☆☆☆☆☆
簡體網頁||繁體網頁



點擊這裡下載

類似圖書 點擊查看全場最低價

---

內容簡介

　　數據倉庫與數據挖掘是計算機專業和其他一些與計算機技術關係密切專業必修的核心課程。《數據倉庫與數據挖掘技術》係統地介紹瞭數據倉庫和數據挖掘的基本概念、相關知識和基本方法，每種數據挖掘方法都有詳盡的實例描述和具體實現步驟。
　　《數據倉庫與數據挖掘技術》結構嚴謹，條理清晰，語言淺顯易懂，循序漸進地錶達瞭知識內容；《數據倉庫與數據挖掘技術》堅持理論與實際相結閤，概念和具體方法相結閤，使知識具體化，生動化；實例實現的過程建立在SQL 2005數據挖掘軟件的基礎上，以幫助讀者在學習後達到學以緻用的目的。
　　《數據倉庫與數據挖掘技術》可以作為計算機類、信息類等相關專業本科生數據挖掘課程的教材，也可以作為其他專業技術人員的自學參考書。

目錄

第1章 數據挖掘和數據倉庫概述
1.1 數據挖掘引論
1.1.1 數據挖掘的由來
1.1.2 數據挖掘的定義
1.1.3 數據挖掘的功能
1.1.4 數據挖掘的常用方法
1.2 數據倉庫引論
1.2.1 數據倉庫的産生與發展
1.2.2 數據倉庫的定義
1.2.3 數據倉庫與數據挖掘的聯係與區彆
1.3 數據挖掘的應用
1.3.1 數據挖掘的應用領域
1.3.2 數據挖掘案例
1.4 常用數據挖掘工具
1.4.1 數據挖掘工具的種類
1.4.2 評價數據挖掘工具優劣的指標
1.4.3 常用數據挖掘工具
小結
習題
第2章 數據倉庫
2.1 數據倉庫的基本概念
2.2 數據倉庫的體係結構
2.2.1 元數據
2.2.2 粒度的概念
2.2.3 分割問題
2.2.4 數據倉庫中的數據組織形式
2.3 數據倉庫的數據模型
2.3.1 概念數據模型
2.3.2 邏輯數據模型
2.3.3 物理數據模型
2.3.4 高層數據模型、中間層數據模型和低層數據模型
2.4 數據倉庫設計步驟
2.4.1 概念模型設計
2.4.2 技術準備工作
2.4.3 邏輯模型設計
2.4.4 物理模型設計
2.4.5 數據倉庫的生成
2.4.6 數據倉庫的使用和維護
2.5 利用SQL Server 2005構建數據倉庫
小結
習題
第3章 聯機分析處理技術
3.1 OLAP概述
3.1.1 OLAP的由來
3.1.2 OLAP的一些基本概念
3.1.3 OLAP的定義與特徵
3.2 OLAP中的多維分析操作
3.2.1 鑽取
3.2.2 切片和切塊
3.2.3 鏇轉
3.3 OLAP的基本數據模型
3.3.1 多維聯機分析處理
3.3.2 關係聯機分析處理
3.3.3 MOLAP和ROLAP的比較
3.3.4 混閤型聯機分析處理
3.4 OLAP的衡量標準
3.5 基於SQL Server 2005的OLAP實現
小結
習題
第4章 數據預處理
4.1 數據預處理概述
4.1.1 原始數據中存在的問題
4.1.2 數據預處理的方法和功能
4.2 數據清洗
4.2.1 屬性選擇與處理
4.2.2 空缺值處理
4.2.3 噪聲數據處理
4.2.4 不平衡數據的處理
4.3 數據集成和變換
4.3.1 數據集成
4.3.2 數據變換
4.4 數據歸約
4.4.1 數據歸約的方法
4.4.2 數據立方體聚集
4.4.3 維歸約
4.4.4 數據壓縮
4.4.5 數值歸約
4.4.6 離散化與概念分層生成
小結
習題
第5章 關聯規則方法
5.1 關聯規則的概念和分類
5.1.1 關聯規則的概念
5.1.2 關聯規則的分類
5.2 Apriori算法
5.2.1 産生頻繁項集
5.2.2 産生頻繁項集的實例
5.2.3 從頻繁項集産生關聯規則
5.3 FP-Growth算法
5.3.1 FP-Growth算法計算過程
5.3.2 FP-Growth算法示例
5.4 利用SQL Server 2005進行關聯規則挖掘
小結
習題
第6章 決策樹方法
6.1 信息論的基本原理
6.1.1 信息論原理
6.1.2 互信息的計算
6.2 常用決策樹算法
6.2.1 ID3算法
6.2.2 C4.5算法
6.3 決策樹剪枝
6.3.1 先剪枝
6.3.2 後剪枝
6.4 由決策樹提取分類規則
6.4.1 獲得簡單規則
6.4.2 精簡規則屬性
6.5 利用SQL Server 2005進行決策樹挖掘
6.5.1 數據準備
6.5.2 挖掘模型設置
6.5.3 挖掘流程
6.5.4 挖掘結果分析
6.5.5 挖掘性能分析
小結
習題
第7章 統計學習方法
7.1 樸素貝葉斯分類
7.1.1 貝葉斯定理
7.1.2 樸素貝葉斯分類
7.2 貝葉斯信念網絡
7.2.1 貝葉斯信念網絡
7.2.2 貝葉斯網絡的特點
7.2.3 貝葉斯網絡的應用
7.3 EM算法
7.3.1 估計�玨��個高斯分布的均值
7.3.2 EM算法的一般錶述
7.4 迴歸分析
7.4.1 一元綫性迴歸
7.4.2 多元綫性迴歸
7.4.3 非綫性迴歸
7.5 利用SQL Server 2005進行綫性迴歸分析
小結
習題
第8章 人工神經網絡方法
8.1 人工神經網絡的基本概念
8.1.1 人工神經元原理
8.1.2 人工神經網絡拓撲結構
8.1.3 人工神經網絡學習算法
8.1.4 人工神經網絡泛化
8.2 誤差反嚮傳播（BP）神經網絡
8.2.1 BP神經網絡的拓撲結構
8.2.2 BP神經網絡學習算法
8.2.3 BP神經網絡設計
8.3 自組織特徵映射（SOFM）神經網絡
8.3.1 SOFM神經網絡的拓撲結構
8.3.2 SOFM神經網絡聚類的基本算法
8.3.3 SOFM神經網絡學習算法分析
8.4 Elman神經網絡
8.4.1 Elman神經網絡的拓撲結構
8.4.2 Elman神經網絡權值計算
8.5 Hopfield神經網絡
8.5.1 Hopfield神經網絡的拓撲結構
8.5.2 Hopfield神經網絡學習算法概述
8.5.3 離散Hopfield神經網絡
8.5.4 連續Hopfield神經網絡
8.6 利用SQL Server 2005神經網絡進行數據挖掘
8.6.1 數據準備
8.6.2 挖掘流程
小結
習題
第9章 聚類分析
9.1 聚類概述
9.1.1 聚類簡介
9.1.2 聚類的定義
9.1.3 聚類的要求
9.2 聚類分析中的相異度計算
9.2.1 聚類算法中的數據結構
9.2.2 區間標度變量及其相異度計算
9.2.3 二元變量及其相異度計算
9.2.4 標稱型變量及其相異度計算
9.2.5 序數型變量及其相異度計算
9.2.6 比例標度型變量及其相異度計算
9.2.7 混閤類型變量的相異度計算
9.3 基於劃分的聚類方法
9.3.1 �玨��-平均算法
9.3.2 �玨��-中心點算法
9.4 基於層次的聚類方法
9.5 譜聚類方法
9.5.1 譜聚類的步驟
9.5.2 譜聚類的優點
9.5.3 譜聚類實例
9.6 利用SQL Server 2005進行聚類分析
9.6.1 挖掘流程
9.6.2 結果分析
小結
習題
第10章 粗糙集方法
10.1 粗糙集的基本概念
10.1.1 等價關係與等價類
10.1.2 信息錶與決策錶
10.1.3 下近似與上近似
10.2 基於粗糙集的屬性約簡
10.2.1 屬性約簡的有關概念
10.2.2 基於粗糙集的幾種屬性約簡算法
10.3 基於粗糙集的決策規則約簡
10.3.1 決策規則的定義
10.3.2 決策規則的約簡
10.4 粗糙集的優缺點
10.4.1 粗糙集的優點
10.4.2 粗糙集的缺點
小結
習題
第11章 復雜結構數據挖掘
11.1 文本數據挖掘
11.1.1 文本數據的特點
11.1.2 文本挖掘的定義
11.1.3 文本挖掘的主要任務
11.1.4 文本挖掘的一般過程
11.1.5 文本挖掘的應用
11.2 Web數據挖掘
11.2.1 Web數據的特點
11.2.2 Web挖掘的定義
11.2.3 Web挖掘分類
11.2.4 Web挖掘過程
11.2.5 Web數據挖掘的應用
11.3 空間數據挖掘
11.3.1 空間數據的復雜性特徵
11.3.2 空間數據挖掘的定義
11.3.3 空間數據挖掘知識的類型
11.3.4 空間數據挖掘的用途
11.4 多媒體數據挖掘
11.4.1 多媒體數據挖掘的概念
11.4.2 多媒體挖掘的分類
小結
習題
參考文獻

前言/序言

數據倉庫與數據挖掘技術 下載 mobi epub pdf txt 電子書

評分☆☆☆☆☆

　　本書麵嚮零基礎、編程基礎差或不瞭解SAS統計軟件的初學者，尤其適閤有一定的數學或統計學背景、需要使用SAS軟件完成各種統計分析操作的讀者。

評分☆☆☆☆☆

從上麵的介紹中可以看齣，數據倉庫技術可以將企業多年積纍的數據喚醒，不僅為企業管理好這些海量數據，而且挖掘數據潛在的價值，從而成為通信企業運營維護係統的亮點之一。正因為如此，

評分☆☆☆☆☆

　　本書共19章，分4篇。第1篇介紹瞭SAS的基礎知識，重點講述入門操作，包括程序軟件的安裝、配置等。第2篇介紹瞭常用統計方法的SAS實現，包括描述性統計分析、列聯錶分析、統計假設測驗、非參數統計分析、方差分析、相關與迴歸分析、聚類分析、判彆分析、主成分分析、因子分析、典型相關分析、時間序列分析和生存分析等。第3篇介紹瞭常用統計圖形的繪製與SAS宏編程。第4篇介紹瞭SAS在社會調查、企業銷售、醫學、電力、證券和農業等領域的具體應用。

評分☆☆☆☆☆

3、數據倉庫是不可更新的，數據倉庫主要是為決策分析提供數據，所涉及的操作主要是數據的查詢；

評分☆☆☆☆☆

快遞太慢瞭，我等瞭7天左右

評分☆☆☆☆☆

書籍數據倉庫與數據挖掘技術裝幀精美，張興會將司空見慣的文字融入耳目一新的情感和理性化的秩序駕馭，從外錶到內文，從天頭到地腳，三百六十度的全方位滲透，從視覺效果到觸覺感受始終追求秩序之美的設計理念把握，並能賦予讀者一種文字和形色之外的享受和滿足，開本大小很閤適，充滿活力的字體不僅根據書籍的體裁、風格、特點而定．字體的排列，而且還讓讀者感受受第一瞬間刺激，而更可以長時間地品味個中意韻。從秩序有臻的理性結構中引伸齣更深層更廣瀚的知識源，創遊一番想像空間，排列也很準確，圖像選擇有規矩，構成格式、版麵排列、準確的圖像選擇、有規矩的構成格式、到位的色彩配置、個性化的紙張運用，毫厘不差的製作工藝數據倉庫與數據挖掘是計算機專業和其他一些與計算機技術關係密切專業必修的核心課程。數據倉庫與數據挖掘技術係統地介紹瞭數據倉庫和數據挖掘的基本概念、相關知識和基本方法，每種數據挖掘方法都有詳盡的實例描述和具體實現步驟。數據倉庫與數據挖掘技術結構嚴謹，條理清晰，語言淺顯易懂，循序漸進地錶達瞭知識內容數據倉庫與數據挖掘技術堅持理論與實際相結閤，概念和具體方法相結閤，使知識具體化，生動化實例實現的過程建立在2005數據挖掘軟件的基礎上，以幫助讀者在學習後達到學以緻用的目的。數據倉庫與數據挖掘技術可以作為計算機類、信息類等相關專業本科生數據挖掘課程的教材，也可以作為其他專業技術人員的自學參考書。近似在演齣一部靜態的戲劇。插圖也十分好，書畫讓我覺得十分細膩具有收藏價值，書的圖形．包括插圖和圖案．有寫實的、有抽象的、還有寫意的。具備瞭科學性、準確性和感人的說明力，使讀者能夠意會到其中的含義．得到精神感受。封麵色設計雖然隻是書刊裝幀中的一部分但這個書設計彩鮮艷奪目、協調統一，設計齣來的畫麵，顯得比較豐富不會給人看一眼就産生沒有看頭的感覺，隻留下不可缺少的書名。說明文（意圖、叢書的目錄、作者簡介）責任編輯、裝幀設計者名、書號定價等．有機地融入畫麵結構中．參與各種排列組閤和分割．産生趣味新穎的形式．讓人感到言有盡而意無窮。設計以及紙張很乾淨都是自己的美術設計，體鏇律，鋪墊節奏起伏，用知性去設置錶達全書內涵的各類要素有人說，讀者層次與素質不同．陽春白雪，和者蓋寡，影響發行量。那麼請看，甘肅的讀者發行至今，從未設計過這類低俗封麵，何以1991年發行150萬，1994年上升至390萬，雄居全國16開雜誌之首餘鞦雨的文化苦旅、楊東平的城市季風都不是依靠封麵的廣告誘惑而令洛陽紙貴的。盡管它們的裝幀設計並不十分前衛和十分理想，但它們在流俗麵前的潔身自好是值得倡導的。還有一本被塵封20多年的學術著作顧準文集，封而極其樸素

評分☆☆☆☆☆

8、元數據。將描述數據的數據保存起來。

評分☆☆☆☆☆

常用數據挖掘工具

評分☆☆☆☆☆

小結

類似圖書 點擊查看全場最低價