數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘技術(shù)

第1章  數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘概述
  1．1  數(shù)據(jù)倉(cāng)庫(kù)引論
  1．1．1  為什么要建立數(shù)據(jù)倉(cāng)庫(kù)
  1．2  什么是數(shù)據(jù)倉(cāng)庫(kù)
  1．3  數(shù)據(jù)倉(cāng)庫(kù)的特點(diǎn)
  1．1．4  數(shù)據(jù)進(jìn)入數(shù)據(jù)倉(cāng)庫(kù)的基本過程與建立數(shù)據(jù)倉(cāng)庫(kù)的步驟
  1．1．5  分析數(shù)據(jù)倉(cāng)庫(kù)的內(nèi)容
  1．2  數(shù)據(jù)挖掘引論
  1．2．1  為什么要進(jìn)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(diǎn)
  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(cāng)庫(kù)的關(guān)系
  1．4  數(shù)據(jù)倉(cāng)庫(kù)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(yù)測(cè)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(xí)題
第2章  數(shù)據(jù)倉(cāng)庫(kù)的分析
  2．1  影響數(shù)據(jù)倉(cāng)庫(kù)成功的因素
  2．2  數(shù)據(jù)倉(cāng)庫(kù)的生命周期
  2．2．1  數(shù)據(jù)倉(cāng)庫(kù)計(jì)劃與準(zhǔn)備階段
  2．2．2  數(shù)據(jù)倉(cāng)庫(kù)的其他階段
  2．3  數(shù)據(jù)倉(cāng)庫(kù)的基本體系結(jié)構(gòu)
  2．4  數(shù)據(jù)倉(cāng)庫(kù)的邏輯結(jié)構(gòu)
  2．4．1  數(shù)據(jù)倉(cāng)庫(kù)中的粒度
  2．4．2  數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)分割
  2．4．3  數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)組織
  2．4．4  數(shù)據(jù)倉(cāng)庫(kù)中的，映照
  2．4．5  數(shù)據(jù)倉(cāng)庫(kù)中的元數(shù)據(jù)
  思考練習(xí)題
第3章  數(shù)據(jù)倉(cāng)庫(kù)的設(shè)計(jì)與實(shí)施
  3．1  從數(shù)據(jù)庫(kù)到數(shù)據(jù)倉(cāng)庫(kù)
  3．2  面向主題的數(shù)據(jù)倉(cāng)庫(kù)設(shè)計(jì)
  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(cāng)庫(kù)的物理設(shè)計(jì)
  3．3．1  數(shù)據(jù)倉(cāng)庫(kù)設(shè)計(jì)工具的選擇
  3．3．2  物理數(shù)據(jù)模型設(shè)計(jì)
  3．3．3  數(shù)據(jù)倉(cāng)庫(kù)中數(shù)據(jù)表的數(shù)量與規(guī)范化
  3．4  數(shù)據(jù)倉(cāng)庫(kù)的實(shí)施
  3．4．1  數(shù)據(jù)倉(cāng)庫(kù)的實(shí)施應(yīng)注意的問題
  3．4．2  在實(shí)施數(shù)據(jù)倉(cāng)庫(kù)過程中應(yīng)避免的錯(cuò)誤
  3．4．3  數(shù)據(jù)倉(cāng)庫(kù)項(xiàng)目實(shí)施成功的要訣
  思考練習(xí)題
第4章  信息分析的基本技術(shù)
  4．1  自動(dòng)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(jī)分析
  4．2．1  聯(lián)機(jī)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(píng)價(jià)準(zhǔn)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(xí)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(yù)處理
  5.3．1  數(shù)據(jù)的收集和準(zhǔn)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(zhǔn)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(yàn)證與評(píng)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(shí)施數(shù)據(jù)挖掘項(xiàng)目考慮的問題
  5．5．5  數(shù)據(jù)挖掘?qū)ι鐣?huì)的影響一一有關(guān)隱私問題
  5．6  事先無法預(yù)測(cè)的有價(jià)值知識(shí)
  思考練習(xí)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(yù)測(cè)分析與趨勢(shì)分析規(guī)則
  6．2．1  預(yù)言的基本方法
  6．2．2  定量分析預(yù)測(cè)
  6．2．3  預(yù)測(cè)的結(jié)果分析
  6．2．4  趨勢(shì)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(jiǎn)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(gè)對(duì)象之間的相異度計(jì)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(jì)分析算法
  6．5．1  辨別分析
  6．5．2  回歸建模
  6．5．3  優(yōu)點(diǎn)和缺點(diǎn)
  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(jìn)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(xí)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(xí)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(jì)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(chǎng)營(yíng)銷離群數(shù)據(jù)挖掘
  8．4．1  市場(chǎng)營(yíng)銷離群數(shù)據(jù)的特點(diǎn)
  8.4.2  基于分形的市場(chǎng)營(yíng)銷離群數(shù)據(jù)挖掘模型
  思考練習(xí)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(biāo)準(zhǔn)化
  9．1．1  數(shù)據(jù)挖掘語言的分類
  9．1．2  分析與評(píng)價(jià)
  9．2  數(shù)據(jù)挖掘的研究熱點(diǎn)
  9．3  數(shù)據(jù)挖掘工具的選擇
  9．3．1  評(píng)價(jià)數(shù)據(jù)挖掘工具的優(yōu)劣指標(biāo)
  9．3．2  通用數(shù)據(jù)挖掘產(chǎn)品與工具
  9．3．3  國(guó)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(xí)題
第10章  知識(shí)管理與知識(shí)管理系統(tǒng)
  10．1  知識(shí)管理
  10．1．1  知識(shí)
  10．1．2  知識(shí)管理的定義
  10．1．3  有效的知識(shí)管理
  10．2  知識(shí)管理系統(tǒng)
  10．2．1  知識(shí)管理共享的條件
  10．2．2  知識(shí)管理共享的困難
  10．2．3  知識(shí)管理的激勵(lì)機(jī)制
  10．2．4  知識(shí)管理的體系結(jié)構(gòu)
  思考練習(xí)題
附錄  數(shù)據(jù)挖掘產(chǎn)品部分信息
參考文獻(xiàn)