成功加入购物车
图书条目标准图
陈志泊 著 / 清华大学出版社 / 2009-05 / 平装
售价 ¥ 4.84 1.9折
定价 ¥26.00
品相 八五品
优惠 满包邮
延迟发货说明
上书时间2024-03-18
卖家超过10天未登录
数据仓库与数据挖掘/普通高等教育“十一五”国家级规划教材
《数据仓库与数据挖掘》主要介绍数据仓库和数据挖掘技术的基本原理和应用方法,全书共分为12章,主要内容包括数据仓库的概念和体系结构、数据仓库的数据存储和处理、数据仓库系统的设计与开发、关联规则、数据分类、数据聚类、贝叶斯网络、粗糙集、神经网络、遗传算法、统计分析、文本和Web挖掘。《数据仓库与数据挖掘》既重视理论知识的讲解,又强调应用技能的培养。每章首先介绍算法的主要思想和理论基础,之后利用算法去解决实例中给出的任务,而且对于数据仓库的组建方法和多数章节中的数据挖掘算法,《数据仓库与数据挖掘》都使用MicrosoftSQLServer2005进行了操作实现。《数据仓库与数据挖掘》通过对具体实例的学习和实践,使读者掌握数据仓库和数据挖掘中必要的知识点,达到学以致用的目的。
《数据仓库与数据挖掘》每章均配有习题,习题形式为选择题、简答题和操作题,可以帮助读者进一步巩固和掌握所学知识。此外,《数据仓库与数据挖掘》提供多媒体教学课件和习题参考答案,读者可到清华大学出版社网站(http://www.tup.com.cn/)下载。
《数据仓库与数据挖掘》可以作为高等学校计算机及相关专业本科、研究生的数据仓库和数据挖掘教材,也可供相关领域的广大科技工作人员和高校师生参考。
第1章数据仓库的概念与体系结构1.1数据仓库的概念、特点与组成1.1.1数据仓库的特点1.1.2数据仓库的组成1.2数据挖掘的概念与方法1.2.1数据挖掘的分析方法1.2.2数据仓库与数据挖掘的关系1.3数据仓库的技术、方法与产品1.3.1OLAP技术1.3.2数据仓库实施的关键环节和技术1.3.3数据仓库实施方法论1.3.4常用的数据仓库产品1.4数据仓库系统的体系结构1.4.1独立的数据仓库体系结构1.4.2基于独立数据集市的数据仓库体系结构1.4.3基于依赖型数据集市和操作型数据存储的数据仓库体系结构1.4.4基于逻辑型数据集市和实时数据仓库的体系结构1.5数据仓库的产生、发展与未来1.5.1数据仓库的产生1.5.2数据仓库的发展1.5.3数据仓库的未来1.6小结1.7习题第2章数据仓库的数据存储与处理2.1数据仓库的数据结构2.2数据仓库的数据特征2.2.1状态数据与事件数据2.2.2当前数据与周期数据2.2.3元数据2.3数据仓库的数据ETL过程2.3.1ETL的目标2.3.2ETL过程描述2.3.3数据抽取2.3.4数据清洗2.3.5数据转换2.3.6数据加载和索引2.4多维数据模型2.4.1多维数据模型及其相关概念2.4.2多维数据模型的实现2.4.3多维建模技术2.4.4星型模式举例2.5小结2.6习题第3章数据仓库系统的设计与开发3.1数据仓库系统的设计与开发概述3.1.1建立数据仓库系统的步骤3.1.2数据仓库系统的生命周期3.1.3建立数据仓库系统的思维模式3.1.4数据仓库数据库的设计步骤3.2基于SQLServer2005的数据仓库数据库设计3.2.1分析组织的业务状况及数据源结构3.2.2组织需求调研,收集分析需求3.2.3采用信息包图法设计数据仓库的概念模型3.2.4利用星形图设计数据仓库的逻辑模型3.2.5数据仓库的物理模型设计3.3使用SQLServer2005建立多维数据模型3.3.1SQLServer2005示例数据仓库环境的配置与使用3.3.2基于SQLServer2005示例数据库的多维数据模型3.4小结3.5习题第4章关联规则4.1概述4.2引例4.3经典算法4.3.1Apriori算法4.3.2FPgrowth算法4.4相关研究与应用4.4.1分类4.4.2SQLServer2005中的关联规则应用4.5小结4.6习题第5章数据分类5.1引例5.2分类问题概述5.2.1分类的过程5.2.2分类的评价准则5.3决策树5.3.1决策树的基本概念5.3.2决策树算法ID35.3.3ID3算法应用举例5.3.4决策树算法C4.55.3.5SQLServer2005中的决策树应用5.3.6决策树剪枝5.4支持向量机5.5近邻分类方法5.5.1最近邻分类方法5.5.2k近邻分类方法5.5.3近邻分类方法应用举例5.6小结5.7习题第6章数据聚类6.1引例6.2聚类分析概述6.3聚类分析中相似度的计算方法6.3.1连续型属性的相似度计算方法6.3.2二值离散型属性的相似度计算方法6.3.3多值离散型属性的相似度计算方法6.3.4混合类型属性的相似度计算方法6.4kmeans聚类算法6.4.1kmeans聚类算法的基本概念6.4.2SQLserver2005中的kmeans应用6.5层次聚类方法6.5.1层次聚类方法的基本概念6.5.2层次聚类方法应用举例6.6小结6.7习题第7章贝叶斯网络7.1引例7.2贝叶斯概率基础7.2.1先验概率、后验概率和条件概率7.2.2条件概率公式7.2.3全概率公式7.2.4贝叶斯公式7.3贝叶斯网络概述7.3.1贝叶斯网络的组成和结构7.3.2贝叶斯网络的优越性7.3.3贝叶斯网络的三个主要议题7.4贝叶斯网络的预测、诊断和训练算法7.4.1概率和条件概率数据7.4.2贝叶斯网络的预测算法7.4.3贝叶斯网络的诊断算法7.4.4贝叶斯网络预测和诊断的综合算法7.4.5贝叶斯网络的建立和训练算法7.5SQLServer2005中的贝叶斯网络应用7.6小结7.7习题第8章粗糙集8.1引例8.2分类与知识8.2.1等价关系和等价类8.2.2分类8.3粗糙集8.3.1分类的运算8.3.2分类的表达能力8.3.3上近似集和下近似集8.3.4正域、负域和边界8.3.5粗糙集应用举例8.3.6粗糙集的性质8.4辨识知识的简化8.4.1集合近似精度的度量8.4.2分类近似的度量8.4.3等价关系的可省略、独立和核8.4.4等价关系简化举例8.4.5知识的相对简化8.4.6知识的相对简化举例8.5决策规则简化8.5.1知识依赖性的度量8.5.2简化决策规则8.5.3可辨识矩阵8.6小结8.7习题第9章神经网络9.1引例9.2人工神经网络9.2.1人工神经网络概述9.2.2神经元模型9.2.3网络结构9.3BP算法9.3.1网络结构和数据示例9.3.2有序导数9.3.3计算误差信号对参数的有序导数9.3.4梯度下降9.3.5BP算法描述9.4SQLServer2005中的神经网络应用9.5小结9.6习题第10章遗传算法10.1概述10.2相关概念10.3基本步骤10.3.1概述10.3.2引例10.4算法设计10.4.1编码方式10.4.2种群规模10.4.3适应度函数10.4.4遗传算子10.4.5终止条件10.5相关研究与应用10.6小结10.7习题第11章统计分析11.1线性回归模型11.1.1线性回归模型的参数估计11.1.2线性回归方程的判定系数11.1.3线性回归方程的检验11.1.4统计软件中的线性回归分析11.1.5SQLServer2005中的线性回归应用11.2Logistic回归模型11.2.1Logistic回归模型的参数估计11.2.2统计软件中Logistic回归的结果分析11.2.3SQLServer2005中的Logistic回归应用11.3时间序列模型11.3.1ARIMA模型11.3.2建立ARIMA模型的步骤11.3.3使用统计软件估计ARIMA模型11.3.4SQLServer2005中的时间序列分析11.4小结11.5习题第12章文本和Web挖掘12.1引例12.2文本挖掘12.2.1文本信息检索概述12.2.2基于关键字的关联分析12.2.3文档自动聚类12.2.4自动文档分类12.2.5自动摘要12.3Web挖掘12.3.1Web内容挖掘12.3.2Web结构挖掘12.3.3Web使用挖掘12.4小结12.5习题参考文献
展开全部
配送说明
...
相似商品
为你推荐
开播时间:09月02日 10:30