掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
數據倉庫與數據挖掘概念、方法及圖書館應用 版權信息
- ISBN：9787567630222
- 條形碼：9787567630222 ; 978-7-5676-3022-2
- 裝幀：暫無
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
數據倉庫與數據挖掘概念、方法及圖書館應用 本書特色
本書以圖書館信息化為基點，從理論與實際應用角度，介紹了數據倉庫與數據挖掘的概念、方法及在圖書館的應用。主要內容包括：以圖書館自動化集成系統日常工作中產生的數據為基礎，詳細介紹了應用微軟SQL Server 2012數據倉庫與數據挖掘工具進行圖書館數據倉庫開發、數據集成服務、聯機分析處理及常見數據挖掘技術挖掘過程。本書注重實踐性，可操作性強，可作為企事業單位數據倉庫與數據挖掘工作人員、研究人員參考用書
數據倉庫與數據挖掘概念、方法及圖書館應用 內容簡介
本書以圖書館信息化為基點，從理論與實際應用角度，介紹了數據倉庫與數據挖掘的概念、方法及在圖書館的應用。主要內容包括：以圖書館自動化集成系統日常工作中產生的數據為基礎，詳細介紹了應用微軟SQL Server 2012數據倉庫與數據挖掘工具進行圖書館數據倉庫開發、數據集成服務、聯機分析處理及常見數據挖掘技術挖掘過程。 本書注重實踐性，可操作性強，可作為企事業單位數據倉庫與數據挖掘工作人員、研究人員參考用書。
數據倉庫與數據挖掘概念、方法及圖書館應用 目錄
第1章 概述 1.1 初識數據倉庫 1.1.1 數據倉庫的產生過程 1.1.2 數據倉庫的體系結構 1.1.3 數據倉庫的關鍵技術 1.2 初識數據挖掘 1.2.1 數據挖掘對象 1.2.2 數據挖掘過程 1.2.3 數據挖掘方法 1.3 數據倉庫與數據挖掘的關系 1.4 數據倉庫與數據挖掘工具 1.5 圖書館為什么需要數據倉庫與數據挖掘第2章 數據倉庫 2.1 數據倉庫概述 2.2 數據倉庫與數據庫的區別 2.3 數據倉庫數據組織結構 2.4 數據倉庫開發過程 2.4.1 規劃分析階段 2.4.2 設計實現階段 2.4.3 使用維護階段 2.5 案例：利用SQL Server 2012創建數據倉庫 2.5.1 概念模型設計 2.5.2 邏輯模型設計 2.5.3 物理模型設計第3章 數據抽取轉換加載 3.1 ETL過程 3.1.1 數據抽取 3.1.2 數據轉換 3.1.3 數據加載 3.2 T-SQL語句 3.2.1 數據定義語句 3.2.2 數據控制語句 3.2.3 數據操縱語句 3.3 SSIS服務 3.3.1 SSIS工具箱 3.3.2 SSIS包 3.4 案例：利用SQL Server 2012抽取、轉換及加載數據 3.4.1 數據抽取 3.4.2 數據清理、轉換3.4.3 數據加載第4章 聯機分析處理 4.1 聯機分析處理特性及評價 4.1.1 OLAP特性 4.1.2 OLAP評價準則 4.2 OLAP的一些基本概念 4.3 OLAP的基本操作 4.4 案例：利用SQL Server 2012創建OLAP立方 4.4.1 建立數據源 4.4.2 創建數據源視圖 4.4.3 根據向導創建多維數據集 4.4.4 修改Cube中的維度和度量 4.4.5 部署項目 4.4.6 分析多維數據集第5章 關聯規則 5.1 基本概念 5.2 關聯規則的分類 5.3 Apriori算法 5.3.1 Apriori性質 5.3.2 Apriori算法步驟 5.3.3 Apriori算法示例 5.4 Microsoft關聯規則算法 5.4.1 Microsoft關聯規則算法的參數 5.4.2 Microsoft關聯規則算法的要求 5.5 案例：利用SQL Server 2012進行Microsoft關聯規則挖掘 5.5.1 數據準備 5.5.2 實現挖掘任務 5.5.3 瀏覽模型 5.5.4 關聯預測第6章 分類 6.1 決策樹算法 6.1.1 基本概念 6.1.2 ID3算法 6.1.3 ID3算法示例 6.1.4 由決策樹提取分類規則 6.1.5 Microsoft決策樹算法 6.2 貝葉斯分類算法 6.2.1 貝葉斯分類的基礎——貝葉斯定理 6.2.2 樸素貝葉斯分類器 6.2.3 樸素貝葉斯分類示例 6.2.4 Microsoft Naive Bayes算法6.3 神經網絡算法 6.3.1 生物神經元與人工神經元 6.3.2 神經網絡的激發函數 6.3.3 多層感知器 6.3.4 Microsoft神經網絡算法 6.4 邏輯回歸算法 6.4.1 邏輯回歸算法概述 6.4.2 Microsoft邏輯回歸算法 6.5 案例：利用SQL Server 2012進行分類挖掘 6.5.1 數據準備 6.5.2 實現挖掘任務 6.5.3 瀏覽模型 6.5.4 挖掘性能分析第7章 聚類 7.1 聚類分析 7.1.1 聚類分析中的數據結構 7.1.2 聚類分析中的數據類型 7.2 [k]-平均算法 7.3 EM算法 7.4 Microsoft聚類算法 7.4.1 Microsoft聚類算法的參數 7.4.2 Microsoft聚類算法的要求 7.5 案例：利用SQL Server 2012進行Microsoft聚類分析挖掘 7.5.1 數據準備 7.5.2 實現挖掘任務 7.5.3 瀏覽模型第8章 線性回歸 8.1 一元線性回歸 8.2 多元線性回歸 8.3 Microsoft線性回歸算法 8.3.1 Microsoft線性回歸算法的參數 8.3.2 Microsoft線性回歸算法的要求 8.4 案例：利用SQL Server 2012進行Microsoft線性回歸挖掘 8.4.1 數據準備 8.4.2 實現挖掘任務 8.4.3 瀏覽模型第9章 時序 9.1 基本概念 9.2 簡單平均法 9.3 移動平均法 9.3.1 簡單移動平均 9.3.2 加權移動平均 9.4 指數平滑法 9.4.1 簡單指數平滑法 9.4.2 考慮趨勢調整的指數平滑法 9.4.3 考慮季節性調整的指數平滑法 9.5 ARIMA模型 9.5.1 平穩時間序列ARIMA模型的一般形式 9.5.2 非平穩時間序列ARIMA模型的一般形式 9.5.3 方法性工具 9.6 ARIMA模型示例 9.7 Microsoft時序算法 9.7.1 Microsoft時序算法的參數 9.7.2 Microsoft時序算法的要求 9.8 案例：利用SQL Server 2012進行Microsoft時序算法挖掘 9.8.1 數據準備 9.8.2 實現挖掘任務 9.8.3 瀏覽模型
展開全部
數據倉庫與數據挖掘概念、方法及圖書館應用 作者簡介
朱東妹，女， 1975年生，江蘇鹽城人，2006年畢業于昆明理工大學計算機應用技術專業，獲工學碩士學位。2006年7月至今于安徽師范大學圖書館信息技術部工作，目前主要研究領域為智慧圖書館、數據挖掘等。發表學術論文10余篇，獲得軟件著作權1項。2014年獲得安徽省高等學校圖書情報工作委員會學術成果二等獎，2014年獲得中國高校圖書館發展論壇征文二等獎， 2015年獲得全國師范院校圖書館聯盟學術會議征文二等獎
書友推薦
- >
巴金－再思錄
- >
小考拉的故事-套裝共3冊
- >
龍榆生：詞曲概論/大家小書
- >
山海經
- >
二體千字文
- >
詩經-先民的歌唱
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
隨園食單
本類暢銷
