基本信息·出版社：科学出版社 ·页码：295 页 ·出版日期：2009年02月 ·ISBN：7030129342/9787030129345 ·条形码：9787030129345 ·版本：第2版 ·装帧 ...
| 商家名称 |
信用等级 |
购买信息 |
订购本书 |
|
|
 |
数据仓库与数据挖掘技术(第2版) |
 |
|
|
数据仓库与数据挖掘技术(第2版) |
|
基本信息·出版社：科学出版社
·页码：295 页
·出版日期：2009年02月
·ISBN：7030129342/9787030129345
·条形码：9787030129345
·版本：第2版
·装帧：平装
·开本：16
·正文语种：中文
·丛书名：普通高等教育“十一五”国家级规划教材，信息管理与信息系统专业规划教材
·图书品牌：科瀚伟业
内容简介 《数据仓库与数据挖掘技术(第2版)》详细阐述了数据仓库与数据挖掘的基本原理，系统而全面地介绍了数据仓库与数据挖掘的概念、作用、算法和应用举例，并且给出了信息分析所涉及到的若干问题及框架。《数据仓库与数据挖掘技术(第2版)》介绍了最新的信息分析技术研究成果，如小波分析、Rough分析、蚁群分析、分形技术、Agent、数据挖掘的进化算法、聚类分析、非结构数据的挖掘、离群数据挖掘，但并未详细描述，而将介绍重点放在其应用上，起到抛砖引玉的作用。
《数据仓库与数据挖掘技术(第2版)》既可以作为信息管理与信息系统、计算机应用、经济管理等专业的高年级本科生和研究生的教材，又可以作为有关在经济管理领域中应用信息分析技术提高决策人员的参考。
编辑推荐 《数据仓库与数据挖掘技术(第2版)》是系统阐述数据仓库和数据挖掘的理论、方法与实践的专业书籍，其内容融合了先进的数据库技术、web技术、数理统计技术、人工智能技术、现代的管理思想和系统的科学方法。《数据仓库与数据挖掘技术(第2版)》的写作目的并非是要深入到每一种算法是如何编程的具体细节当中，而是以企业中正在从事或将要从事营销管理、经营决策和管理信息系统的深人开发等方面的工作者和IT人员作为对象，为其提供较为详细的信息分析技术、方法与总体思路。 《数据仓库与数据挖掘技术(第2版)》在组织材料上，力求做到系统性、准确性、完整性、先进性、实用性，把培养读者对信息进行管理和利用的能力作为出发点。《数据仓库与数据挖掘技术(第2版)》所涉及的知识点既可促进管理创新，又可使信息技术在管理中得到更广泛深入的应用。要求读者在阅读《数据仓库与数据挖掘技术(第2版)》前，应具备数理统计、数据结构、数据库技术和至少一门程序设计语言等方面的知识，还应具有一定的经营管理方面的知识。书中有部分章节难度较大，读者根据实际情况可跳过。 《数据仓库与数据挖掘技术(第2版)》可作为高等院校信息管理与信息系统专业、计算机应用专业的教材，也可作为从事信息系统建设和计算机应用工作的技术人员、管理人员的参考书，还可作为研究生的教学参考资料。
目录 序
第二版前言
第一版前言
第1章 数据仓库与数据挖掘概述
1.1 数据仓库引论
1.1.1 为什么要建立数据仓库
1.1.2 什么是数据仓库
1.1.3 数据仓库的特点
1.1.4 数据进入数据仓库的基本过程与建立数据仓库的步骤
1.1.5 分析数据仓库的内容
1.2 数据挖掘引论
1.2.1 为什么要进行数据挖掘
1.2.2 什么是数据挖掘
l.2.3 数据挖掘的特点
1.2.4 数据挖掘的基本过程与步骤
1.2.5 分析数据挖掘的内容
1.3 数据挖掘与数据仓库的关系
1.4 数据仓库与数据挖掘的应用
1.4.1 数据挖掘在零售业的应用
1.4.2 数据挖掘在商业银行中的应用
1.4.3 数据挖掘在电信部门的应用
1.4.4 数据挖掘在贝斯出口公司的应用
1.4.5 数据挖掘如何预测信用卡欺诈
1.4.6 数据挖掘在证券行业的应用
思考练习题
第2章 数据仓库的分析
2.1 数据仓库的需求分析模型
2.2 影响数据仓库成功的因素
2.3 数据仓库的生命周期
2.3.1 数据仓库计划与准备阶段
2.3.2 数据仓库的其他阶段
2.4 数据仓库的基本体系结构
2.5 数据仓库的逻辑结构
2.5.1 数据仓库中的粒度
2.5.2 数据仓库中的数据分割
2.5.3 数据仓库中的数据组织
2.5.4 数据仓库中的快照
2.5.5 数据仓库中的元数据
思考练习题
第3章 数据仓库的设计与实施
3.1 设计科学与数据仓库的设计
3.2 从数据库到数据仓库
3.3 面向主题的数据仓库设计
3.3.1 数据建模
3.3.2 星型连接
3.3.3 数据仓库的数据模型设计
3.4 开发数据仓库的物理设计
3.4.1 数据仓库设计工具的选择
3.4.2 物理数据模型设计
3.4.3 数据仓库中数据表的数量与规范化
3.5 数据仓库的实施
3.5.1 数据仓库的实施应注意的问题
3.5.2 在实施数据仓库过程中应避免的错误
3.5.3 数据仓库项目实施成功的要诀
思考练习题
第4章 信息分析的基本技术
4.1 自动信息分析的基本技术
4.1.1 智能代理
4.1.2 群体智能
4.1.3 小波分析
4.1.4 分形技术分析
4.2 联机分析
4.2.1 联机分析OLAP的基本术语
4.2.2 OLAP体系结构和处理的特性
4.2.3 OLAP多维数据结构与OLAP的分类
4.2.4 OLAP的多维数据分析方法
4.2.5 OLAP评价准则
4.2.6 OLAP的发展与流行的OLAP工具选择
4.3 Rough的信息分析技术
4.3.1 粗糙集理论的基本概念和理论基础
4.3.2 粗糙集在信息分析中的特征表示
思考练习题
第5章 数据挖掘过程
5.1 数据挖掘的方法与基本流程
5.1.1 SEMMA方法
5.1.2 数据挖掘的基本流程
5.2 确定主题和定义数据挖掘任务
5.2.1 确定主题
5.2.2 定义数据挖掘任务
5.3 数据预处理
5.3.1 数据的收集和准备
5.3.2 数据清理
5.3.3 数据集成
5.3.4 数据变换
5.3.5 数据归约
5.3.6 微软数据转换服务
5.4 数据挖掘的模型建立与理解
5.4.1 关于模型的准确性
5.4.2 关于模型的可理解性
5.4.3 关于模型的性能
5.4.4 描述和可视化
5.4.5 验证与评估
5.5 数据挖掘中常见的一些问题
5.5.1 商业用户提出的问题
5.5.2 技术问题
5.5.3 数据挖掘应用问题
5.5.4 实施数据挖掘项目考虑的问题
5.5.5 数据挖掘对社会的影响——有关隐私问题
5.6 事先无法预测的有价值知识
思考练习题
第6章 数据挖掘基本算法
6.1 分类规则挖掘
6.1.1 分类与估值
6.1.2 决策树
6.1.3 贝叶斯分类
6.2 预测分析与趋势分析规则
6.2.1 预言的基本方法
6.2.2 定量分析预测
6.2.3 预测的结果分析
6.2.4 趋势分析挖掘
6.3 数据挖掘的关联算法
6.3.1 关联规则的概念及分类
6.3.2 简单形式的关联规则算法（单维、单层和布尔关联规则）
6.3.3 多层和多维关联规则的挖掘
6.3.4 货篮子分析存在的问题
6.3.5 关联分析的其他算法
6.3.6 挖掘序列模式
6.4 数据挖掘的聚类算法
6.4.1 聚类分析的概念与分类
6.4.2 聚类分析中两个对象之间的相异度计算方法
6.4.3 划分方法
6.4.4 层次方法
6.4.5 基于密度的方法
6.4.6 基于网格的方法
6.4.7 基于模型的聚类方法
6.4.8 模糊聚类算法
6.5 数据挖掘的统计分析算法
6.5.1 辨别分析
6.5.2 回归建模
6.5.3 优点和缺点
6.6 数据挖掘的品种优化算法
6.6.1 品种优化
6.6.2 品种优化的算法
6.7 数据挖掘的进化算法
6.7.1 遗传算法
6.7.2 数据挖掘的神经网络算法
思考练习题
第7章 非结构化数据挖掘
7.1 文本挖掘
7.1.1 文本挖掘的一般过程与应用
7.1.2 文本表示与预处理
7.1.3 文本分类方法与文本聚类方法
7.1.4 自动摘要方法
7.2 Web数据挖掘
7.2.1 非结构化Web数据源
7.2.2 Web挖掘分类
7.2.3 Web内容挖掘
7.2.4 Web结构挖掘
7.2.5 Web访问挖掘
7.2.6 利用Web日志的聚类算法
7.2.7 电子商务中的Web挖掘
7.3 空间群数据挖掘
7.3.1 空间数据挖掘的概念
7.3.2 空间数据挖掘的分类
7.3.3 空间数据挖掘的体系结构
7.4 多媒体数据挖掘
7.4.1 多媒体数据挖掘的概念
7.4.2 多媒体数据挖掘的分类
7.4.3 多媒体数据挖掘的体系结构
思考练习题
第8章 离群数据挖掘
8.1 离群数据挖掘的概念
8.2 离群数据挖掘的分类
8.3 离群数据挖掘的算法
8.3.1 基于统计的方法
8.3.2 基于距离的离群数据方法
8.3.3 基于偏离的离群数据挖掘
8.3.4 高维数据的离群数据挖掘
8.3.5 基于小波的离群数据挖掘
8.4 市场营销离群数据挖掘
8.4.1 市场营销离群数据的特点
8.4.2 基于分形的市场营销离群数据挖掘模型
思考练习题
第9章 数据挖掘语言与工具的选择
9.1 数据挖掘语言及其标准化
9.1.1 数据挖掘语言的分类
9.1.2 分析与评价
9.2 数据挖掘的研究热点
9.3 数据挖掘工具的选择
9.3.1 评价数据挖掘工具的优劣指标
9.3.2 通用数据挖掘产品与工具
9.3.3 国内的数据挖掘产品与工具
9.3.4 数据可视化工具的选择
9.3.5 数据挖掘网站与可获得的数据挖掘算法源代码
思考练习题
第10章 知识管理与知识管理系统
10.1 知识管理
10.1.1 知识
10.1.2 知识管理的定义
10.1.3 有效的知识管理
10.2 知识管理系统
10.2.1 知识管理共享的条件
10.2.2 知识管理共享的困难
10.2.3 知识管理的激励机制
10.2.4 知识管理的体系结构
思考练习题
附录 数据挖掘产品部分信息
参考文献
……
序言 国家教育部于1998年7月6日公布了新的《普通高等学校本科专业目录》，将原来的经济信息管理、信息学、科技信息管理、林业信息管理和管理信息系统等专业合并为管理学科门类中的信息管理与信息系统专业。可以认为，这次合并既是学科相融的必然，也是国家信息化发展的需要。据有关资料介绍，到目前为止，全国已有超过200所高校开设了信息管理与信息系统专业。
自20世纪40年代以来，信息技术经过60余年的高速发展，它对人类社会各个领域的影响越来越广泛和深入，其影响最大、受益最多的当属管理和经济领域。信息作为最主要的经济资源，已经被人们所接受，并且愈来愈受到重视。信息技术的普及和推广，信息资源的组织、开发和利用，促进了企业的发展和产业结构的调整。当前所实施的电子商务、电子政务和数字图书馆等工程直接加速了生产力的发展和促进了社会的进步。我国政府提出的“以信息化带动工业化”的战略举措，必将有力提升我国的综合国力，同时也为信息管理与信息系统专业带来极大的发展机遇和发展空间。
信息管理与信息系统是一门交叉学科，它不是信息技术和管理科学的简单组合，而需要融合管理学、经济学、系统科学、运筹学和计算机科学于一体，因此，必须要有一套具有本专业特点的知识结构体系和适合本专业需要的教材体系。
信息管理与信息系统专业从1998年设立至今的10年来，许多专家学者在专业建设和教材建设方面倾注了大量的心血，有力地促进了专业和学科的发展。但是，由于该专业具有跨度大、内容新和变化快等特点，如何培养适应现代信息技术高速发展需要的、具有创新能力的、既懂信息技术又懂管理的复合型人才，对广大教育工作者而言是一个巨大的挑战。
文摘 插图：
第1章 数据仓库与数据挖掘概述
1.1 数据仓库引论
1.1.1 为什么要建立数据仓库
随着信息处理技术的不断发展，信息的存储、管理、使用和维护显得越来越重要，而传统的数据库管理系统（database management system，DBMS）很难满足其要求，表现为：数据量成几何级数增长；不同部分的数据难以集成；访问这些数据的响应性能不断降低。而决策支持系统（decision support system，DSS）所需数据必须预先经过提取、转换、过滤并与其他数据源整合，按主题存放在中央数据库中。客户查询时只访问中央数据库（database，DB），而不访问其他数据库。要想使数据能够发挥其最佳效用，更好地为用户服务，数据也必须经过严格的准备、组织和显示等几个步骤。完成这些工作的场所通常被称为数据仓库（data warehouse，DW）。数据仓库早在20世纪90年代起就开始流行。由于它为最终用户处理所需要的决策信息提供了一种有效方法，因此数据仓库被广泛应用，并且得到很好的发展。
