2．4．4  數(shù)據(jù)倉庫中的，映照
  2．4．5  數(shù)據(jù)倉庫中的元數(shù)據(jù)
  思考練習題
第3章  數(shù)據(jù)倉庫的設(shè)計與實施
  3．1  從數(shù)據(jù)庫到數(shù)據(jù)倉庫
  3．2  面向主題的數(shù)據(jù)倉庫設(shè)計
  3．2．1  數(shù)據(jù)建模
  3．2．2  星型連接
  3．3  開發(fā)數(shù)據(jù)倉庫的物理設(shè)計
  3．3．1  數(shù)據(jù)倉庫設(shè)計工具的選擇
  3．3．2  物理數(shù)據(jù)模型設(shè)計
  3．3．3  數(shù)據(jù)倉庫中數(shù)據(jù)表的數(shù)量與規(guī)范化
  3．4  數(shù)據(jù)倉庫的實施
  3．4．1  數(shù)據(jù)倉庫的實施應(yīng)注意的問題
  3．4．2  在實施數(shù)據(jù)倉庫過程中應(yīng)避免的錯誤
  3．4．3  數(shù)據(jù)倉庫項目實施成功的要訣
  思考練習題
第4章  信息分析的基本技術(shù)
  4．1  自動信息分析的基本技術(shù)
  4．1．1  智能代理
  4．1. 2  群體智能
  4．1．3  小波分析
  4．1．4  分形技術(shù)分析
  4．2  聯(lián)機分析
  4．2．1  聯(lián)機分析OLAP的基本術(shù)語
  4．2．2  0LAP體系結(jié)構(gòu)和處理的特性
  4．2．3  OLAP多維數(shù)據(jù)結(jié)構(gòu)與OLAP的分類
  4.2．4  OLAP的多維數(shù)據(jù)分析方法
  4．2．5  OLAP評價準則
  4．2．6  OLAP的發(fā)展與流行的OLAP工具選擇
  4．3  Rough的信息分析技術(shù)
  4．3．1  粗糙集理論的基本概念和理論基礎(chǔ)
  4．3．2  粗糙集在信息分析中的特征表示
  思考練習題
第5章  數(shù)據(jù)挖掘過程
  5．1  數(shù)據(jù)挖掘的方法與基本流程
  5．1．1  SEMMA方法
  5.1．2  數(shù)據(jù)挖掘的基本流程
  5．2  確定主題和定義數(shù)據(jù)挖掘任務(wù)
  5．2．1  確定主題
  5．2．2  定義數(shù)據(jù)挖掘任務(wù)
  5．3  數(shù)據(jù)預處理
  5.3．1  數(shù)據(jù)的收集和準備
  5．3．2  數(shù)據(jù)清理
  5．3．3  數(shù)據(jù)集成
  5．3．4  數(shù)據(jù)變換
  5．3．5  數(shù)據(jù)歸約
  5．3．6  微軟數(shù)據(jù)轉(zhuǎn)換服務(wù)
  5．4  數(shù)據(jù)挖掘的模型建立與理解
  5．4．1  關(guān)于模型的準確性
  5．4．2  關(guān)于模型的可理解性
  5．4．3  關(guān)于模型的性能
  5．4．4  描述和可視化
  5．4．5  驗證與評估
  5．5  數(shù)據(jù)挖掘中常見的一些問題
  5．5．1  商業(yè)用戶提出的問題
  5．5．2  技術(shù)問題
  5．5．3  數(shù)據(jù)挖掘應(yīng)用問題
  5．5．4  實施數(shù)據(jù)挖掘項目考慮的問題
  5．5．5  數(shù)據(jù)挖掘?qū)ι鐣挠绊懸灰挥嘘P(guān)隱私問題
  5．6  事先無法預測的有價值知識
  思考練習題
第6章  數(shù)據(jù)挖掘基本算法
  6．1  分類規(guī)則挖掘
  6．1．1  分類與估值
  6．1．2  決策樹
  6．1．3  貝頁斯分類
  6．2  預測分析與趨勢分析規(guī)則
  6．2．1  預言的基本方法
  6．2．2  定量分析預測
  6．2．3  預測的結(jié)果分析
  6．2．4  趨勢分析挖掘
  6．3  數(shù)據(jù)挖掘的關(guān)聯(lián)算法
  6．3．1  關(guān)聯(lián)規(guī)則的概念及分類
  6．3．2  簡單形式的關(guān)聯(lián)規(guī)則算法(單維、單層和布爾關(guān)聯(lián)規(guī)則)
  6．3．3  多層和多維關(guān)聯(lián)規(guī)則的挖掘
  6．3．4  貨籃子分析存在的問題
  6．3．5  關(guān)聯(lián)分析的其他算法
  6．3．6  挖掘序列模式
  6．4  數(shù)據(jù)挖掘的聚類算法
  6．4．1  聚類分析的概念與分類
  6．4．2  聚類分析中兩個對象之間的相異度計算方法
  6．4．3  劃分方法
  6．4．4  層次方法
  6．4．5  基于密度的方法
  6．4．6  基于網(wǎng)格的方法
  6．4．7  基于模型的聚類方法
  6．4．8  模糊聚類算法
  6．5  數(shù)據(jù)挖掘的統(tǒng)計分析算法
  6．5．1  辨別分析
  6．5．2  回歸建模
  6．5．3  優(yōu)點和缺點
  6．6  數(shù)據(jù)挖掘的品種優(yōu)化算法
  6．6．1  品種優(yōu)化
  6．6．2  品種優(yōu)化的算法
  6．7  數(shù)據(jù)挖掘的進化算法
  6．7．1  遺傳算法
  6．7．2  數(shù)據(jù)挖掘的神經(jīng)網(wǎng)絡(luò)算法
  思考練習題
第7章  非結(jié)構(gòu)化數(shù)據(jù)挖掘
  7．1  Web數(shù)據(jù)挖掘
  7．1．1  非結(jié)構(gòu)化Web數(shù)據(jù)源
  7．L 2  Web挖掘分類
  7．1．3  Web內(nèi)容挖掘
  7．1．4  Web結(jié)構(gòu)挖掘
  7．1．5  Web訪問挖掘
  7．1．6  利用Web日志的聚類算法
  7．1．7  電子商務(wù)中的Web挖掘
  7．2  空間群數(shù)據(jù)挖掘
  7．2．1  空間數(shù)據(jù)挖掘的概念
  7．2．2  空間數(shù)據(jù)挖掘的分類
  7．2．3  空間數(shù)據(jù)挖掘的體系結(jié)構(gòu)
  7．3  多媒體數(shù)據(jù)挖掘
  7．3．1  多媒體數(shù)據(jù)挖掘的概念
  7．3．2  多媒體數(shù)據(jù)挖掘的分類
  7．3．3  多媒體數(shù)據(jù)挖掘的體系結(jié)構(gòu)
  思考練習題
第8章  離群數(shù)據(jù)挖掘
  8．1  離群數(shù)據(jù)挖掘的概念
  8．2  離群數(shù)據(jù)挖掘的分類
  8.3  離群數(shù)據(jù)挖掘的算法
  8．3．1  基于統(tǒng)計的方法
  8．3．2  基于距離的離群數(shù)據(jù)方法
  8．3．3  基于偏離的離群數(shù)據(jù)挖掘
  8．3。4  高維數(shù)據(jù)的離群數(shù)據(jù)挖掘
  8．3．5  基于小波的離群數(shù)據(jù)挖掘
  8．4  市場營銷離群數(shù)據(jù)挖掘
  8．4．1  市場營銷離群數(shù)據(jù)的特點
  8.4.2  基于分形的市場營銷離群數(shù)據(jù)挖掘模型
  思考練習題
第9章  數(shù)據(jù)挖掘語言與工具的選擇
  9．1  數(shù)據(jù)挖掘語言及其標準化
  9．1．1  數(shù)據(jù)挖掘語言的分類
  9．1．2  分析與評價
  9．2  數(shù)據(jù)挖掘的研究熱點
  9．3  數(shù)據(jù)挖掘工具的選擇
  9．3．1  評價數(shù)據(jù)挖掘工具的優(yōu)劣指標
  9．3．2  通用數(shù)據(jù)挖掘產(chǎn)品與工具
  9．3．3  國內(nèi)的數(shù)據(jù)挖掘產(chǎn)品與工具
  9．3．4  數(shù)據(jù)可視化工具的選擇
  9．3．5  數(shù)據(jù)挖掘網(wǎng)站與可獲得的數(shù)據(jù)挖掘算法源代碼
  思考練習題
第10章  知識管理與知識管理系統(tǒng)
  10．1  知識管理
  10．1．1  知識
  10．1．2  知識管理的定義
  10．1．3  有效的知識管理
  10．2  知識管理系統(tǒng)
  10．2．1  知識管理共享的條件
  10．2．2  知識管理共享的困難
  10．2．3  知識管理的激勵機制
  10．2．4  知識管理的體系結(jié)構(gòu)
  思考練習題
附錄  數(shù)據(jù)挖掘產(chǎn)品部分信息
參考文獻