数据仓库与数据挖掘PDF|Epub|txt|kindle电子书版本网盘下载

数据仓库与数据挖掘PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章数据仓库与数据挖掘概述1

1．1数据仓库概念1

1.1.1 数据仓库的兴起1

1.1.2 数据仓库的特点2

1.1.3数据集市3

1.2知识发现和数据挖掘概念4

1.2.1 知识发现和数据挖掘的定义4

1.2.2 数据挖掘任务5

1.2.3 数据挖掘分类7

1.2.4 数据挖掘对象8

1.2.5 数据挖掘的知识表示10

1.3 数据挖掘方法和技术13

1.3.1 归纳学习方法13

1.3.2 仿生物技术14

1.3.3 公式发现15

1.3.4 统计分析方法15

1.3.5 模糊数学方法16

1.3.6 可视化技术16

1.4数据仓库和数据挖掘的发展16

1.4.1 数据仓库和数据挖掘的结合16

1.4.2 新决策支持系统和综合决策支持系统18

1.4.3 商业智能和知识管理19

习题120

第2章数据仓库系统22

2.1数据仓库组织结构22

2.1.1 数据仓库结构22

2.1.2 数据仓库系统结构23

2.1.3 数据仓库的运行结构24

2.1.4数据集市结构25

2.2数据仓库存储的数据模型26

2.2.1 星型模型27

2.2.2 雪花模型28

2.2.3 星网模型28

2.3元数据28

2.3.1 元数据概念28

2.3.2 关于数据源的元数据29

2.3.3 关于数据模型的元数据30

2.3.4 关于数据仓库映射的元数据30

2.3.5 关于数据仓库使用的元数据32

习题232

第3章数据仓库的数据获取与管理33

3.1数据仓库的数据获取33

3.1.1 数据质量33

3.1.2 数据变换34

3.1.3 数据清理35

3.1.4 数据集成35

3.1.5 聚集和概括36

3.1.6装载数据37

3.2数据管理37

3.2.1数据管理概述37

3.2.2脏数据的产生和清理39

3.2.3 休眠数据39

3.2.4元数据管理40

3.3系统管理41

3.3.1 服务水平42

3.3.2 性能监控43

3.3.3存储器管理46

3.3.4 网络管理47

3.3.5 安全管理47

习题348

第4章数据仓库的设计、开发与应用50

4.1数据仓库设计50

4.1.1 “数据驱动”的系统设计方法50

4.1.2概念模型设计51

4.1.3逻辑模型设计52

4.1.4 物理模型设计54

4.2多维表设计55

4.2.1 主题与多维表55

4.2.2 多维表设计步骤55

4.2.3 多维表设计示例56

4.3数据仓库的查询与索引技术58

4.3.1数据仓库查询58

4.3.2位索引技术59

4.3.3 标识技术61

4.3.4 广义索引63

4.4数据仓库开发64

4.4.1 数据仓库规划64

4.4.2定义体系结构64

4.4.3数据仓库设计65

4.4.4 源系统分析与数据变换设计66

4.4.5建立数据仓库67

4.4.6用户访问方法的设计和开发67

4.5数据仓库发展阶段与应用实例68

4.5.1 数据仓库的5个发展阶段68

4.5.2 数据仓库的应用实例71

习题477

第5章联机分析处理78

5.1 OLAP概念78

5.1.1 OLAP的定义78

5.1.2 OLAP准则79

5.1.3 OLAP的基本概念82

5.1.4 OLAP与OLTP的关系与比较83

5.2 OLAP的数据组织84

5.2.1 关系数据组织ROLAP85

5.2.2 多维数据组织MOLAP85

5.2.3 两种数据组织的比较85

5.3 OLAP的多维数据分析86

5.3.1 基本功能86

5.3.2广OLAP功能88

5.3.3 OLAP实例89

5.4 OLAP的体系结构90

5.4.1 OLAP的多层结构90

5.4.2 OLAP的Web结构91

5.5 OLAP 工具及评价94

5.5.1 Oracle OLAP 工具94

5.5.2 OLAP工具评价指标98

习题5100

第6章文本数据挖掘与Web挖掘101

6.1文本数据挖掘概述101

6.1.1 文本挖掘出现101

6.1.2 文本挖掘的基本概念101

6.1.3 文本挖掘与信息检索102

6.2文本特征表示与提取103

6.2.1 文本特征的表示103

6.2.2文本的特征提取104

6.3文本挖掘105

6.3.1 文本分类105

6.3.2关联分析106

6.3.3文档聚类106

6.4 Web挖掘107

6.4.1Web信息的特点107

6.4.2 Web挖掘分类108

6.4.3 Web结构的挖掘109

6.4.4 Web使用记录的挖掘110

习题6112

第7章决策树方法113

7.1决策树方法综述113

7.1.1 决策树概念113

7.1.2信息论原理113

7.2 ID3方法117

7.2.1 ID3基本思想117

7.2.2 ID3算法118

7.2.3 实例计算119

7.2.4对ID3的讨论120

7.3 C4.5方法121

7.3.1构造决策树121

7.3.2连续属性的处理122

7.3.3决策树剪枝123

7.3.4 从决策树抽取规则123

7.4 IBLE方法125

7.4.1 IBLE算法125

7.4.2简例和实例129

习题7135

第8章粗糙集方法与关联规则挖掘137

8.1粗糙集理论137

8.1.1粗糙集概念137

8.1.2 最小属性集138

8.2粗糙集的规则获取与应用139

8.2.1 获取规则139

8.2.2 应用实例140

8.3关联规则挖掘算法143

8.3.1 关联规则的挖掘原理143

8.3.2 关联规则的种类145

8.3.3 关联规则价值的衡量方法146

8.4关联规则挖掘算法147

8.4.1 Apriori算法147

8.4.2 示例149

8.5基于FP-tree的关联规则挖掘算法150

8.5.1算法描述150

8.5.2 示例说明151

习题8151

第9章公式发现153

9.1机器发现概述153

9.2 BACON系统154

9.2.1 BACON系统简介154

9.2.2 BACON系统的应用155

9.3 FDD公式发现算法156

9.3.1 FDD.1156

9.3.2 FDD.2163

9.3.3 FDD.3167

习题9172

第10章神经网络与遗传算法173

10.1神经网络的概念及几何意义173

10.1.1 神经网络概念173

10.1.2 神经网络的几何意义174

10.2反向传播模型（BP）176

10.2.1 BP网络结构176

10.2.2 BP网络学习公式推导177

10.2.3实例分析180

10.3 超曲面神经网络183

10.3.1 超曲面神经网络概念183

10.3.2超圆神经元模型CC183

10.4遗传算法原理190

10.4.1 遗传算法处理流程191

10.4.2 遗传算子192

10.4.3遗传算法的特点196

10.5基于遗传的分类学习系统197

10.5.1概述197

10.5.2 遗传分类学习系统GCLS的基本原理197

10.5.3 遗传分类器学习系统GCLS的应用201

习题10202

第11章基于案例推理204

11.1基于案例推理（CBR）的概念与原理204

11.1.1 CBR概念204

11.1.2 CBR的一般过程204

11.2案例表示和案例库206

11.2.1案例表示206

11.2.2案例库208

11.3案例检索与相似匹配209

11.3.1案例检索209

11.3.2 案例相似匹配210

11.4专家系统原理与CBR的比较211

11.4.1 专家系统（ES）原理211

11.4.2 ES与CBR的比较213

11.4.3 ES与CBR的结合213

11.5医疗事故辅助鉴定与管理系统实例214

11.5.1 系统综述214

11.5.2 医疗事故鉴定专家系统215

11.5.3 基于案例推理（CBR）的医疗事故鉴定216

习题11217

第12章决策支持系统与商业智能218

12.1传统决策支持系统218

12.1.1 传统决策支持系统概念218

12.1.2传统决策支持系统的进展219

12.1.3传统决策支持系统的关键技术和开发的困难220

12.2基于数据仓库、联机分析处理和数据挖掘的新决策支持系统221

12.2.1新决策支持系统221

12.2.2新决策支持系统实例222

12.3综合决策支持系统224

12.3.1 传统决策支持系统与新决策支持系统的比较224

12.3.2 综合决策支持系统结构和原理225

12.4商业智能和知识管理227

12.4.1商业智能227

12.4.2知识管理235

12.4.3 商业智能是知识管理的基础244

12.5小结247

习题12248

参考文献249