數據倉庫與數據挖掘導論

第一篇 導引第1章 數據倉庫概念與內涵 1.1 數據倉庫概念 1.1.1 數據倉庫的產生 1.1.2 數據倉庫應用實例：理解數據倉庫的應用目標與作用 1.2 數據倉庫的四個基本特征 1.2.1 數據倉庫的數據是面向主題的 1.2.2 數據倉庫的數據是集成的 1.2.3 數據倉庫的數據是不可更新的 1.2.4 數據倉庫的數據是隨時間不斷變化的 1.3 數據集市——部門級數據倉庫 1.3.1 自上而下構建數據集市 1.3.2 自下而上構建數據集市 1.3.3 自上而下與自下而上結合構建數據集市 習題 討論題第2章 數據挖掘概念與內涵 2.1 數據挖掘概念 2.1.1 數據挖掘的產生 2.1.2 數據挖掘應用實例：理解數據挖掘的應用目標與作用 2.1.3 數據挖掘的定義 2.2 數據倉庫與數據挖掘的關系 討論題 第二篇 數據倉庫第3章 數據倉庫的體系結構及其組成部分 3.1 數據倉庫的體系結構 3.2 數據倉庫的組成部分及其功能 3.2.1 源數據部分 3.2.2 數據準備部分 3.2.3 數據存儲部分 3.2.4 信息傳遞部分 思考題 習題 討論題第4章 數據倉庫數據的商業(yè)需求分析 4.1 收集商業(yè)需求數據碰到的問題 4.2 商業(yè)數據維度化分析 4.3 商業(yè)維度實例分析 思考題 習題第5章 數據倉庫的維度建模 5.1 維度建?；A 5.2 星型模式及其查詢的鉆取 5.2.1 星型模式維度表內容的特征 5.2.2 星型模式事實表內容的特征 5.2.3 星型模式的優(yōu)勢 5.3 雪花型模式：對維度表的再處理 5.4 聚集事實表：對關鍵指標的再處理 5.4.1 理解事實表的數據量 5.4.2 理解聚集事實表的作用 5.4.3 對事實表進行聚集的三種方法 5.4.4 聚集過程中相關問題討論 思考題 習題第6章 數據倉庫中的聯(lián)機分析處理——OLAP 6.1 OLAP的含義、規(guī)則與特征 6.1.1 OLAP的含義 6.1.2 OLAP的規(guī)則 6.1.3 OLAP的特征 6.2 OLAP的基本操作 6.2.1 切片 6.2.2 切塊 6.2.3 上鉆與下鉆 6.2.4 旋轉 6.3 OLAP模型結構 6.3.1 關系聯(lián)機分析處理(ROLAP)結構 6.3.2 多維聯(lián)機分析處理(MOLAP)結構 6.3.3 混合聯(lián)機分析處理(HOLAP)結構 6.3.4 桌面聯(lián)機分析處理(DOLAP)結構 6.3.5 客戶聯(lián)機分析處理(COLAP)結構 6.4 典型OLAP模型的數據組織與應用 6.4.1 ROLAP的數據組織與應用 6.4.2 MOIAP的數據組織與應用 6.4.3 ROLAP與MOLAP的數據組織與應用比較 思考題 習題 討論題第7章 元數據 7.1 數據倉庫中元數據的重要性 7.1.1 數據倉庫的用戶需要元數據 7.1.2 數據倉庫的開發(fā)者需要元數據 7.1.3 數據倉庫的管理員需要元數據 7.2 關于數據倉庫元數據的概念界定 7.3 元數據的幾種分類方法 7.3.1 按用途對元數據進行分類 7.3.2 按數據倉庫功能區(qū)域劃分的元數據分類 7.3.3 按元數據的活動方式進行分類 7.4 元數據的作用 7.5 元數據管理的體系結構 7.5.1 集中的方法 7.5.2 分散的方法 7.5.3 分布的方法 思考題 習題 討論題 第三篇 數據挖掘第8章 關聯(lián)分析 8.1 關聯(lián)規(guī)則概念 8.1.1 關聯(lián)規(guī)則的支持度和置信度 8.1.2 關聯(lián)規(guī)則分類 8.2 關聯(lián)規(guī)則挖掘算法 8.2.1 Apriori算法 8.2.2 強關聯(lián)規(guī)則的有效性和可行性問題 習題 討論題第9章 神經網絡算法 9.1 神經網絡概念 9.1.1 神經網絡原理 9.1.2 人工神經網絡 9.2 人工神經網絡模型 9.2.1 感知器 9.2.2 帶隱層的人工神經網絡 9.3 前饋神經網絡 9.3.1 訓練神經網絡 9.3.2 后向傳播如何工作 9.3.3 后向傳播算法 9.4 有關神經網絡研究中應該關注的幾個問題 9.4.1 關于對神經網絡的理解問題 9.4.2 關于神經網絡應用中數據準備的問題 9.4.3 影響神經網絡模型性能的部分因素 9.4.4 學習神經網絡，需要強調以下幾個問題 習題 討論題第10章 決策樹算法 10.1 決策樹分類概述 10.1.1 決策樹分類步驟 10.1.2 決策樹分類舉例 10.2 ID3算法 10.2.1 信息論基本原理 10.2.2 ID3算法的基本思想與實例 10.2.3 ID3算法應用中應該關注的幾個問題 習題 討論題第11章 聚類分析 11.1 聚類分析概述 11.1.1 聚類分析中的數據類型 11.1.2 聚類分析中相異度(相似性、差異度)測度方法 11.2 聚類分析方法 11.2.1 劃分聚類方法 11.2.2 基于密度的聚類方法 11.2.3 聚類分析在數據挖掘應用中有待進一步研究的問題 習題 討論題 第四篇 實驗與工具第12章 數據倉庫實驗與工具應用第13章 神經網絡建模實驗與工具應用第14章 決策樹與關聯(lián)分析實驗與工具應用參考文獻