掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
闖進數學世界――探秘歷史名題
-
>
中醫基礎理論
-
>
當代中國政府與政治(新編21世紀公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫內科學·全國中醫藥行業高等教育“十四五”規劃教材
買過本商品的人還買了
數據倉庫與數據挖掘 版權信息
- ISBN：9787111436751
- 條形碼：9787111436751 ; 978-7-111-43675-1
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
數據倉庫與數據挖掘 本書特色
李雄飛等編的《數據倉庫與數據挖掘(計算機科學與技術學科研究生教材)》注重內容的科學性、技術性和工程性。基本原理部分盡量做到嚴謹、完整。技術實現和技巧性上力求經典、特征突出。在工程方面節選部分成功案例，期望以點帶面。在教學過程中可以根據學時數、專業特點、課程性質等對教學內容適當取舍。
數據倉庫與數據挖掘 內容簡介
科技的進步，特別是信息產業的發展，把整個社會帶入一個嶄新的信息時代。隨著計算機應用的普及和數據庫技術的不斷發展，數據倉庫與數據挖掘技術的應用領域越來越廣泛。 《數據倉庫與數據挖掘》第1章介紹數據倉庫、數據挖掘的一般知識和應用領域。第2～8章介紹數據倉庫和數據挖掘的理論和技術，其中第2、3章側重數據倉庫，重點闡述了數據倉庫的架構、olap等內容，第4～8章側重數據挖掘，重點闡述了關聯規則、粗糙集、決策樹、聚類分析和興趣度量等內容。第9章給出了數據倉庫與數據挖掘方面的應用案例。 《數據倉庫與數據挖掘》是為軟件工程碩士量身定做的教材，也可作為計算機專業、信息類專業、管理類專業相關課程的教材和教學參考書。
數據倉庫與數據挖掘 目錄
《數據倉庫與數據挖掘》
前言
教學建議
第1章緒論
1.1引言
1.2數據倉庫
1.2.1從數據庫到數據倉庫
1.2.2數據倉庫的基本概念
1.2.3數據倉庫的體系結構
1.3數據挖掘
1.3.1 kdd與數據挖掘
1.3.2數據庫與數據挖掘發展歷程
1.3.3數據挖掘的特征與對象
1.3.4數據挖掘相關領域
1.4數據倉庫與數據挖掘的關系
1.5應用前景與發展趨勢
本章小結
習題
第2章聯機分析處理
2.1引言
2.2 olap的定義
2.3 olap的相關概念
2.4 olap與oltp的關系和比較
2.5 olap準則
2.6多維數據分析方法
2.7關系數據的組織
2.8多維數據的存儲方式
2.9 olap體系結構
2.10 olap的展現方式
2.11 olap工具的評價指標
2.12 olap的局限性
本章小結
習題
第3章數據倉庫的設計與開發
3.1引言
3.2數據倉庫的數據模型概述
3.3數據倉庫的分析與設計
3.3.1需求分析
3.3.2概念模型設計
3.3.3邏輯模型設計
3.3.4物理模型設計
3.3.5數據倉庫的索引技術
3.4數據倉庫的開發
3.4.1風險因素
3.4.2數據倉庫系統的生命周期
3.4.3建立數據倉庫系統的思維模式
3.4.4數據倉庫數據庫的設計步驟
3.4.5數據質量與數據清洗
3.4.6數據粒度與維度建模
3.4.7選擇數據倉庫工具
3.4.8提高數據倉庫性能
3.4.9數據倉庫的安全性
3.5主要的數據倉庫產品
本章小結
習題
第4章關聯規則
4.1引言
4.2關聯規則模型
4.3 apriori算法
4.3.1發現頻繁項集
4.3.2生成關聯規則
4.4頻繁模式增長算法
4.4.1建樹方法
4.4.2用fp樹挖掘頻繁模式
4.5關聯規則模型擴展
4.5.1多級關聯規則
4.5.2多維關聯規則
本章小結
習題
第5章粗糙集
5.1引言
5.2近似空間
5.2.1近似空間與不可分辨關系
5.2.2知識與知識庫
5.3近似與粗糙集
5.3.1基本概念
5.3.2基本性質
5.4描述粗糙集的特征的方法
5.4.1近似精度
5.4.2拓撲特征
5.5信息系統
5.5.1信息系統的定義
5.5.2約簡和核
5.5.3分辨矩陣與分辨函數
5.5.4信息系統約簡
5.6決策表
5.6.1相對約簡與知識依賴性
5.6.2決策表及其約簡
5.6.3近似約簡算法
5.6.4決策規則
本章小結
習題
第6章決策樹
6.1引言
6.2構建決策樹的理論問題
6.2.1為當前結點選擇屬性
6.2.2過擬合問題
6.3 id3算法
6.3.1生成決策樹的算法
6.3.2生成規則和決策
6.4決策樹的剪枝
6.4.1預剪枝
6.4.2后剪枝
6.5 c4.5算法
本章小結
習題6
第7章聚類分析
7.1引言
7.2聚類分析簡介
7.2.1聚類分析
7.2.2聚類分析應用領域與算法特征
7.3數據類型、距離和相似系數
7.3.1數據類型
7.3.2距離和相似系數
7.4聚類方法與聚類分類
7.4.1聚類方法
7.4.2聚類方法的分類
7.5劃分方法
7.5.1 k-均值算法
7.5.2 k-中心點算法
7.5.3關于參數k
7.5.4 em聚類
7.6層次方法
7.6.1層次聚類中的距離度量
7.6.2分裂方法
7.6.3凝聚方法
7.7基于密度的方法
7.7.1 dbscan算法
7.7.2矢量感應聚類算法
7.8聚類評估
7.8.1假設檢驗
7.8.2聚類評估中的假設檢驗
7.8.3相對準則
本章小結
習題7
第8章興趣度量
8.1引言
8.2用于關聯規則和分類規則的度量
8.2.1客觀度量
8.2.2主觀度量
8.2.3語義度量
8.3用于總結的度量
8.4分類器的興趣度
本章小結
習題8
第9章應用案例
9.1數據倉庫應用案例
9.1.1案例一：網絡購物數據倉庫
9.1.2案例二：社會保障卡數據倉庫
9.1.3案例三:醫院信息系統數據倉庫
9.2數據挖掘應用案例
9.2.1案例一：零售商系統貨籃數據挖掘
9.2.2案例二：通信用戶滿意度指數評測
9.2.3案例三:城市環境質量評價
本章小結
參考文獻
展開全部
書友推薦
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
自卑與超越
- >
月亮與六便士
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
山海經
- >
詩經-先民的歌唱
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
本類暢銷
