商務智能與數(shù)據挖掘

1.1.3商務智能的特點
1.1.4商務智能的過程
1.2商業(yè)決策需要商務智能
1.2.1管理就是決策
1.2.2決策需要信息和知識
1.2.3智能型企業(yè)
1.2.4商務智能支持商業(yè)決策
1.2.5新一代的決策支持系統(tǒng)
1.3商務智能的產生與發(fā)展
1.3.1商務智能的產生和發(fā)展過程
1.3.2商務智能與其他系統(tǒng)的關系
1.4商務智能的價值
1.5商務智能系統(tǒng)的功能
1.6主流商務智能產品
1.6.1主流商務智能產品簡介
1.6.2商務智能的抉擇
1.7商務智能的未來發(fā)展趨勢
1.8商務智能的應用
1.9本章小結
習題
第2章商務智能中的核心技術
2.1數(shù)據倉庫
2.1.1數(shù)據倉庫的產生與發(fā)展
2.1.2數(shù)據倉庫的概念與特征
2.1.3ETL
2.1.4數(shù)據集市
2.1.5數(shù)據倉庫的數(shù)據組織
2.1.6數(shù)據倉庫的體系結構
2.1.7數(shù)據倉庫的開發(fā)步驟
2.2在線分析處理
2.2.1OLAP簡介
2.2.2OLAP的定義和相關概念
2.2.3OLAP與OLTP的區(qū)別
2.2.4OLAP的分類
2.2.5OLAP多維數(shù)據分析
2.3商務智能體系結構
2.3.1商務智能系統(tǒng)的組成
2.3.2商務智能的架構體系
2.4本章小結
習題
第3章數(shù)據挖掘概述
3.1數(shù)據挖掘的起源與發(fā)展
3.1.1數(shù)據挖掘的起源
3.1.2數(shù)據挖掘的發(fā)展
3.2數(shù)據挖掘所要解決的問題
3.3數(shù)據挖掘的定義
3.4數(shù)據挖掘的過程
3.5數(shù)據挖掘系統(tǒng)
3.5.1數(shù)據挖掘系統(tǒng)的分類
3.5.2數(shù)據挖掘系統(tǒng)的發(fā)展
3.6數(shù)據挖掘的功能和方法
3.6.1數(shù)據挖掘的功能
3.6.2數(shù)據挖掘的方法
3.7數(shù)據挖掘的典型應用領域
3.8數(shù)據挖掘的發(fā)展趨勢
3.9本章小結
習題
第4章分類分析
4.1預備知識
4.2解決分類問題的一般方法
4.3分類算法
4.3.1貝葉斯分類器
4.3.2決策樹
4.3.3支持向量機
4.3.4BP神經網絡
4.3.5其他分類算法
4.4評估分類器的性能
4.4.1保持方法
4.4.2隨機二次抽樣
4.4.3交叉驗證
4.4.4自助法
4.5本章小結
習題
第5章關聯(lián)分析
5.1引言
5.2基本概念
5.3關聯(lián)規(guī)則的種類
5.4關聯(lián)規(guī)則的研究現(xiàn)狀
5.5關聯(lián)規(guī)則挖掘算法
5.5.1Apriori算法
5.5.2FP增長算法
5.5.3其他關聯(lián)規(guī)則挖掘算法
5.6改善關聯(lián)規(guī)則挖掘質量問題
5.6.1用戶主觀層面
5.6.2系統(tǒng)客觀層面
5.7約束數(shù)據挖掘問題
5.8本章小結
習題
第6章聚類分析
6.1聚類的概念
6.1.1聚類概念及應用
6.1.2聚類算法要求
6.1.3聚類技術類型劃分
6.2聚類分析的統(tǒng)計量
6.2.1模型定義
6.2.2相似性度量
6.3常用聚類算法
6.3.1k均值算法
6.3.2kmedoids算法
6.3.3凝聚層次聚類算法
6.3.4DBSCAN算法
6.3.5STING算法
6.3.6CLIQUE算法
6.4簇評估
6.4.1概述
6.4.2非監(jiān)督簇評估： 使用凝聚度和分離度
6.4.3非監(jiān)督簇評估： 使用鄰近度矩陣
6.4.4層次聚類的非監(jiān)督評估
6.4.5確定正確的簇個數(shù)
6.4.6聚類趨勢
6.4.7簇有效性的監(jiān)督度量
6.5與分類比較
6.6本章小結
習題
第7章異常檢測
7.1預備知識
7.1.1異常的原因
7.1.2異常檢測方法
7.1.3類標號的使用
7.1.4問題
7.2統(tǒng)計方法
7.2.1檢測一元正態(tài)分布中的離群點
7.2.2多元正態(tài)分布的離群點
7.2.3異常檢測的混合模型方法
7.2.4優(yōu)點與缺點
7.3基于近鄰度的離群點檢測
7.4基于密度的離群點檢測
7.4.1使用相對密度的離群點檢測
7.4.2優(yōu)點與缺點
7.5基于聚類的技術
7.5.1評估對象屬于簇的程度
7.5.2離群點對初始聚類的影響
7.5.3使用簇的個數(shù)
7.5.4優(yōu)點與缺點
7.6本章小結
習題
第8章Web挖掘技術
8.1Web數(shù)據挖掘概述
8.1.1Web數(shù)據挖掘的概念
8.1.2Web數(shù)據挖掘的特點
8.1.3Web數(shù)據挖掘的處理流程
8.1.4Web數(shù)據挖掘與信息檢索、信息抽取的區(qū)別
8.2Web數(shù)據挖掘分類
8.2.1Web內容挖掘概述
8.2.2Web結構挖掘概述
8.2.3Web使用挖掘概述
8.3Web內容挖掘
8.3.1特征提取和特征表示
8.3.2自動摘要
8.3.3文本分類
8.3.4文本聚類
8.4Web結構挖掘
8.4.1超鏈和頁面內容的關系
8.4.2不同挖掘階段的分析
8.4.3PageRank
8.4.4HITS
8.4.5兩種算法的比較
8.4.6Web結構挖掘應用
8.5Web使用挖掘
8.5.1Web使用挖掘數(shù)據預處理
8.5.2Web使用挖掘模式發(fā)現(xiàn)
8.5.3Web使用挖掘模式分析
8.5.4Web使用挖掘模式應用
8.6本章小結
習題
第9章RFID數(shù)據挖掘
9.1RFID數(shù)據挖掘的發(fā)展
9.2RFID數(shù)據挖掘的作用
9.3RFID數(shù)據分析的典型應用
9.3.1零售倉儲
9.3.2通關檢查
9.3.3運輸管理
9.3.4醫(yī)療管理
9.3.5其他應用
9.4本章小結
習題
第10章數(shù)據挖掘在電子商務中的應用
10.1電子商務中數(shù)據挖掘的發(fā)展狀況
10.2電子商務中數(shù)據挖掘的特點
10.2.1電子商務中數(shù)據挖掘的數(shù)據源
10.2.2路徑分析
10.2.3電子商務中數(shù)據挖掘的體系結構
10.3網站客戶分群
10.4優(yōu)化網站結構
10.4.1網站結構優(yōu)化手段
10.4.2網站結構優(yōu)化模型
10.5智能搜索引擎
10.5.1傳統(tǒng)搜索引擎的特點
10.5.2智能搜索引擎的特點
10.5.3網絡爬蟲
10.5.4智能搜索引擎的技術與發(fā)展
10.6客戶關系管理
10.7網絡主動防御
10.8本章小結
習題
參考文獻