数据仓库与数据挖掘第2版 - (EPUB全文下载)

文件大小：7.43 mb。
文件格式：epub 格式。
书籍内容：

目录
序
前言
第1章　概论
1.1　决策支持技术与数据库的发展
1.1.1　决策支持技术的发展
1.1.2　数据库技术的发展
1.2　数据仓库概述
1.2.1　数据仓库概念的提出
1.2.2　数据仓库的定义
1.2.3　数据仓库的特征
1.2.4　数据仓库的应用和发展
1.3　数据挖掘概述
1.3.1　数据挖掘的定义
1.3.2　数据挖掘与数据仓库的关系
1.3.3　数据挖掘的应用和发展
本章小结
习题
第2章　数据仓库技术与开发
2.1　数据仓库的体系结构
2.1.1　用户眼中的数据仓库结构
2.1.2　数据仓库系统的体系结构
2.1.3　数据集市
2.2　元数据
2.2.1　元数据的定义
2.2.2　元数据的主要作用
2.2.3　元数据分类
2.3　数据仓库的数据模型
2.3.1　概念模型
2.3.2　逻辑模型
2.3.3　物理模型
2.4　粒度和分割
2.4.1　粒度的确定
2.4.2　粒度划分实例
2.4.3　数据分割
2.5　数据仓库的开发流程
2.6　总线型结构的数据仓库
2.6.1　统一的维
2.6.2　统一的事实
2.6.3　数据仓库总线
本章小结
习题
第3章　数据仓库管理技术
3.1　数据仓库管理的基本内容
3.2　休眠数据管理
3.2.1　休眠数据的定义与理解
3.2.2　休眠数据的处理
3.3　元数据的管理
3.3.1　传统的元数据管理方法
3.3.2　企业级中心知识库的管理方法
3.4　数据清理
3.4.1　脏数据的来源和清理
3.4.2　过期数据的清理
本章小结
习题
第4章　联机分析处理
4.1　概述
4.1.1　OLAP的定义
4.1.2　OLAP的基本概念
4.1.3　OLAP的基本分析操作
4.1.4　OLAP和OLTP的比较
4.2　多维OLAP和关系OLAP
4.2.1　数据存储
4.2.2　MOLAP和ROLAP的特征
4.2.3　星型模式（Star Schema）
4.3　OLAP的新发展——OLAM
4.3.1　OLAM应该具有的功能特征
4.3.2　OLAM的主要发展方向
4.3.3　基于Web的OLAM须解决的问题
本章小结
习题
第5章　SQL Server数据仓库的应用与开发
5.1　概述
5.1.1　Microsoft SQL Server 2000功能简介
5.1.2　Analysis Service的安装与启动
5.2　使用SQL Server创建数据仓库
5.2.1　设置ODBC数据源
5.2.2　建立数据库
5.2.3　建立数据库与ODBC数据源的连接
5.2.4　建立多维数据集
5.2.5　编辑多维数据集
5.2.6　设计存储和处理多维数据集
5.3　使用SQL Server进行联机分析处理
5.3.1　启动或关闭多维浏览器
5.3.2　替换网格中的维度（旋转）
5.3.3　筛选数据（切片／切块）
5.3.4　如何深化或浅化观察数据（下钻／上钻）
5.3.5　创建和使用计算成员
5.4　使用SQL Server进行数据挖掘
5.4.1　运用决策树数据挖掘技术创建揭示客户模式的数据挖掘模型
5.4.2　使用聚类分析（Microsoft聚集）创建OLAP数据挖掘模型
本章小结
习题
第6章　数据挖掘与知识发现
6.1　知识发现与数据挖掘的概念
6.1.1　数据挖掘的任务
6.1.2　数据挖掘的分类
6.1.3　数据挖掘的对象
6.1.4　数据挖掘与专家系统的区别
6.2　数据挖掘方法与技术
6.2.1　归纳学习方法
6.2.2　仿生物技术
6.2.3　公式发现
6.2.4　统计分析方法
6.2.5　模糊数学方法
6.2.6　可视化技术
6.3　数据挖掘的知识表示
6.3.1　规则
6.3.2　决策树
6.3.3　知识基（浓缩数据）
6.3.4　网络权值
6.3.5　公式
本章小结
习题
第7章　统计类数据挖掘技术
7.1　基本概念
7.1.1　统计学
7.1.2　统计类数据挖掘技术
7.2　最简单的统计类挖掘技术
7.2.1　聚集函数与度量
7.2.2　柱状图
7.3　回归分析数据挖掘技术
7.3.1　线性回归数据挖掘技术
7.3.2　非线性回归数据挖掘技术
7.4　聚类分析与最近邻挖掘技术
7.4.1　聚类的概念
7.4.2　最近邻技术
7.4.3　聚类分析与最近邻技术的运用
7.4.4　聚类分析应用示例
7.5　统计分析工具及其使用——SPSS
7.5.1　统计分析工具
7.5.2　统计分析工具应用
7.5.3　SPSS及其应用
本章小结
习题
第8章　知识类数据挖掘技术
8.1　知识发现系统的结构
8.2　关联规则的数据挖掘技术
8.2.1　关联规则描述
8.2.2　关联规则的定义
8.2.3　关联规则的种类
8.2.4　关联规则挖掘算法——频繁集方法
8.2.5　关联规则应用举例
8.3　神经网络的数据挖掘技术
8.3.1　人工神经元及其互连结构
8.3.2　神经网络模型
8.3.3　神经网络的应用
8.4　遗传算法的数据挖掘技术
8.4.1　遗传算法概述
8.4.2　遗传算子
8.4.3　遗传算法的应用
8.5　粗糙集的数据挖掘技术
8.5.1　粗糙集概念
8.5.2　粗糙集分类规则发现模式
8.5.3　粗糙集的应用
8.6　知识发现工具简介
8.6.1　知识发现工具的系统结构
8.6.2　知识发现工具运用中的问题
8.6.3　知识发现的作用
8.6.4　知识类数据挖掘工具简介
本章小结
习题
第9章　非结构化数据挖掘技术
9.1　文本挖掘技术
9.1.1　文本挖掘的概述
9.1.2　信息检索系统
9.1.3　文本挖掘
9.2　Web数据挖掘技术
9.2.1　Web的特点
9.2.2　Web结构挖掘
9.2.3　Web内容挖掘
9.2.4　Web日志挖掘
9.3　可视化数据挖掘技术
9.3.1　数据可视化技术
9.3.2　可视化数据挖掘技术的应用
9.4　分布式数据挖掘技术
9.4.1　概述
9.4.2　适合水平式数据划分的分布式挖掘 ............

书籍插图：

以上为书籍内容预览，如需阅读全文内容请下载EPUB源文件，祝您阅读愉快。