數(shù)據(jù)挖掘與OLAP理論與實務

定　價：￥25.00

作　者：	林杰斌，劉明德，陳湘編著
出版社：	清華大學出版社
叢編項：
標　簽：	數(shù)據(jù)庫存儲與管理

購買這本書可以去

ISBN：	9787302061403	出版時間：	2003-01-01	包裝：	平裝
開本：	26cm	頁數(shù)：	264	字數(shù)：

內(nèi)容簡介

　　數(shù)據(jù)挖掘是近年來伴隨著人工智能和數(shù)據(jù)庫技術(shù)的發(fā)展而出現(xiàn)的一門新興技術(shù)。本書討論數(shù)據(jù)挖掘理論與應用專題，包括數(shù)據(jù)挖掘和數(shù)據(jù)倉庫簡介、數(shù)據(jù)挖掘方法論、數(shù)據(jù)挖掘核心技術(shù)、聯(lián)機分析處理、DM與CRM工具軟件、21世紀的數(shù)據(jù)挖掘等內(nèi)容。本書可供信息技術(shù)、信息工程、信息管理、統(tǒng)計、電子商務、生物信息和計算分子生物學等相關(guān)科系及研究所學生作為教科書或參考書籍使用，也可作為統(tǒng)計信息軟件公司、電子商務網(wǎng)絡公司、設(shè)計／制造業(yè)、服務業(yè)（大型百貨公司及超市）等相關(guān)行業(yè)的研發(fā)人員及客服中心人員的參考教材。

作者簡介

暫缺《數(shù)據(jù)挖掘與OLAP理論與實務》作者簡介

圖書目錄

內(nèi)容摘要
第1章  數(shù)據(jù)挖掘簡介
1. l  什么是數(shù)據(jù)挖掘
1. 2  新世紀的統(tǒng)計科學
1. 3  數(shù)據(jù)挖掘是掌握商機的命脈
1. 4  點式行銷
1. 5  門戶同站的信息挖掘法
1. 6  尿布與啤酒
1. 7  千禧年新問題：不缺信息缺知識
1. 8  為客戶量身定做
1. 9  數(shù)據(jù)挖掘的數(shù)字物理學

第2章  數(shù)據(jù)倉庫簡介
2. l  配備數(shù)據(jù)倉庫的產(chǎn)業(yè)優(yōu)勢
2. 2  數(shù)據(jù)倉庫系統(tǒng)
2. 3  數(shù)據(jù)倉庫的應用
2. 4  數(shù)據(jù)倉庫的定義
2. 5  數(shù)據(jù)倉庫的類型
2. 6  數(shù)據(jù)篩選. 過濾和轉(zhuǎn)換工具簡介
2. 6. 1  ECT處理過程
2. 6. 2  數(shù)據(jù)篩選. 過濾和轉(zhuǎn)換的工具類型
2. 6. 3  3種工具類型的實例分析
2. 7  傳統(tǒng)數(shù)據(jù)庫與數(shù)據(jù)倉庫的比較
2. 8  多維數(shù)據(jù)倉庫中度量的建模
2. 9  數(shù)據(jù)倉庫的決策支持工具
2. 9. l  前言
2. 9. 2  數(shù)據(jù)倉庫與決策支持系統(tǒng)
2. 9. 3  決策支持工具分析比較
2. 10  數(shù)據(jù)倉庫的多維數(shù)據(jù)模型
2. 11  數(shù)據(jù)倉庫的執(zhí)行策略
2. 11. l  數(shù)據(jù)市集
2. 11. 2  元數(shù)據(jù)
2. 11. 3  數(shù)據(jù)倉庫的執(zhí)行策略
2. 11. 4  數(shù)據(jù)倉庫系統(tǒng)的結(jié)構(gòu)
2. 11. 5  結(jié)束語
2. 12  企業(yè)財務管理輔助決策
2. 12. l  引言
2. 12. 2  系統(tǒng)設(shè)計
2. 12. 3  系統(tǒng)執(zhí)行
2. 13  數(shù)據(jù)倉庫環(huán)境下面向知識的智能型查詢
2. 13. l  引言
2. 13. 2  KBIQ方法簡介
2. 13. 3  類自然語言NQL
2. 13. 4  領(lǐng)域模糊知識庫及KBDL語言
2. 13. 5  KBIQ的特點及其執(zhí)行方式
2. 14  數(shù)據(jù)倉庫技術(shù)研究和應用
2. 14. l  數(shù)據(jù)倉庫概述
2. 14. 2  數(shù)據(jù)倉庫中的聯(lián)機分析處理
2. 14. 3  數(shù)據(jù)挖掘
2. 14. 4  電力系統(tǒng)數(shù)據(jù)倉庫建議方案
2. 15  數(shù)據(jù)倉庫結(jié)構(gòu)說明
2. 16  專業(yè)顧問對于企業(yè)創(chuàng)建數(shù)據(jù)倉庫的重要性
2. 17  面向數(shù)據(jù)倉庫的GISOLAP及其應用
2. 17. l  引言
2. 17. 2  數(shù)據(jù)倉庫的OLAP技術(shù)
2. 17. 3  GIS與GIS的組件化
2. 17. 4  GISOLAP
2. 17. 5  GISOLAP在PSGIS中的應用
2. 17. 6  結(jié)論和意義
2. 18  OLAP系統(tǒng)對面向查詢結(jié)構(gòu)的用戶瀏覽
2. 18. 1  引言
2. 18. 2  多維數(shù)據(jù)模型
2. 18. 3  OLAP系統(tǒng)用戶查詢的結(jié)構(gòu)
2. 18. 4  OLAP系統(tǒng)用戶瀏覽
2. 18. 5  結(jié)束語
2. 19  數(shù)據(jù)倉庫的未來

第3章  數(shù)據(jù)挖掘方法論
3. 1  數(shù)據(jù)挖掘的基本方法及其與專家系統(tǒng)的差異
3. 1. 1  數(shù)據(jù)挖掘的任務
3. 1. 2  數(shù)據(jù)挖掘方法
3. 1. 3  關(guān)聯(lián)規(guī)則挖掘舉例
3. 1. 4  分類規(guī)則挖掘舉例
3. 1. 5  數(shù)據(jù)挖掘與專家系統(tǒng)的區(qū)別
3. 2  知識發(fā)現(xiàn)
3. 2. l  數(shù)據(jù)庫知識發(fā)現(xiàn)系統(tǒng)及領(lǐng)域知識在其中的功能
3. 2. 2  KDD中規(guī)劃提取的收斂網(wǎng)絡方法及其應用
3. 2. 3  農(nóng)業(yè)專家系統(tǒng)中知識發(fā)現(xiàn)的遺傳算法
3. 3  關(guān)聯(lián)規(guī)則
3. 3. l  興趣度--關(guān)聯(lián)規(guī)則的又一個門限值
3. 3. 2  數(shù)據(jù)庫中加權(quán)關(guān)聯(lián)規(guī)則的發(fā)現(xiàn)
3. 3. 3  挖掘所關(guān)注規(guī)則的多策略方法
3. 4  粗糙集
3. 4. 1  通過粗糙集理論的知識發(fā)現(xiàn)
3. 4. 2  一種面向粗糙集的屬性化簡及其規(guī)則篩選方法
3. 4. 3  一種面向粗糙集的數(shù)據(jù)過濾方法
3. 4. 4  一種面向粗糙集的默認規(guī)則挖掘算法
3. 4. 5  RSL：面向粗糙集的表示語言
3. 4. 6  面向粗糙集的"數(shù)據(jù)濃縮"
3. 4. 7  粗糙集算子的決策規(guī)則及數(shù)據(jù)挖掘中的軟計算
3. 5  運用數(shù)據(jù)挖掘方法來構(gòu)造客戶的輪廓

第4章  數(shù)據(jù)挖掘核心技術(shù)
4. 1  群集分析
4. 1. 1  PCCS部分群集分類：一種快速的Web文件群集方法
4. 1. 2  IR領(lǐng)域的文件群集研究
4. 1. 3  PCCS部分群集分類法
4. 1. 4  算法性能
4. 1. 5  結(jié)論
4. 2  遺傳算法
4. 2. l  遺傳程序設(shè)計方法綜述
4. 2. 2  理論. 技術(shù)和應用
4. 2. 3  結(jié)束語

第5章  聯(lián)機信息分析處理
5. 1  數(shù)據(jù)倉庫前端用戶接日的概念說明 OLAP/Doata Mining
5. 1. l  聯(lián)機分析處理
5. 1. 2  數(shù)據(jù)挖掘
5. 2  可視化數(shù)據(jù)挖掘技術(shù)及其應用
5. 2. l  引言
5. 2. 2  方案設(shè)計
5. 2. 3  軟件執(zhí)行及應用
5. 2. 4  結(jié)束語
5. 3  時間序列數(shù)據(jù)塊的儲存與聚集計算
5. 3. l  時序數(shù)據(jù)挖掘的意義及難點
5. 3. 2  多維空間位置向量與一維串行互換
5. 3. 3  數(shù)據(jù)塊的儲存方案
5. 3. 4  聚集計算
5. 3. 5  測試
5. 4  OLAP研究及其在現(xiàn)代企業(yè)中的應用
5. 4. l  引言
5. 4. 2  從OLTP 到 OLAP
5. 4. 3  OLAP在現(xiàn)代企業(yè)中的應用
5. 4. 4  結(jié)束語
5. 5 一種面向企業(yè)資源規(guī)劃的OLAP的執(zhí)行方法
5. 5. l  引言
5. 5. 2  MOLAP ADT的儲存結(jié)構(gòu)
5. 5. 3  MOLAP ADT多維查詢的執(zhí)行算法
5. 5. 4  結(jié)束語

第6章  DM與 CRM工具軟件
6. 1  ERM
6. 1. 1  什么是ERM
6. l. 2  為什么要引入ERM
6. l. 3  ERM給予企業(yè)什么回報
6. 2  哪些企業(yè)需要CRM
6. 3  企業(yè)綜合與轉(zhuǎn)型：IBM WebSphere產(chǎn)品系列
6. 3. 1  WebSphere解決方案介紹
6. 3. 2  發(fā)掘信息寶藏：IBM DB2信息管理產(chǎn)品系列
6. 3. 3  DB2信息管理解決方案產(chǎn)品介紹
6. 4  數(shù)據(jù)倉庫與挖掘系統(tǒng)DBMiner的成功與不足
6. 4. 1  DBMiner的安裝
6. 4. 2  建立數(shù)據(jù)倉庫和多維數(shù)據(jù)庫
6. 4. 3  數(shù)據(jù)倉庫可視化瀏覽和查詢
6. 4. 4  挖掘各種類型的知識
6. 4. 5  數(shù)據(jù)挖掘語言
6. 4. 6  DBMiner的成功之處與特色
6. 4. 7  DBMiner目前版本的不足
6. 5  多策略通用數(shù)據(jù)挖掘工具MS Miner
6. 5. l  引言
6. 5. 2  數(shù)據(jù)倉庫
6. 5. 3  綜合工具
6. 5. 4  元數(shù)據(jù)
6. 5. 5  結(jié)束語
6. 6  NBA球場決策利器：IBM數(shù)據(jù)挖掘軟件
6. 7  企業(yè)建立客服中心及CRM軟件

第7章  21世紀的數(shù)據(jù)挖掘
7. l  聯(lián)機文本挖掘
7. 2  電子商務與網(wǎng)絡數(shù)據(jù)挖掘
7. 2. 1  引言
7. 2. 2  電子商務中進行Web數(shù)據(jù)挖掘的數(shù)據(jù)來源
7. 2. 3  電子商務中應用的數(shù)據(jù)挖掘技術(shù)
7. 2. 4  在電子商務活動中的幾點應用
7. 2. 5  結(jié)論
7. 3  WWW上的信息挖掘技術(shù)及執(zhí)行
7. 3. 1  WWW上的信息挖掘
7. 3. 2  實例系統(tǒng)的設(shè)計與執(zhí)行
7. 3. 3  結(jié)束語
7. 4  如何精選挖掘文字的技巧
7. 4. l  挖掘非結(jié)構(gòu)性數(shù)據(jù)
7. 4. 2  群集技術(shù)
7. 4. 3  目錄分類
7. 4. 4  數(shù)據(jù)檢索
7. 4. 5  電子郵件的應用
7. 4. 6  文字挖掘的全球使用
7. 5  網(wǎng)絡文本挖掘技術(shù)
7. 5. 1  引言
7. 5. 2  Web挖掘與Web信息檢索
7. 5. 3  Web挖掘的任務
7. 5. 4  Web文本挖掘方法
7. 5. 5  Web文本挖掘系統(tǒng)原型WebMiner
7. 5. 6  結(jié)束語
7. 6  網(wǎng)絡挖掘
7. 6. 1  引言
7. 6. 2  Web挖掘的分類
7. 6. 3  Web結(jié)構(gòu)挖掘
7. 6. 4  Web使用記錄的挖掘
7. 6. 5  多層次Web數(shù)據(jù)倉庫的建立與操作：MLDB與 WEBML
7. 6. 6  結(jié)束語
7. 7  數(shù)據(jù)挖掘技術(shù)在網(wǎng)絡上的應用及其工具設(shè)計
7. 7. l  數(shù)據(jù)挖掘技術(shù)介紹
7. 7. 2  Wed上的數(shù)據(jù)挖掘
7. 7. 3  Web上的數(shù)據(jù)挖掘的執(zhí)行和工具
7. 7. 4  結(jié)論
7. 8  網(wǎng)絡日志序列模式挖掘
7. 8. l  引言
7. 8. 2  項目背景及相關(guān)工作
7. 8. 3  疑難及解決方案
7. 8. 4  SPMiner的設(shè)計
7. 8. 5  結(jié)論
7. 9  路徑群集：在網(wǎng)站中的知識發(fā)現(xiàn)
7. 9. l  引言
7. 9. 2  識別客戶查找業(yè)務
7. 9. 3  實驗
7. 9. 4  結(jié)論和將來的工作
7. 10  走向全球化的"商業(yè)智能"
7. 11  數(shù)據(jù)挖掘九大注意事項
附錄  專有名詞對照表