123,123,123

內(nèi)容簡(jiǎn)介

　　商務(wù)智能通過數(shù)據(jù)挖掘技術(shù)從海量數(shù)據(jù)中發(fā)現(xiàn)潛在、新穎和有用的知識(shí)，體現(xiàn)了信息技術(shù)融合背景下進(jìn)行精益化管理和科學(xué)化決策的能力?！渡虅?wù)智能原理與方法》從商務(wù)角度入手，以基礎(chǔ)篇、方法篇、專題篇三大板塊的形式，較全面地涵蓋了商務(wù)智能領(lǐng)域的基礎(chǔ)知識(shí)、基本原理和技術(shù)方法等內(nèi)容；融入了若干前沿成果和最新應(yīng)用；同時(shí)結(jié)合經(jīng)濟(jì)和管理實(shí)例，說明如何通過商務(wù)智能的方法來分析企業(yè)經(jīng)營(yíng)、優(yōu)化企業(yè)運(yùn)作，從而提升企業(yè)競(jìng)爭(zhēng)優(yōu)勢(shì)?！渡虅?wù)智能原理與方法》既可以作為高等學(xué)校管理科學(xué)與工程及工商管理、計(jì)算機(jī)應(yīng)用相關(guān)學(xué)科高年級(jí)本科生和研究生的教材，也可以作為企、事業(yè)單位信息化的培訓(xùn)教材，以及相關(guān)工程與管理決策人員的參考書。

作者簡(jiǎn)介

　　陳國(guó)青，清華大學(xué)經(jīng)濟(jì)管理學(xué)院教授、博士生導(dǎo)師、常務(wù)副院長(zhǎng)。教育部長(zhǎng)江學(xué)者特聘教授、EMC2信息系統(tǒng)講席教授；教育部管理科學(xué)與工程類學(xué)科教學(xué)指導(dǎo)委員會(huì)副主任，國(guó)際信息系統(tǒng)協(xié)會(huì)中國(guó)分會(huì)（CNAIS）主席。1992年獲比利時(shí)魯汶大學(xué)博士學(xué)位，是1999年度國(guó)家杰出青年科學(xué)基金獲得者。主要教學(xué)與研究領(lǐng)域包括管理信息系統(tǒng)、商務(wù)智能與管理決策、信息管理與電子商務(wù)、軟計(jì)算與數(shù)據(jù)建模。衛(wèi)強(qiáng)，清華大學(xué)經(jīng)濟(jì)管理學(xué)院副教授。2003年獲清華大學(xué)博士學(xué)位，并獲清華大學(xué)優(yōu)秀博士畢業(yè)生稱號(hào)；是2007年美國(guó)麻省理工學(xué)院斯隆管理學(xué)院訪問學(xué)者。在國(guó)內(nèi)外學(xué)術(shù)期刊與國(guó)際會(huì)議上發(fā)表學(xué)術(shù)論文三十余篇，如《Decision Support Systems》、《Information Sciences》、《International Journal of Approximate Reasoning》、《International Journal ofIntelligent Systems》等。主要教學(xué)與研究領(lǐng)域包括商務(wù)智能與數(shù)據(jù)挖掘、管理信息系統(tǒng)、數(shù)據(jù)庫與數(shù)據(jù)建模、不確定性信息處理、管理系統(tǒng)模擬。

圖書目錄

基礎(chǔ)篇
第1章引言
1.1 商務(wù)智能簡(jiǎn)介
1.2 商務(wù)智能與信息社會(huì)
1.2.1 商務(wù)智能是信息社會(huì)的產(chǎn)物
1.2.2 商務(wù)智能是信息社會(huì)繁榮的推動(dòng)力
1.3 商務(wù)智能與企業(yè)管理
1.3.1 商務(wù)智能在企業(yè)管理中的作用
1.3.2 商務(wù)智能協(xié)助企業(yè)管理的方式
1.3.3 商務(wù)智能的商業(yè)價(jià)值
1.4 商務(wù)智能與數(shù)據(jù)挖掘
1.4.1 數(shù)據(jù)挖掘的概念
1.4.2 數(shù)據(jù)挖掘的特點(diǎn)
1.5 商務(wù)智能與新技術(shù)融合
1.6 小結(jié)
思考練習(xí)題
第2章商務(wù)智能過程
2.1 數(shù)據(jù)庫與事務(wù)處理
2.1.1 數(shù)據(jù)庫與數(shù)據(jù)庫管理系統(tǒng)
2.1.2 在線事務(wù)處理
2.2 數(shù)據(jù)倉(cāng)庫與在線分析處理
2.2.1 從事務(wù)處理到分析處理
2.2.2 數(shù)據(jù)倉(cāng)庫
2.3 知識(shí)發(fā)現(xiàn)與可持續(xù)競(jìng)爭(zhēng)優(yōu)勢(shì)
2.3.1 OLAP與知識(shí)發(fā)現(xiàn)
2.3.2 使用數(shù)據(jù)挖掘增強(qiáng)企業(yè)競(jìng)爭(zhēng)優(yōu)勢(shì)
2.4 小結(jié)
思考練習(xí)題
第3章數(shù)據(jù)倉(cāng)庫
3.1 數(shù)據(jù)處理技術(shù)演進(jìn)
3.2 數(shù)據(jù)倉(cāng)庫過程與體系結(jié)構(gòu)
3.3 數(shù)據(jù)集成、提取與轉(zhuǎn)換
3.3.1 數(shù)據(jù)提取
3.3.2 數(shù)據(jù)轉(zhuǎn)換
3.3.3 數(shù)據(jù)加載
3.3.4 ETL設(shè)計(jì)與開發(fā)
3.4 數(shù)據(jù)倉(cāng)庫開發(fā)、管理與安全
3.4.1 數(shù)據(jù)倉(cāng)庫開發(fā)模式
3.4.2 數(shù)據(jù)倉(cāng)庫設(shè)計(jì)
3.4.3 數(shù)據(jù)倉(cāng)庫的數(shù)據(jù)模型
3.4.4 元數(shù)據(jù)
3.4.5 數(shù)據(jù)倉(cāng)庫的安全
3.5 小結(jié)
思考練習(xí)題
第4章商務(wù)智能應(yīng)用
4.1 制造領(lǐng)域應(yīng)用
4.2 金融領(lǐng)域應(yīng)用
4.3 電信領(lǐng)域應(yīng)用
4.4 生物與醫(yī)藥領(lǐng)域應(yīng)用
4.5 零售與營(yíng)銷領(lǐng)域應(yīng)用
4.6 Web應(yīng)用
4.7 商務(wù)智能系統(tǒng)與產(chǎn)品
4.7.1 商務(wù)智能解決方案系統(tǒng)結(jié)構(gòu)
4.7.2 商務(wù)智能系統(tǒng)產(chǎn)品
4.8 小結(jié)
思考練習(xí)題
第5章構(gòu)建商務(wù)智能環(huán)境
5.1 商務(wù)智能環(huán)境
5.1.1 確定什么數(shù)據(jù)可用的能力
5.1.2 數(shù)據(jù)挖掘的能力
5.1.3 用戶-系統(tǒng)交互能力
5.2 商務(wù)智能組織
5.2.1 外包商務(wù)智能
5.2.2 內(nèi)給商務(wù)智能
5.2.3 商務(wù)智能組織成員
5.3 商務(wù)智能基礎(chǔ)設(shè)施
5.4 商務(wù)智能系統(tǒng)軟件
5.5 小結(jié)
思考練習(xí)題
方法篇
第6章關(guān)聯(lián)規(guī)則
6.1 關(guān)聯(lián)規(guī)則簡(jiǎn)介
6.2 關(guān)聯(lián)規(guī)則挖掘方法
6.3 關(guān)聯(lián)規(guī)則興趣性
6.4 關(guān)聯(lián)規(guī)則知識(shí)形式擴(kuò)展
6.4.1 廣義關(guān)聯(lián)規(guī)則
6.4.2 數(shù)量關(guān)聯(lián)規(guī)則
6.5 簡(jiǎn)單關(guān)聯(lián)規(guī)則
6.6 小結(jié)
思考練習(xí)題
第7章分類分析
7.1 分類分析簡(jiǎn)介
7.2 決策樹分類
7.2.1 決策樹構(gòu)建
7.2.2 決策樹剪枝
7.3 貝葉斯分類
7.3.1 貝葉斯定理
7.3.2 簡(jiǎn)單貝葉斯分類器
7.3.3 貝葉斯信念網(wǎng)絡(luò)
7.4 其他分類方法
7.4.1 神經(jīng)元網(wǎng)絡(luò)分類
7.4.2 支持向量機(jī)分類
7.4.3 懶惰型分類器
7.5 分類準(zhǔn)確率
7.5.1 分類準(zhǔn)確率比較與評(píng)估
7.5.2 提高分類器的準(zhǔn)確率
7.6 小結(jié)
思考練習(xí)題
第8章聚類分析
8.1 聚類分析簡(jiǎn)介
8.2 相似度及距離測(cè)度
8.3 聚類分析方法
8.3.1 劃分方法
8.3.2 層次方法
8.3.3 基于密度的方法
8.3.4 基于網(wǎng)格的方法
8.3.5 基于模型的方法
8.4 k-means方法
8.5 DBSCAN方法
8.6 小結(jié)
思考練習(xí)題
第9章概念描述
9.1 概念描述簡(jiǎn)介
9.2 描述統(tǒng)計(jì)學(xué)方法
9.3 數(shù)據(jù)歸納
9.3.1 屬性概化
9.3.2 屬性消減
9.3.3 數(shù)據(jù)表示
9.4 數(shù)據(jù)對(duì)比
9.4.1 數(shù)據(jù)對(duì)比方法
9.4.2 數(shù)據(jù)對(duì)比表示
9.5 小結(jié)
思考練習(xí)題
第10章數(shù)據(jù)預(yù)處理
10.1 數(shù)據(jù)預(yù)處理簡(jiǎn)介
10.1.1 數(shù)據(jù)預(yù)處理的原因
10.1.2 數(shù)據(jù)預(yù)處理的目的
10.1.3 數(shù)據(jù)預(yù)處理的方法
10.2 數(shù)據(jù)清洗
10.2.1 缺失數(shù)據(jù)處理
10.2.2 噪聲數(shù)據(jù)處理
10.3 數(shù)據(jù)集成與規(guī)范
10.3.1 數(shù)據(jù)集成處理
10.3.2 數(shù)據(jù)規(guī)范處理
10.4 數(shù)據(jù)消減
10.4.1 清除冗余數(shù)據(jù)
10.4.2 采樣
10.4.3 數(shù)據(jù)立方合計(jì)
10.4.4 屬性選取與生成
10.4.5 數(shù)據(jù)壓縮
10.4.6 離散化與概念分層方法
10.5 小結(jié)
思考練習(xí)題
專題篇
第11章時(shí)態(tài)模式
11.1 時(shí)態(tài)數(shù)據(jù)類型與模式
11.2 時(shí)態(tài)關(guān)聯(lián)規(guī)則
11.3 序列相似性
11.3.1 距離測(cè)度法
11.3.2 模式匹配法
11.4 時(shí)態(tài)關(guān)系模式
11.5 時(shí)態(tài)數(shù)據(jù)的表達(dá)與轉(zhuǎn)換
11.6 小結(jié)
思考練習(xí)題
第12章關(guān)聯(lián)分類
12.1 生成分類關(guān)聯(lián)規(guī)則
12.2 分類關(guān)聯(lián)規(guī)則剪枝
12.2.1 后剪枝方法
12.2.2 先剪枝方法
12.3 構(gòu)建分類器
12.3.1 單一規(guī)則分類器
12.3.2 多規(guī)則分類器
12.4 混合型關(guān)聯(lián)分類
12.5 GARC方法解析
12.5.1 GARC思路與算法框架
12.5.2 數(shù)據(jù)實(shí)驗(yàn)與方法比較
12.6 小結(jié)
思考練習(xí)題
第13章不確定性知識(shí)發(fā)現(xiàn)
13.1 不確定性信息表達(dá)
13.2 分區(qū)中的邊界問題
13.3 數(shù)據(jù)間的部分隸屬性
13.4 不完整數(shù)據(jù)依賴
13.5 小結(jié)
思考練習(xí)題
第14章復(fù)雜類型數(shù)據(jù)的挖掘
14.1 復(fù)雜類型數(shù)據(jù)
14.2 多維分析和描述性挖掘
14.3 空間數(shù)據(jù)挖掘
14.4 多媒體數(shù)據(jù)挖掘
14.5 文本數(shù)據(jù)挖掘
14.6 Web挖掘
14.7 小結(jié)
思考練習(xí)題
第15章商務(wù)智能經(jīng)濟(jì)社會(huì)影響與發(fā)展
15.1 商務(wù)智能經(jīng)濟(jì)社會(huì)影響
15.1.1 “長(zhǎng)尾”與“利基”市場(chǎng)
15.1.2 隱私與安全
15.2 商務(wù)智能的發(fā)展趨勢(shì)
15.2.1 商務(wù)智能技術(shù)標(biāo)準(zhǔn)
15.2.2 實(shí)時(shí)商務(wù)智能
15.2.3 移動(dòng)商務(wù)智能
15.3 小結(jié)
思考練習(xí)題
參考文獻(xiàn)