商务智能与数据挖掘2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

商务智能与数据挖掘PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 商务智能概述1

1.1 商业决策与商务智能1

1.1.1 决策与决策过程1

1.1.2 决策制定的计算机支持2

1.1.3 商务智能对决策支持3

1.2 商务智能简介5

1.2.1 商务智能的起源与发展5

1.2.2 商务智能的概念7

1.2.3 商务智能的特点8

1.2.4 商务智能的功能9

1.2.5 商务智能的支撑技术10

1.2.6 商务智能的应用12

1.3 商务智能与分析15

1.3.1 商务智能应用背景15

1.3.2 商务智能关键技术分析15

1.3.3 商务智能数据流程分析16

1.4 商务智能的系统架构及实施19

1.4.1 商务智能系统架构19

1.4.2 商务智能系统要素21

1.4.3 商务智能系统实施22

1.4.4 商务智能主流软件对比23

习题25

本章参考文献25

第2章 数据仓库与在线分析处理28

2.1 从数据库到数据仓库29

2.1.1 数据管理与数据库29

2.1.2 数据仓库定义与特点29

2.1.3 数据仓库系统构成31

2.2 数据预处理32

2.2.1 数据预处理概述32

2.2.2 数据预处理的必要性32

2.2.3 数据预处理的基本方法33

2.2.4 数据清理34

2.2.5 数据集成35

2.2.6 数据变换36

2.2.7 数据归约37

2.3 数据抽取－转换－装载37

2.3.1 相关概念37

2.3.2 数据抽取－转换－装载建模过程38

2.3.3 数据抽取－转换－装载增量抽取机制39

2.3.4 数据抽取－转换－装载过程数据质量控制39

2.3.5 数据抽取－转换－装载并行处理技术41

2.4 联机分析处理41

2.4.1 联机分析处理简介41

2.4.2 联机分析处理的分类42

2.4.3 联机分析处理的基本概念和典型操作43

2.4.4 联机分析处理系统的实现途径及实施过程43

2.4.5 联机分析处理的评价准则44

2.4.6 联机分析处理的主流工具44

习题46

本章参考文献47

第3章 数据挖掘49

3.1 数据挖掘基础49

3.1.1 数据挖掘的发展历史50

3.1.2 数据挖掘的定义50

3.1.3 数据挖掘任务52

3.1.4 数据挖掘过程模型53

3.2 聚类分析58

3.2.1 基本概念59

3.2.2 划分方法60

3.2.3 层次方法61

3.2.4 基于密度的方法62

3.2.5 基于网格的方法62

3.2.6 聚类评估62

3.3 分类分析66

3.3.1 基本概念66

3.3.2 决策树归纳算法68

3.3.3 贝叶斯分类方法72

3.3.4 基于规则的分类75

3.3.5 基于最近邻的分类76

3.3.6 分类器评价77

3.4 关联分析78

3.4.1 基本概念79

3.4.2 频繁项集的产生79

3.4.3 规则的产生80

3.4.4 关联模式的评价81

3.5 离群点检测82

3.5.1 基本概念82

3.5.2 基于分类的异常检测技术84

3.5.3 基于最近邻的异常检测技术84

3.5.4 基于聚类的异常检测技术85

3.5.5 统计异常检测技术86

习题86

本章参考文献87

第4章 数据挖掘高级方法88

4.1 高级聚类分析88

4.1.1 基于概率模型的聚类分析89

4.1.2 高维数据聚类分析94

4.1.3 图和网络数据聚类分析99

4.1.4 具有约束的聚类分析102

4.2 高级分类分析103

4.2.1 用后向传播分类分析104

4.2.2 支持向量机107

4.2.3 使用频繁模式分类分析110

4.2.4 惰性学习法112

4.2.5 其他分类方法113

4.3 回归分析114

4.3.1 数据挖掘与回归分析115

4.3.2 线性回归115

4.3.3 多元线性回归118

4.3.4 逻辑回归119

4.4 深度学习120

4.4.1 深度学习概述121

4.4.2 深度学习的基本方法122

4.4.3 深度学习模型124

4.4.4 深度学习的训练加速128

4.5 推荐系统129

4.5.1 推荐系统简介130

4.5.2 基于内容的推荐系统132

4.5.3 协同过滤系统133

4.5.4 降维处理135

习题138

本章参考文献139

第5章 文本与Web分析142

5.1 文本分析与Web分析概述142

5.2 自然语言处理143

5.2.1 基础研究144

5.2.2 共性技术145

5.2.3 应用研究146

5.2.4 处理工具149

5.3 文本挖掘150

5.3.1 文本挖掘的定义及特点150

5.3.2 文本挖掘的应用150

5.3.3 文本挖掘的过程153

5.3.4 文本挖掘的关键技术153

5.4 情感分析160

5.4.1 情感分析的定义160

5.4.2 情感分析的应用160

5.4.3 情感分析的主要内容161

5.4.4 情感分析的关键问题163

5.5 Web挖掘过程166

5.5.1 Web挖掘概述166

5.5.2 Web挖掘过程167

5.6 社交分析173

5.6.1 社交网络分析的特点174

5.6.2 社交网络分析的内容及方法175

习题182

本章参考文献182

第6章 RFID数据挖掘185

6.1 RFID技术基础186

6.1.1 RFID的基本概念186

6.1.2 RFID系统的组成187

6.1.3 RFID技术的应用191

6.2 RFID数据挖掘193

6.2.1 RFID数据挖掘的作用193

6.2.2 RFID数据的特征196

6.2.3 RFID数据的预处理197

6.2.4 RFID数据挖掘分析199

6.3 RFID数据挖掘的典型应用202

6.3.1 智慧商城203

6.3.2 智能交通204

6.3.3 物流管理207

6.3.4 RFID防伪追溯208

习题209

本章参考文献210

第7章 大数据分析与可视化212

7.1 大数据时代的数据挖掘212

7.1.1 大数据时代数据挖掘的特点212

7.1.2 大数据挖掘与传统数据挖掘的区别212

7.2 大数据挖掘平台213

7.2.1 Apache Hadoop213

7.2.2 Apache Spark215

7.2.3 Mahout217

7.3 大数据安全与隐私217

7.3.1 大数据采集安全217

7.3.2 大数据存储安全219

7.3.3 大数据挖掘安全220

7.3.4 大数据隐私的法规保障221

7.4 大数据可视化222

7.4.1 大数据可视化概述222

7.4.2 大数据可视化基础223

7.4.3 商务智能中的大数据可视化技术225

习题226

本章参考文献227

第8章 面向商务应用的知识管理229

8.1 知识管理概述229

8.1.1 知识管理概述229

8.1.2 知识管理的重要性和必要性231

8.2 知识的定义和分类232

8.2.1 知识的定义232

8.2.2 知识的分类233

8.2.3 知识的转化234

8.3 知识管理的定义与目标235

8.3.1 知识管理的定义235

8.3.2 知识管理的目的和目标236

8.3.3 知识管理的流程237

8.4 组织知识管理的流程238

8.4.1 组织知识的创建238

8.4.2 组织知识的存储与索引239

8.4.3 组织知识的传播240

8.4.4 组织知识的应用241

8.5 企业应用中的案例及问题242

8.5.1 知识管理在企业中的应用案例242

8.5.2 知识管理在应用中遇到的问题243

8.6 知识管理的发展趋势244

习题245

本章参考文献245

第9章 商务智能系统247

9.1 引导案例247

9.1.1 A公司的旗舰店POS分析系统247

9.1.2 B公司的供应链管理系统247

9.2 基于SPSS Modeler的商务智能系统248

9.2.1 SPSS Modeler简介248

9.2.2 SPSS Modeler启动249

9.2.3 SPSS Modeler服务器连接249

9.2.4 添加并编辑IBM SPSS Modeler服务器连接251

9.2.5 搜索SPSS Collaboration and Deployment Services中的服务器251

9.2.6 更改临时目录252

9.2.7 SPSS Modeler的基本操作252

9.2.8 SPSS Modeler建模过程简介255

9.3 基于SAS的商务智能系统266

9.3.1 SAS简介266

9.3.2 SAS的基本结构与功能267

9.3.3 SAS的启动与运行269

9.3.4 SAS语言270

9.3.5 SAS商务智能框架272

9.3.6 SAS BI Sever273

9.4 基于SAP的商务智能系统275

9.4.1 SAP商务智能系统的发展历程276

9.4.2 SAP的启动与运行278

9.4.3 SAP商务智能系统在SAP应用系统中的地位278

9.4.4 企业数据仓库280

9.4.5 商务智能平台280

9.4.6 业务浏览器套件281

9.5 基于IBM Cognos的商务智能系统282

9.5.1 IBM Cognos Enterprise282

9.5.2 IBM Cognos Enterprise架构283

9.5.3 IBM Cognos Business Intelligence285

习题295

本章参考文献295

第10章 商务智能应用297

10.1 流程智能298

10.1.1 流程智能概述298

10.1.2 流程智能的内涵299

10.1.3 应用举例300

10.2 客户智能301

10.2.1 客户智能概述301

10.2.2 客户智能的基本理论303

10.2.3 客户智能应用案例306

10.2.4 商品个性化推荐的客户智能应用308

10.3 电子商务智能309

10.3.1 电子商务智能概述310

10.3.2 智能推荐310

10.3.3 基于商品属性的推荐算法案例313

10.4 应用案例315

10.4.1 人寿保险领域的应用316

10.4.2 金融行业的商务智能应用321

习题324

本章参考文献325