數(shù)據(jù)倉庫與數(shù)據(jù)挖掘原理及應用

定　價：￥32.00

作　者：	鄭巖編著
出版社：	清華大學出版社
叢編項：
標　簽：	數(shù)據(jù)倉庫與數(shù)據(jù)挖掘

購買這本書可以去

ISBN：	9787302228196	出版時間：	2011-01-01	包裝：	平裝
開本：	16開	頁數(shù)：	300	字數(shù)：

內容簡介

　　《數(shù)據(jù)倉庫與數(shù)據(jù)挖掘原理及應用》從專業(yè)角度全面介紹了數(shù)據(jù)倉庫和數(shù)據(jù)挖掘的理論、方法、技術及其應用，系統(tǒng)地闡述了數(shù)據(jù)倉庫和數(shù)據(jù)挖掘的產生、發(fā)展和應用及其主要概念、原理和算法，并結合當前數(shù)據(jù)倉庫和數(shù)據(jù)挖掘中一些新的應用實例進一步加以說明，力求學以致用。全書分為三篇。第一篇介紹數(shù)據(jù)倉庫的起源和演變過程，闡述數(shù)據(jù)倉庫的定義、體系結構、組成、元數(shù)據(jù)、數(shù)據(jù)粒度和數(shù)據(jù)模型以及ETL過程，論述數(shù)據(jù)倉庫設計和實現(xiàn)的方法。結合具體應用詳細闡述了如何構建數(shù)據(jù)倉庫及其主要應用，包括OLAP和OLAM等。第二篇介紹數(shù)據(jù)挖掘的起源和發(fā)展趨勢，以及數(shù)據(jù)挖掘與web挖掘的技術和方法，包括聚類、分類、預測和關聯(lián)分析等，詳細分析了數(shù)據(jù)挖掘在電信領域的具體應用，如客戶細分、重入網(wǎng)識別和WAP日志挖掘等。第三篇討論數(shù)據(jù)、信息和知識的關系，論述知識表示的主要方法和知識管理的核心技術，介紹當前研究熱點——語義網(wǎng)和本體的核心技術和方法，分析了語義網(wǎng)和本體的主要應用?！稊?shù)據(jù)倉庫與數(shù)據(jù)挖掘原理及應用》可作為計算機專業(yè)研究生或高年級本科生教材，也可以作為計算機研究和開發(fā)人員以及相關專業(yè)人士的參考資料。

作者簡介

暫缺《數(shù)據(jù)倉庫與數(shù)據(jù)挖掘原理及應用》作者簡介

圖書目錄

第一篇　數(shù)據(jù)倉庫
　第1章數(shù)據(jù)倉庫基礎
　　1.1 引言
　　　1.1.1 演變過程
　　　1.1.2 定義
　　1.2 體系結構
　　　1.2.1 兩層的體系結構
　　　1.2.2 三層的體系結構
　　1.3 組成
　　1.4 元數(shù)據(jù)
　　　1.4.1 定義和分類
　　　1.4.2 標準化
　　　1.4.3 CWM
　　　1.4.4 UMI、MOF和XML與CWM的關系
　　1.5 數(shù)據(jù)粒度
　　1.6 數(shù)據(jù)模型
　　1.7 ETI
　　　1.7.1 主要流程
　　　1.7.2 數(shù)據(jù)抽取
　　　1.7.3 數(shù)據(jù)轉換
　　　1.7.4 數(shù)據(jù)加載
　第2章數(shù)據(jù)倉庫設計和實現(xiàn)
　　2.1 數(shù)據(jù)倉庫設計
　　　2.1.1 設計方法
　　　2.1.2 體系結構設計
　　　2.1.3 數(shù)據(jù)模型設計
　　2.2 ETL設計
　　2.3 數(shù)據(jù)倉庫實現(xiàn)
　第3章數(shù)據(jù)倉庫實例
　　3.1 實例一
　　　3.1.1 選擇主題
　　　3.1.2 邏輯模型設計
　　　3.1.3 物理模型設計
　　　3.1.4 ETL設計
　　3.2 實例二
　　　3.2.1 總體結構設計
　　　3.2.2 概念模型設計
　　　3.2.3 邏輯模型設計
　　　3.2.4 物理模型設計
　　　3.2.5 數(shù)據(jù)清洗設計
　　　3.2.6 ETL設計
　第4章 OLAP和OLAM
　　4.1 OLAP
　　4.2 OLAM
　　　4.2.1 體系結構
　　　4.2.2 特點
　　　4.2.3 基于Web的OLAM
第二篇數(shù)據(jù)挖掘
　第5章數(shù)據(jù)挖掘基礎
　　5.1 概述
　　　5.1.1 定義
　　　5.1.2 功能
　　　5.1.3 模型
　　　5.1.4 展望
　　5.2 實現(xiàn)
　　5.3 工具
　　　5.3.1 概述
　　　5.3.2 比較
　第6章聚類分析
　　6.1 硬聚類
　　　6.1.1 算法種類
　　　6.1.2 相似度計算
　　　6.1.3 實現(xiàn)方法
　　　6.1.4 主要算法
　　6.2 模糊聚類
　　　6.2.1 概述
　　　6.2.2 主要算法
　　6.3 評價
　第7章分類和預測
　　7.1 神經(jīng)網(wǎng)絡
　　7.2 決策樹
　　7.3 實現(xiàn)過程
　第8章關聯(lián)分析
　　8.1 概述
　　8.2 Apriori
　　8.3 FP-Growth
　第9章 Web挖掘
　　9.1 概述
　　　9.1.1 定義
　　　9.1.2 自然語言理解
　　　9.1.3 Web挖掘過程
　　9.2 Web文檔抽取和表示
　　　9.2.1 Web文檔抽取
　　　9.2.2 Web文檔表示
　　9.3 特征提取
　　9.4 Web聚類
　　9.5 Web分類
　　　9.5.1 樸素貝葉斯
　　　9.5.2 其他方法
　　　9.5.3 評價
　第10章數(shù)據(jù)挖掘實例
　　10.1 TOM和TOM
　　10.2 客戶細分
　　　10.2.1 客戶生命周期
　　　10.2.2 客戶價值
　　　10.2.3 數(shù)據(jù)準備
　　　10.2.4 分析過程
　　　10.2.5 結果
　　10.3 重入網(wǎng)識別
　　　10.3.1 定義
　　　10.3.2 數(shù)據(jù)準備
　　　10.3.3 分析過程
　　　10.3.4 結果
　　10.4 WAF日志挖掘
　　　10.4.1 定義
　　　10.4.2 數(shù)據(jù)準備
　　　10.4.3 分析過程
　　　10.4.4 結果
第三篇語義網(wǎng)和本體
　第11章知識
　　11.1 概述
　　11.2 知識分類
　　11.3 知識表示
　　　11.3.1 知識表不觀
　　　11.3.2 知識表示方法
　　11.4 知識管理
　　　11.4.1 概述
　　　11.4.2 知識管理與信息管理的關系
　　　11.4.3 核心技術
　第12章語義網(wǎng)和本體
　　12.1 語義網(wǎng)
　　　12.1.1 概述
　　　12.1.2 層次結構
　　　12.1.3 元數(shù)據(jù)
　　　12.1.4 核心技術
　　　12.1.5 開發(fā)工具Jena
　　　12.1.6 Web3.0
　　12.2 本體
　　　12.2.1 哲學本源
　　　12.2.2 定義
　　　12.2.3 建模
　　　12.2.4 分類
　　　12.2.5 構建方法
　　　12.2.6 描述語言
　　　12.2.7 實例
參考文獻