成功加入购物车
李春葆 、 李石君 、 李筱驰 著 / 电子工业出版社 / 2014-11 / 平装
售价 ¥ 6.80 1.4折
定价 ¥48.00
品相 八五品
优惠 满包邮
延迟发货说明
上书时间2023-09-19
卖家超过10天未登录
数据仓库与数据挖掘实践
《数据仓库与数据挖掘实践》系统地介绍了数据仓库和数据挖掘技术,全本由两部分组成,第1章到第3章介绍数据仓库的基本概念和相关技术,第4章到第11章介绍数据挖掘的基本概念和各种算法,包括数据仓库构建、OLAP技术、分类方法、聚类方法、关联分析、序列模式挖掘方法、回归和时序分析、粗糙集理论、文本挖掘、Web挖掘和空间数据挖掘方法等。
《数据仓库与数据挖掘实践》既注重原理,又注重实践,配有大量图表、示例和练习题,内容丰富,概念讲解清楚,表达严谨,逻辑性强,语言精练,可读性好。
《数据仓库与数据挖掘实践》既便于教师课堂讲授,又便于自学者阅读。适合作为高等院校高年级学生和研究生“数据仓库和数据挖掘”或“数据挖掘算法”课程的教材。
李春葆,武汉大学计算机学院教授,主持和参加3S系统集成关键技术的研究(国家自然科学基金重点科技攻关项目,49631050)、城市地理信息系统标准规范的研究(国家测绘局项目)、伊藤算法及其在动态仿真优化中的理论研究(60873114/F020102)、湖北省财政厅三查管理信息系统、湖北省财政厅外汇管理信息系统、湖北省财政厅财政监督管理信息系统、武汉英华ERP系统等项目。
第1章数据仓库概述1.1数据仓库及其历史1.1.1数据库技术的发展1.1.2什么是数据仓库1.2数据仓库系统及其开发工具1.2.1数据仓库系统的组成1.2.2ETL1.2.3数据仓库和数据集市的关系1.2.4元数据及其管理1.3数据仓库系统开发工具1.4数据仓库与操作型数据库的关系1.4.1从数据库到数据仓库1.4.2数据仓库为什么是分离的1.4.3数据仓库与操作型数据库的对比1.4.4ODS1.5商务智能与数据仓库的关系练习题1思考题1第2章数据仓库设计2.1数据仓库设计概述2.1.1数据仓库设计原则2.1.2数据仓库构建模式2.1.3数据仓库设计步骤2.2数据仓库的规划和需求分析2.2.1数据仓库的规划2.2.2数据仓库的需求分析2.3数据仓库的建模2.3.1多维数据模型及相关概念2.3.2多维数据模型的实现2.3.3数据仓库建模的主要工作2.3.4几种常见的基于关系数据库的多维数据模型2.4数据仓库的物理模型设计2.4.1确定数据的存储结构2.4.2确定索引策略2.4.3确定存储分配2.5数据仓库的部署和维护2.5.1数据仓库的部署2.5.2数据仓库的维护2.6一个简单的数据仓库SDWS设计示例2.6.1SDWS的需求分析2.6.2SDWS的建模2.6.3基于SQLServer2008设计SDWS练习题2思考题2第3章OLAP技术3.1OLAP概述3.1.1什么是OLAP3.1.2OLAP技术的特性3.1.3OLAP和OLTP的区别3.1.4数据仓库与OLAP的关系3.1.5OLAP分类3.2OLAP的多维数据模型3.2.1多维数据模型的定义3.2.2OLAP的基本分析操作3.2.3一个简单的多维数据模型3.3OLAP实现3.3.1数据立方体的有效计算3.3.2索引OLAP数据3.3.3OLAP查询的有效处理练习题3思考题3第4章数据挖掘概述4.1什么是数据挖掘4.1.1数据挖掘的定义4.1.2数据挖掘的知识表示4.1.3数据挖掘的主要任务4.1.4数据挖掘的发展4.1.5数据挖掘的对象4.1.6数据挖掘的分类4.1.7数据挖掘与数据仓库及OLAP的关系4.1.8数据挖掘的应用4.2数据挖掘系统4.2.1数据挖掘系统的结构4.2.2数据挖掘系统的设计4.2.3常用的数据挖掘系统及其发展4.3数据挖掘过程4.3.1数据挖掘步骤4.3.2数据清理4.3.3数据集成4.3.4数据变换4.3.5数据归约4.3.6离散化和概念分层生成4.3.7数据挖掘的算法4.4数据挖掘的未来展望练习题4思考题4第5章关联分析5.1关联分析的概念5.1.1事务数据库5.1.2关联规则及其度量5.1.3频繁项集5.1.4挖掘关联规则的基本过程5.2Apriori算法5.2.1Apriori性质5.2.2Apriori算法5.2.3由频繁项集产生关联规则5.2.4提高Apriori算法的有效性5.2.5非二元属性的关联规则挖掘5.3频繁项集的紧凑表示5.3.1最大频繁项集5.3.2频繁闭项集5.4FP-growth算法5.4.1FP-growth算法框架5.4.2FP树构造5.4.3由FP树产生频繁项集5.5多层关联规则的挖掘5.5.1多层关联规则的挖掘概述5.5.2多层关联规则的挖掘算法5.5.3多维关联规则5.6其他类型的关联规则5.6.1基于约束的关联规则5.6.2负关联规则5.7SQLServer挖掘关联规则的示例5.7.1建立DM数据库5.7.2建立关联挖掘项目5.7.3部署关联挖掘项目并浏览结果练习题5思考题5第6章序列模式挖掘6.1序列模式挖掘概述6.1.1序列数据库6.1.2序列模式挖掘算法6.2Apriori类算法6.2.1AprioriAll算法6.2.2AprioriSome算法6.2.3DynamicSome算法6.2.4GSP算法6.2.5SPADE算法6.3模式增长框架的序列挖掘算法6.3.1FreeSpan算法6.3.2PrefixSpan算法练习题6思考题6第7章分类方法7.1分类过程7.1.1学习阶段7.1.2分类阶段7.2k-最邻近分类算法7.3决策树分类算法7.3.1决策树7.3.2建立决策树的ID3算法7.3.3建立决策树的C4.5算法7.4贝叶斯分类算法7.4.1贝叶斯分类概述7.4.2朴素贝叶斯分类7.4.3树增强朴素贝叶斯分类7.5神经网络算法7.5.1生物神经元和人工神经元7.5.2人工神经网络7.5.3前馈神经网络用于分类7.5.4SQLServer中神经网络分类示例7.6支持向量机7.6.1线性可分时的二元分类问题7.6.2线性不可分时的二元分类问题练习题7思考题7第8章回归分析和时序挖掘8.1线性和非线性回归分析8.1.1一元线性回归分析8.1.2多元线性回归分析8.1.3非线性回归分析8.2逻辑回归分析8.2.1逻辑回归原理8.2.2逻辑回归模型8.2.3SQLServer中逻辑回归分析示例8.3时序分析模型8.3.1时序分析概述8.3.2时序预测的常用方法8.3.3回归分析与时序分析的关系8.3.4确定性时序模型8.3.5随机时序模型8.3.6SQLServer建立随机时序模型示例8.4时序的相似性搜索8.4.1相似性搜索的概念8.4.2完全匹配8.4.3基于离散傅里叶变换的子序列匹配8.4.4基于规范变换的子序列匹配练习题8思考题8第9章粗糙集理论9.1粗糙集理论概述9.1.1粗糙集理论的产生9.1.2粗糙集理论的特点9.1.3粗糙集理论在数据挖掘中的应用9.2粗糙集理论中的基本概念9.2.1集合的基本概念9.2.2信息系统和粗糙集9.2.3分类的近似度量9.3信息系统的属性约简9.3.1约简和核9.3.2分辨矩阵求核9.4决策表及其属性约简9.4.1决策表及相关概念9.4.2决策表的属性约简算法9.5决策表的值约简及其算法9.5.1决策规则及其简化9.5.2决策规则的极小化9.6粗糙集在数据挖掘中的应用示例练习题9思考题9第10章聚类方法10.1聚类概述10.1.1什么是聚类10.1.2相似性测度10.1.3聚类过程10.1.4聚类算法的评价10.1.5聚类方法的分类10.1.6聚类分析在数据挖掘中的应用10.1.7聚类算法的要求10.2基于划分的聚类算法10.2.1k-均值算法10.2.2k-中心点算法10.3基于层次的聚类算法10.3.1层次聚类算法概述10.3.2DIANA算法和AGNES算法10.3.3BIRCH算法10.3.4CURE算法10.3.5ROCK算法10.3.6Chameleon算法10.4基于密度的聚类算法10.4.1DBSCAN算法10.4.2OPTICS算法10.5基于网格的聚类算法10.5.1STING算法10.5.2WaveCluster算法10.5.3CLIQUE算法10.6基于模型的聚类算法10.6.1EM算法10.6.2COBWEB算法10.7离群点分析10.7.1离群点概述10.7.2常见的离群点检测方法练习题10思考题10第11章其他挖掘方法11.1文本挖掘11.1.1文本挖掘概述11.1.2数据预处理技术11.1.3文本结构分析11.1.4文本分类11.1.5文本聚类11.1.6文本摘要11.1.7文本关联分析11.2Web挖掘11.2.1Web挖掘概述11.2.2Web结构挖掘11.2.3Web内容挖掘11.2.4Web使用挖掘11.2.5Web挖掘的发展方向11.3空间数据挖掘11.3.1空间数据概述11.3.2空间数据立方体和空间OLAP11.3.3空间数据挖掘方法练习题11思考题11附录A常用的优化方法参考文献
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