包郵數(shù)據(jù)倉庫與數(shù)據(jù)挖掘教程

作者：黃德才

出版社：清華大學(xué)出版社出版時(shí)間：2016-08-01

開本： 32開 頁數(shù)： 105

本類榜單：教材銷量榜

中圖價(jià):¥27.9(5.1折) 定價(jià) ~~¥54.9~~ 登錄后可看到會(huì)員價(jià)

加入購物車收藏

開年大促， 全場(chǎng)包郵

?新疆、西藏除外

本類五星書更多>

>
闖進(jìn)數(shù)學(xué)世界――探秘歷史名題

闖進(jìn)數(shù)學(xué)世界――探秘歷史名題

¥20.7¥32.8
>
中醫(yī)基礎(chǔ)理論

中醫(yī)基礎(chǔ)理論

¥51.7¥59
>
當(dāng)代中國政府與政治(新編21世紀(jì)公共管理系列教材)

當(dāng)代中國政府與政治(新編21世紀(jì)公共管理系列教材)

¥31.2¥48
>
高校軍事課教程

高校軍事課教程

¥12.4¥38
>
思想道德與法治(2021年版)

思想道德與法治(2021年版)

¥8.5¥18
>
毛澤東思想和中國特色社會(huì)主義理論體系概論(2021年版)

毛澤東思想和中國特色社會(huì)主義理論體系概論(2021年版)

¥8.5¥25
>
中醫(yī)內(nèi)科學(xué)·全國中醫(yī)藥行業(yè)高等教育“十四五”規(guī)劃教材

中醫(yī)內(nèi)科學(xué)·全國中醫(yī)藥行業(yè)高等教育“十四五”規(guī)劃教材

¥85.1¥99

商品詳情
商品評(píng)論(0條)

中圖價(jià):¥27.9 加入購物車

版權(quán)信息
本書特色
內(nèi)容簡(jiǎn)介
目錄

數(shù)據(jù)倉庫與數(shù)據(jù)挖掘教程版權(quán)信息

ISBN：9787302434122
條形碼：9787302434122 ; 978-7-302-43412-2
裝幀：一般膠版紙
冊(cè)數(shù)：暫無
重量：暫無
所屬分類：
教材
>
研究生/本科/專科教材
>
工學(xué)

數(shù)據(jù)倉庫與數(shù)據(jù)挖掘教程本書特色

本書較詳細(xì)地介紹了數(shù)據(jù)倉庫和數(shù)據(jù)挖掘的原理、方法及應(yīng)用技術(shù)。全書共有14章，分為4篇。第1章為緒論篇，介紹數(shù)據(jù)倉庫與數(shù)據(jù)挖掘的基本概念及其相互關(guān)系；第2~6章為數(shù)據(jù)倉庫原理及應(yīng)用篇，主要介紹數(shù)據(jù)倉庫的概念模型、邏輯模型和物理模型，以及數(shù)據(jù)倉庫的規(guī)劃、設(shè)計(jì)、實(shí)施和olap應(yīng)用等；第7~10章為傳統(tǒng)數(shù)據(jù)挖掘原理及算法篇，介紹數(shù)據(jù)的屬性類型與相似性度量、關(guān)聯(lián)規(guī)則挖掘、分類規(guī)則挖掘、聚類分析和離群點(diǎn)挖掘算法等；第11~14章為數(shù)據(jù)挖掘創(chuàng)新篇，主要內(nèi)容取自編者近年指導(dǎo)研究生發(fā)表的學(xué)術(shù)論文，并根據(jù)教學(xué)需要進(jìn)行適當(dāng)補(bǔ)充修改而成，包括混合屬性數(shù)據(jù)、數(shù)據(jù)流和不確定數(shù)據(jù)的聚類分析，以及量子遺傳聚類算法等。本書可作為普通高等院校計(jì)算機(jī)專業(yè)與it相關(guān)專業(yè)高年級(jí)本科生和研究生的教材，也可作為經(jīng)濟(jì)管理類專業(yè)同名課程的教材和參考書，還可作為電子商務(wù)、金融保險(xiǎn)等行業(yè)數(shù)據(jù)管理與數(shù)據(jù)分析人員的培訓(xùn)教材或自學(xué)參考書。

數(shù)據(jù)倉庫與數(shù)據(jù)挖掘教程內(nèi)容簡(jiǎn)介

兼顧應(yīng)用型人才與學(xué)術(shù)型人才的培養(yǎng)需求；有機(jī)融合傳統(tǒng)理論方法與創(chuàng)新思想方法；理論敘述深入淺出，實(shí)際應(yīng)用具體完整；算法描述自然易懂，計(jì)算實(shí)例詳略得當(dāng)。

數(shù)據(jù)倉庫與數(shù)據(jù)挖掘教程目錄

目錄第1章緒論1.1數(shù)據(jù)倉庫概述1.1.1從傳統(tǒng)數(shù)據(jù)庫到數(shù)據(jù)倉庫1.1.2數(shù)據(jù)倉庫的4個(gè)特征1.1.3數(shù)據(jù)倉庫系統(tǒng)1.1.4數(shù)據(jù)倉庫系統(tǒng)體系結(jié)構(gòu)1.1.5數(shù)據(jù)倉庫數(shù)據(jù)的粒度與組織1.2數(shù)據(jù)挖掘概述1.2.1數(shù)據(jù)挖掘產(chǎn)生的背景1.2.2數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)1.2.3數(shù)據(jù)挖掘的數(shù)據(jù)來源1.2.4數(shù)據(jù)挖掘的任務(wù)1.2.5數(shù)據(jù)挖掘的步驟1.2.6數(shù)據(jù)挖掘的應(yīng)用1.3數(shù)據(jù)倉庫與數(shù)據(jù)挖掘1.3.1數(shù)據(jù)倉庫與數(shù)據(jù)挖掘的區(qū)別1.3.2數(shù)據(jù)倉庫與數(shù)據(jù)挖掘的關(guān)系1.4教程章節(jié)組織與學(xué)時(shí)建議習(xí)題1第2章數(shù)據(jù)倉庫原理2.1多數(shù)據(jù)源問題2.2數(shù)據(jù)預(yù)處理2.2.1數(shù)據(jù)清洗2.2.2數(shù)據(jù)變換2.2.3數(shù)據(jù)歸約2.3er模型2.4數(shù)據(jù)倉庫的概念模型2.4.1多維數(shù)據(jù)模型2.4.2維度與粒度2.5數(shù)據(jù)倉庫的邏輯模型2.5.1多維數(shù)據(jù)庫系統(tǒng)2.5.2星形模型2.5.3雪花模型2.6數(shù)據(jù)倉庫的物理模型2.6.1位圖索引模型2.6.2廣義索引模型2.6.3連接索引模型2.6.4raid存儲(chǔ)結(jié)構(gòu)習(xí)題2第3章數(shù)據(jù)倉庫的設(shè)計(jì)開發(fā)應(yīng)用3.1數(shù)據(jù)倉庫設(shè)計(jì)的特點(diǎn)3.2數(shù)據(jù)倉庫系統(tǒng)開發(fā)過程3.3數(shù)據(jù)倉庫系統(tǒng)的規(guī)劃3.4數(shù)據(jù)倉庫的設(shè)計(jì)3.4.1需求分析3.4.2概念設(shè)計(jì)3.4.3邏輯設(shè)計(jì)3.4.4物理設(shè)計(jì)3.5數(shù)據(jù)倉庫的實(shí)施3.5.1數(shù)據(jù)倉庫的創(chuàng)建3.5.2數(shù)據(jù)的抽取、轉(zhuǎn)換和加載3.6數(shù)據(jù)倉庫系統(tǒng)的開發(fā)3.6.1開發(fā)任務(wù)3.6.2開發(fā)方法3.6.3系統(tǒng)測(cè)試3.7數(shù)據(jù)倉庫系統(tǒng)的應(yīng)用3.7.1用戶培訓(xùn)3.7.2決策支持3.7.3維護(hù)評(píng)估習(xí)題3第4章警務(wù)數(shù)據(jù)倉庫的實(shí)現(xiàn)4.1sql server 2008 r24.1.1sql server的服務(wù)功能4.1.2sql server management studio4.1.3microsoft visual studio4.2創(chuàng)建集成服務(wù)項(xiàng)目與ssis包4.3配置“旅館_etl”數(shù)據(jù)流任務(wù)4.3.1創(chuàng)建“旅館_etl”對(duì)象4.3.2配置“旅館_etl”參數(shù)4.4配置“人員_etl”數(shù)據(jù)流任務(wù)4.4.1創(chuàng)建“人員_etl”對(duì)象4.4.2配置“人員_etl”參數(shù)4.5配置“時(shí)間_etl”數(shù)據(jù)流任務(wù)4.5.1創(chuàng)建“時(shí)間_etl”對(duì)象4.5.2配置“時(shí)間_etl”參數(shù)4.6配置“入住_etl”數(shù)據(jù)流任務(wù)4.6.1創(chuàng)建“入住_etl”對(duì)象4.6.2配置“入住_etl”參數(shù)4.7部署前面配置的ssis包4.7.1將包另存到ssis服務(wù)器4.7.2創(chuàng)建作業(yè)代理習(xí)題4第5章聯(lián)機(jī)分析處理技術(shù)5.1olap概述5.1.1olap的定義5.1.2olap的12條準(zhǔn)則5.1.3olap的簡(jiǎn)要準(zhǔn)則5.1.4olap系統(tǒng)的基本結(jié)構(gòu)5.2olap的多維分析操作5.2.1切片5.2.2切塊5.2.3旋轉(zhuǎn)5.2.4鉆取5.3olap系統(tǒng)的分類5.3.1多維olap5.3.2關(guān)系olap5.3.3molap與rolap的比較5.3.4混合olap5.4olap、dw與dm的關(guān)系5.4.1olap、dw與dm的聯(lián)系5.4.2olap、dw與dm的區(qū)別5.4.3olap與dw的關(guān)系5.4.4olap與dm的關(guān)系5.5dolam決策支持系統(tǒng)方案習(xí)題5第6章警務(wù)數(shù)據(jù)倉庫的olap應(yīng)用6.1創(chuàng)建分析服務(wù)項(xiàng)目6.1.1進(jìn)入商業(yè)智能開發(fā)平臺(tái)6.1.2創(chuàng)建分析服務(wù)項(xiàng)目6.2配置項(xiàng)目的數(shù)據(jù)源6.3構(gòu)建數(shù)據(jù)源視圖6.4創(chuàng)建多維數(shù)據(jù)集6.5配置維的層次結(jié)構(gòu)6.5.1配置日期維的層次6.5.2配置地址維的層次6.5.3配置人員維的層次6.5.4配置旅館維的層次6.6添加人口來源地址維6.7分析服務(wù)項(xiàng)目的部署6.8瀏覽多維數(shù)據(jù)集習(xí)題6第7章數(shù)據(jù)的屬性與相似性7.1數(shù)據(jù)集的結(jié)構(gòu)7.1.1二維表7.1.2數(shù)據(jù)矩陣7.2屬性的類型7.2.1連續(xù)屬性7.2.2離散屬性7.2.3分類屬性7.2.4二元屬性7.2.5序數(shù)屬性7.2.6數(shù)值屬性7.3相似度與相異度7.3.1數(shù)值屬性的距離7.3.2分類屬性的相似度7.3.3余弦相似度7.3.4混合屬性的相異度習(xí)題7第8章關(guān)聯(lián)規(guī)則挖掘8.1關(guān)聯(lián)規(guī)則的概念8.1.1基本概念8.1.2項(xiàng)集的性質(zhì)8.2關(guān)聯(lián)規(guī)則的apriori算法8.2.1發(fā)現(xiàn)頻繁項(xiàng)集8.2.2產(chǎn)生關(guān)聯(lián)規(guī)則8.3fp增長(zhǎng)算法8.3.1算法的背景8.3.2構(gòu)造fp樹8.3.3生成頻繁項(xiàng)集8.4關(guān)聯(lián)規(guī)則的評(píng)價(jià)8.4.1支持度和置信度的不足8.4.2相關(guān)性分析8.5序列模式發(fā)現(xiàn)算法8.5.1序列模式的概念8.5.2類apriori算法8.6關(guān)聯(lián)規(guī)則其他算法8.6.1頻繁項(xiàng)集算法優(yōu)化8.6.2close算法8.6.3時(shí)態(tài)關(guān)聯(lián)規(guī)則8.6.4含負(fù)項(xiàng)的關(guān)聯(lián)規(guī)則習(xí)題8第9章分類規(guī)則挖掘9.1分類問題概述9.2k*近鄰分類法9.3決策樹分類方法9.3.1決策樹生成框架9.3.2id3分類方法9.3.3決策樹的剪枝9.3.4c4.5算法9.4貝葉斯分類方法9.4.1貝葉斯定理9.4.2樸素貝葉斯分類器9.4.3樸素貝葉斯分類方法的改進(jìn)9.5其他分類方法習(xí)題9第10章聚類分析方法10.1聚類分析原理10.1.1聚類分析概述10.1.2聚類的數(shù)學(xué)定義10.1.3簇的常見類型10.1.4聚類框架及性能要求10.1.5簇的距離10.2劃分聚類算法10.2.1劃分聚類框架10.2.2劃分聚類的質(zhì)量10.2.3kmeans算法10.2.4空簇與離群點(diǎn)10.2.5k中心點(diǎn)算法10.3層次聚類方法10.3.1層次聚類策略10.3.2agnes算法10.3.3diana算法10.4密度聚類方法10.4.1基本概念10.4.2算法描述10.4.3計(jì)算實(shí)例10.4.4算法的性能分析10.5聚類的質(zhì)量評(píng)價(jià)10.5.1簇的數(shù)目估計(jì)10.5.2外部質(zhì)量評(píng)價(jià)10.5.3內(nèi)部質(zhì)量評(píng)價(jià)10.6離群點(diǎn)挖掘10.6.1相關(guān)問題概述10.6.2基于距離的方法10.6.3基于相對(duì)密度的方法10.7其他聚類方法習(xí)題10第11章混合屬性數(shù)據(jù)的聚類分析11.1混合屬性數(shù)據(jù)集聚類11.1.1混合屬性數(shù)據(jù)普遍存在11.1.2kprototypes算法11.1.3kprototypes算法的不足11.2改進(jìn)的kprototypes算法11.2.1加權(quán)頻率*大原型11.2.2離散屬性的頻率相異度11.2.3改進(jìn)的kprototypes算法11.3強(qiáng)連通聚類融合算法11.3.1聚類融合方法11.3.2強(qiáng)連通聚類融合11.3.3聚類融合優(yōu)化算法習(xí)題11第12章數(shù)據(jù)流挖掘與聚類分析12.1數(shù)據(jù)流挖掘的概念12.1.1數(shù)據(jù)流的定義12.1.2數(shù)據(jù)流挖掘的任務(wù)12.2數(shù)據(jù)流處理技術(shù)12.2.1概要數(shù)據(jù)結(jié)構(gòu)12.2.2時(shí)間傾斜技術(shù)12.2.3數(shù)據(jù)流聚類的要求12.2.4數(shù)據(jù)流聚類的一般步驟12.3兩層數(shù)據(jù)流聚類框架12.4三層數(shù)據(jù)流聚類框架12.5*優(yōu)2k近鄰聚類算法12.5.1算法設(shè)計(jì)動(dòng)因12.5.2定義2k*近鄰集12.5.3在線2k*近鄰集生成12.5.4*優(yōu)2k近鄰集算法12.5.5*優(yōu)2k近鄰聚類算法12.5.6實(shí)例計(jì)算結(jié)果習(xí)題12第13章不確定數(shù)據(jù)的聚類分析13.1不確定數(shù)據(jù)挖掘概述13.1.1不確定數(shù)據(jù)的產(chǎn)生13.1.2不確定數(shù)據(jù)的種類13.1.3不確定數(shù)據(jù)的聚類13.2基于相對(duì)密度的不確定數(shù)據(jù)聚類算法13.2.1基于相對(duì)密度的聚類思想13.2.2不確定相異度與k*近鄰集13.2.3不確定k*近鄰密度13.2.4rdbcau算法描述13.2.5計(jì)算實(shí)例13.3不確定分類屬性數(shù)據(jù)聚類算法13.3.1傳統(tǒng)分類屬性相似度13.3.2分類屬性加權(quán)相似度13.3.3分類屬性雙重加權(quán)相似度13.3.4不確定分類屬性雙重加權(quán)相似度13.3.5基于連通分支的不確定分類屬性聚類算法習(xí)題13第14章量子計(jì)算與量子遺傳聚類算法14.1量子計(jì)算與數(shù)據(jù)挖掘14.1.1量子計(jì)算的誕生14.1.2量子計(jì)算研究14.1.3量子數(shù)據(jù)挖掘算法14.2量子計(jì)算原理14.2.1量子態(tài)與量子比特14.2.2量子門與基本運(yùn)算14.2.3量子糾纏特性14.3經(jīng)典量子算法14.3.1量子傅里葉變換14.3.2shor因子分解算法14.3.3grover算法14.4基于3d角度編碼的量子遺傳算法14.4.1量子遺傳算法14.4.2量子3d角度編碼14.4.3解空間的映射14.4.4量子染色體更新14.4.5量子位的變異14.4.6qgab3dc算法14.5量子遺傳聚類算法14.5.1屬性值q分位數(shù)與極差14.5.2基于極差的廣義加權(quán)距離14.5.3量子遺傳聚類算法習(xí)題14參考文獻(xiàn)

展開全部

商品評(píng)論(0條)

寫書評(píng) 賺書幣

暫無評(píng)論……

書友推薦

>
回憶愛瑪儂
回憶愛瑪儂
[日]梶尾真治著，王瑋譯
¥24.0~~¥32.8~~
>
新文學(xué)天穹兩巨星--魯迅與胡適/紅燭學(xué)術(shù)叢書(紅燭學(xué)術(shù)叢書)
新文學(xué)天穹兩巨星--魯迅與胡適/紅燭學(xué)術(shù)叢書(紅燭學(xué)術(shù)叢書)
易竹賢
¥9.9~~¥23.0~~
>
姑媽的寶刀
姑媽的寶刀
莫言
¥11.2~~¥30.0~~
>
伯納黛特,你要去哪(2021新版)
伯納黛特,你要去哪(2021新版)
[美] 瑪利亞·森普爾著，何雨珈譯
¥16.9~~¥49.8~~
>
我從未如此眷戀人間
我從未如此眷戀人間
史鐵生/汪曾祺
¥20.5~~¥49.8~~
>
上帝之肋:男人的真實(shí)旅程
上帝之肋:男人的真實(shí)旅程
[美] 羅伯特·布萊著，田國力/盧文戈譯
¥20.2~~¥35.0~~
>
山海經(jīng)
山海經(jīng)
林非
¥18.7~~¥68.0~~
>
人文閱讀與收藏·良友文學(xué)叢書:一天的工作
人文閱讀與收藏·良友文學(xué)叢書:一天的工作
魯迅
¥15.7~~¥45.8~~