成功加入购物车
扉页笔记
倪志伟 著; 张公让 编 / 北京大学出版社 / 2010-08 / 平装
售价 ¥ 5.00 1.3折
定价 ¥38.00
品相 八品
优惠 满包邮
延迟发货说明
上书时间2022-07-05
卖家超过10天未登录
商务智能与数据挖掘/21世纪全国应用型本科电子商务与信息管理系列实用规划教材
商务智能与数据挖掘是高等院校电子商务、信息管理等专业的课程,是近年来企业信息化的热点内容。《商务智能与数据挖掘》共分9章,包括商务智能概论、商务智能中的核心技术、商务智能与知识管理、商务智能的应用、数据挖掘基础、数据挖掘的目的任务、数据挖掘的技术方法、web挖掘技术、数据挖掘在电子商务中的应用等内容;汇集了统计学、机器学习、数据库、人工智能等内容,具有多学科交叉、技术与管理融合等特点。《商务智能与数据挖掘》在借鉴和吸收国内外同类著作的基础上,强调了理论与实践的结合;在归纳和总结商务智能的最新理论研究成果及行业最新发展动态的基础上,编写了相应的案例,以期反映国内外的商务智能实践经验,将最新的国际商务智能的相关内容和关键技术介绍给读者。
《商务智能与数据挖掘》内容全面,案例新颖,每章附有教学目标与要求、习题,使学生能把握各章要点并且及时巩固所学知识。
《商务智能与数据挖掘》适合电子商务、信息管理和管理科学等相关专业的本、专科的学生作为教材使用,也可作为一些企事业单位、政府部门、研究机构等从事商务智能理论研究工作的相关人员的学习参考书。
第1章商务智能概论1.1商务智能的概念1.1.1数据、信息、知识与智慧1.1.2商务智能的定义1.1.3商务智能的功能1.1.4商务智能的过程1.2商务智能的产生与发展1.2.1商务智能的产生和发展过程1.2.2商务智能与其他系统的关系1.3商务智能的体系结构和技术工具13.1商务智能的架构体系1.3.2商务智能的技术工具概述1.4主流商务智能产品1.4.1主流商务智能产品简介1.4.2商务智能的抉择1.5商务智能的未来发展趋势1.6商务智能应用举例——BusinessObjectsXI3.0本章小结习题第2章商务智能中的核心技术2.1数据仓库2.1.1数据仓库的产生2.1.2数据仓库的定义与特点2.1.3数据仓库的几个重要概念2.1.4数据仓库中的数据组织2.1.5数据仓库基本架构及模型设计2.1.6数据仓库的技术要求2.1.7数据仓库和数据集市2.1.8数据仓库的数据处理2.1.9数据仓库的应用管理、维护和开发2.1.10数据仓库的开发流程2.2OLAP技术2.2.10LAP概况2.2.2OLAP的定义和相关概念2.2.3OLAP与OLTP2.2.4OLAP系统结构2.2.5OLAP多维数据分析本章小结习题第3章商务智能与知识管理3.1知识管理概述3.1.1知识管理的概念3.1.2知识管理的本质和意义3.2知识管理技术3.2.1知识管理技术概述3.2.2知识管理技术的划分3.3知识管理系统3.3.1知识管理系统的概念3.3.2知识管理系统模型3.33知识管理系统的功能3.3.4KMS和IMS3.4知识管理与商务智能的关系3.4.1知识管理和商务智能的不同点3.4.2知识管理和商务智能的共同点3.4.3知识管理与商务智能的密切联系3.4.4知识管理与商务智能的整合3.5商务智能环境下的企业知识管理3.5.1企业知识管理3.5.2基于数据挖掘的企业知识管理3.5.3企业知识管理数据获得本章小结习题第4章商务智能的应用4.1商务智能的应用领域4.2商务智能国内外应用情况4.2.1国外应用情况4.2.2国内应用情况4.3商务智能在物流管理和决策中的应用4.3.1商务智能在决策空间的地位4.3.2商务智能和物流管理无缝联结4.3.3面向物流管理的商务智能体系结构4.3.4商务智能与物流管理的融合和特点4.3.5基于商务智能的物流决策支持系统4.4商务智能在客户关系管理中的应用4.4.1客户关系管理概念4.4.2客户关系管理结构4.4.3客户关系管理与其他信息系统的关联4.4.4商务智能与客户关系管理4.5商务智能在商务过程中的应用4.5.1商务过程的理论4.5.2商务智能在商务过程中的实现4.5.3商务过程信息模型改进研究4.5.4商务流程优化4.6商务智能在知识管理中的应用4.6.1企业知识管理4.6.2基于企业管理信息系统的知识管理4.6.3知识获取中的来源分析及数据质量的保证4.6.4知识发现(挖掘)的理论4.6.5知识运用的范围研究4.6.6商务智能中知识管理的评价4.6.7建立商务智能中的知识评价方法4.7商务智能在国内其他行业中的应用4.7.1国家和行业方面4.7.2企业方面4.7.3软件方面4.7.4管理咨询方面4.7.5项目实施方面本章小结习题第5章数据挖掘基础5.1数据挖掘的产生与发展5.2数据挖掘的定义5.3数据挖掘过程5.4数据挖掘系统5.4.1数据挖掘系统的分类5.4.2数据挖掘系统的发展5.5数据挖掘的功能和方法5.5.1数据挖掘的功能5.5.2数据挖掘的方法5.6数据挖掘的典型应用领域5.7数据挖掘的发展趋势本章小结习题第6章数据挖掘的目的任务6.1关联分析6.1.1引言6.1.2基本概念6.1.3关联规则的种类6.1.4关联规则的研究现状6.2分类分析6.2.1分类的定义6.2.2样本测度6.2.3相似性测度6.2.4分类的方法6.3聚类分析6.3.1聚类的概念6.3.2数据挖掘领域的聚类方法6.3.3聚类算法的特点6.4离群数据分析6.4.1离群点检测方法6.4.2离群数据的特点6.4..3数据挖掘领域中的离群值分析算法6.5序列模式分析6.5.1时间序列6.5.2时间序列分析6.5.3空间数据分析6.6分形模式分析6.6.1分形的基本概念6.6.2分形维概述6.6.3R/S分析方法概述6.6.4基于分形理论的数据挖掘技术本章小结习题第7章数据挖掘的技术方法7.1决策树7.1.1概述7.1.2归纳学习中的知识表示7.1.3决策树归纳学习7.1.4关于决策树的深入讨论7.2粗糙集7.2.1粗糙集基本理论7.2.2粗糙集概念的物理意义7.2.3粗糙集理论的特点7.2.4决策表达逻辑7.2.5粗糙集的研究进展7.3关联规则7.3.1Apriori算法7.3.2Apriori算法的改进7.3.3FP-tree算法7.3.4挖掘多层关联规则7.3.5挖掘多维关联规则7.3.6基于限制的关联规则挖掘7.4神经网络方法7.4.1前馈神经网络模型7.4.2前馈神经网络的学习算法7.4.3FP及覆盖算法7.4.4SVM及其学习算法7.5基于案例推理7.5.1CBR。的逻辑学基础7.5.2CBR.智能技术7.5.3相似性研究7.5.4案例修正技术7.6遗传算法7.6.1遗传算法的主要特征7.6.2遗传算法的基本原理7.6.3遗传算法的关键问题及方法7.6.4挖掘关联规则的遗传算法7.7模糊技术7.7.1模糊集基本概念7.7.2模糊集合运算7.7.3模糊度及模糊关系本章小结习题第8章Web挖掘技术8.1Web数据挖掘流程8.2Web数据挖掘分类8.2.1Web内容挖掘概述8.2.2Web结构挖掘概述8.2.3Web访问挖掘概述8.3WUM挖掘过程8.3.1WUM数据预处理8.3.2WUM模式发现8.3.3WUM模式分析8.3.4WUM模式应用8.4Web结构挖掘8.4.1Web结构挖掘概述8.4.2网络结构挖掘的两种算法及改进8.4.3Web结构挖掘应用8.5Web内容挖掘本章小结习题第9章数据挖掘在电子商务中的应用9.1电子商务中数据挖掘的发展状况9.2电子商务中数据挖掘的特点9.2.1电子商务中数据挖掘的数据源9.2.2路径分析9.2.3电子商务中数据挖掘的体系结构9.3网站客户分群9.4优化网站结构9.4.1网站结构优化手段9.4.2网站结构优化模型9.5智能搜索引擎9.5.1传统搜索引擎的特点9.5.2智能搜索引擎的特点9.5.3网络爬虫9.5.4智能搜索引擎的技术与发展9.6客户关系管理9.6.1粗糙集理论在CRM中的应用9.6.2SOM神经网络在CRM中的应用9.7网络主动防御本章小结习题参考文献
展开全部
图2
图3
配送说明
...
相似商品
为你推荐
开播时间:09月02日 10:30