數(shù)據通信與網絡技術Data Communications and Networking

定　價：￥200.00

作　者：	謝邦昌主編
出版社：	機械工業(yè)出版社
叢編項：	原創(chuàng)精品系列
標　簽：	電信通信

購買這本書可以去

當當網 (￥36.70)

ISBN：	9787111232414	出版時間：	2008-03-01	包裝：	平裝
開本：	16開	頁數(shù)：	342	字數(shù)：

內容簡介

　　本書主要討論數(shù)據挖掘技術的基本原理與應用，可以解決企業(yè)運營中遇到的各種問題，并介紹了SQL Server 2005 處理這些問題的方法。內容主要包括數(shù)據倉庫、數(shù)據挖掘中的主要方法、SQL Server 2005 中的商業(yè)智能與數(shù)據挖掘功能、決策樹模型、聚類分析、神經網絡模型和時間序列模型等，并配有相關的范例分析與實例練習。本書內容翔實，示例豐富，結構合理，可作為各類開發(fā)人員及企業(yè)管理人員的參考用書。

作者簡介

　　謝邦昌，臺灣大學生物統(tǒng)計學博士。現(xiàn)任中華資料采礦協(xié)會（Chung-hua Data Mining Society，CDMS）理事長，輔仁大學統(tǒng)計資訊學系教授，華通人商用信息有限公司高級顧問。中國人民大學應用統(tǒng)計科學研究中心學術委員會委員。中國人民大學統(tǒng)計學系Data Minin9中心客座教授，上海財經大學統(tǒng)計學系客座教授。廈門大學計劃統(tǒng)計學系客座教授。西南財經大學客座教授。他是數(shù)據挖掘界領軍人物及世界知名統(tǒng)計學家。發(fā)表過近三百篇關于統(tǒng)計和數(shù)據挖掘的論文。出版了近五十余本相關專著。

圖書目錄

推薦序
序
第1章緒論
　1.1 商業(yè)智能
　1.2 數(shù)據挖掘
第2章數(shù)據倉庫
　2.1 數(shù)據倉庫定義
　2.2 數(shù)據倉庫特點
　2.3 數(shù)據倉庫架構
　2.4 建立數(shù)據倉庫的原因和目的
　2.5 數(shù)據倉庫的應用
　2.6 數(shù)據倉庫的管理
第3章數(shù)據挖掘簡介
　3.1 數(shù)據挖掘的定義
　3.2 數(shù)據挖掘的重要性
　3.3 數(shù)據挖掘的功能
　3.4 數(shù)據挖掘的步驟
　3.5 數(shù)據挖掘建模的標準CRISP-DM
　3.6 數(shù)據挖掘軟件分類
　3.7 各數(shù)據挖掘軟件的分析方法簡介
第4章數(shù)據挖掘中的主要方法
　4.1 回歸分析
　4.2 關聯(lián)規(guī)則
　4.3 聚類分析
　4.4 判別分析
　4.5 神經網絡分析
　4.6 決策樹分析
　4.7 其他分析方法
第5章數(shù)據挖掘與相關領域的關系
　5.1 數(shù)據挖掘與統(tǒng)計分析的不同
　5.2 數(shù)據挖掘與數(shù)據倉庫的關系
　5.3 KDD與數(shù)據挖掘的關系
　5.4 OLAP與數(shù)據挖掘的關系
　5.5 數(shù)據挖掘與機器學習的關系
　5.6 Web數(shù)據挖掘和數(shù)據挖掘有什么不同
第6章 SQL Server 2005中的商業(yè)智能
　6.1 SQL Server 2005入門
　6.2 關聯(lián)型數(shù)據庫
　6.3 Analysis Services
第7章 SQL Server 2005中的數(shù)據挖掘功能
　7.1 創(chuàng)建商業(yè)智能應用程序
　7.2 SQL Server 2005數(shù)據挖掘功能的優(yōu)勢
　7.3 SQL Server 2005數(shù)據挖掘算法
　7.4 可擴展性
　7.5 SQL Server 2005數(shù)據挖掘功能與商業(yè)智能集成
　7.6 使用數(shù)據挖掘可以解決的問題
第8章 SQL Server 2005的分析服務
　8.1 建立數(shù)據源與數(shù)據源視圖
　8.2 創(chuàng)建維度和多維數(shù)據集
　8.3 構建和部署
　8.4 從模板創(chuàng)建可自定義的數(shù)據庫
　8.5 統(tǒng)一維度模型
　8.6 基于屬性的維度
　8.7 維度類型
　8.8 量度組和透視
　8.9 計算和分析
　8.10 MDX腳本
　8.11 存儲過程
　8.12 關鍵績效指標
　8.13 實時商業(yè)智能
第9章 SQL Server 2005的報表服務
第10章決策樹模型
第11章貝葉斯分類
第12章關聯(lián)規(guī)則
第13章聚類分析
第14章時序聚類分析
第15章線性回歸模型
第16章 Logistic回歸模型
第17章神經網絡模型
第18章時間序列模型
第19章 SQL Server 2005整合服務
第20章文本挖掘模型
第21章 SQL Server 2005的DMX語言
第22章實際案例：聚類分析模型應用
第23章實際案例：時間序列模型應用