数据仓库和数据挖掘2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

数据仓库和数据挖掘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

目录1

第1章　绪论1

1.1　企业用户关心的新问题1

1.2　解决问题的一项新技术——数据仓库2

1.3　数据仓库的商业应用3

1.4　数据仓库与信息管理4

1.5　信息管理的新问题催生数据挖掘6

1.6　数据挖掘与信息管理7

1.7　数据仓库与数据挖掘9

1.8　数据仓库与非结构化数据的管理10

1.9　数据仓库与传统数据库长期共存11

第2章　数据仓库概述13

2.1　从传统数据库到数据仓库13

2.1.1　传统数据库的不足13

2.1.2　数据仓库与传统数据库的区别16

2.2　数据仓库的基本概念17

2.2.1　外部数据源18

2.2.2　数据抽取18

2.2.3　抽取存储区18

2.2.4　数据清洗18

2.2.5　数据转换19

2.2.6　元数据20

2.2.7　数据集市21

2.3　数据仓库的体系结构22

2.3.1　数据仓库系统的三个层次22

2.3.2　数据仓库的构造模式24

2.4　数据仓库的特点25

2.4.1　面向主题26

2.4.2　数据的集成性27

2.5　数据仓库的数据组织28

2.4.3　数据的非易失性28

2.4.4　数据的时变性28

2.5.1　数据仓库的数据综合29

2.5.2　数据仓库中的时间分割30

2.5.3　数据仓库中的数据组织32

第3章　数据仓库中的模型34

3.1　数据仓库中数据模型概述34

3.2　数据仓库的概念模型36

3.2.1　企业模型的建立36

3.2.2　数据模型的规范37

3.2.3　常见的概念模型40

3.3　逻辑模型与物理模型41

3.3.1　逻辑数据模型的特点42

3.3.2　物理模型的设计要点43

3.3.3　事实表的设计44

3.3.4　维度表的设计45

3.3.5　物理模型的设计对数据仓库性能的影响46

3.4　元数据模型47

3.4.1　元数据的类型48

3.4.2　元数据的作用49

3.4.3　元数据的收集与维护50

3.4.4　元数据的使用52

3.5　数据仓库的粒度模型53

3.5.1　粒度的划分54

3.5.2　粒度级别的确定54

第4章　OLAP技术56

4.1 OLAP概述56

4.1.1 OLAP的发展历程与特点56

4.1.2 OLAP的基本概念57

4.1.3 OLAP分析的基本操作60

4.1.4 OLAP与OLTP的比较63

4.2.1 评价OLAP的十二条准则64

4.2 OLAP的评价标准64

4.2.2　对OLAP评价标准的补充67

4.3 基于多维数据库的OLAP67

4.3.1 多维数据库67

4.3.2 MDDB数据中的时间序列69

4.3.3 MDDB的数据存储与读取70

4.4 基于RDBMS的OLAP71

4.4.1 多维数据在RDBMS中的记录72

4.4.2 星形结构的存储实现73

4.4.3 MOLAP与ROLAP的比较75

4.5 OLAP的前端展现77

4.5.1 OLAP系统的结构77

4.5.2 OLAP结果的展现方法79

5.1.1 SQL Server所提供的数据仓库功能81

5.1.2 SQL Server的安装81

5.1 SQL Server简介81

第5章 数据仓库的开发实例81

5.1.3 Analysis Service窗口的打开与使用85

5.2 SQL Server中创建数据仓库的准备工作86

5.2.1 SQL Server中数据库与表的创建86

5.2.2 DTS的设置与使用88

5.2.3　分析数据库的建立与数据源的连接91

5.3　维度的创建93

5.3.1　创建“客户”维度94

5.3.2　创建“时间”维度97

5.3.3　其他维度的创建98

5.4　多维数据集的创建与处理99

5.4.1 多维数据集的创建99

5.4.2　多维数据集的处理101

5.5.1 多维数据集中数据的浏览105

5.5 多维数据集数据浏览与OLAP的实施105

5.5.2 多维数据集中维度的操作与OLAP功能的实现106

5.6　数据仓库中的数据挖掘108

5.6.1 SQL Server中数据挖掘的特性108

5.6.2　决策树挖掘技术的使用109

5.6.3　Microsoft聚集挖掘技术的应用113

第6章　数据挖掘概述115

6.1　数据挖掘基本概念115

6.1.1　数据挖掘的由来115

6.1.2　数据挖掘的技术定义116

6.1.3　数据挖掘的商业定义117

6.1.4　数据挖掘的对象118

6.2　数据挖掘基本功能119

6.2.1　概念描述119

6.2.3　分类120

6.2.2　关联分析120

6.2.4　聚类121

6.2.5　孤立点分析121

6.2.6　时序演变分析121

6.2.7　信息摘要122

6.2.8　信息抽取122

6.2.9　元数据挖掘122

6.3　数据挖掘过程123

6.3.1 Fayyad过程模型123

6.3.2　CRISP-DM过程模型125

6.3.3　数据挖掘过程工作量129

6.3.4　建立数据挖掘环境130

6.4　数据挖掘方法132

6.4.1 决策树132

6.4.2　神经网络133

6.4.3　粗糙集134

6.4.4　遗传算法135

6.4.5　概率论与数理统计137

6.4.6　模糊集137

6.4.7　关联分析138

6.5　数据挖掘系统发展阶段138

第7章　数据库挖掘140

7.1 概念描述140

7.1.1　概念描述的生成过程140

7.1.2　概念分层与数据泛化141

7.1.3　概念分层方法142

7.1.4　数据泛化方法144

7.1.5　泛化的表示147

7.1.6　属性相关分析148

7.2.1　关联规则相关概念149

7.1.7　区别性描述149

7.2　关联规则149

7.2.2　关联规则分类151

7.2.3　单维布尔关联规则151

7.2.4　多层关联规则155

7.2.5　多维关联规则156

7.2.6　基于约束的挖掘159

7.3　分类161

7.3.1　分类过程与方法161

7.3.2　决策树分类162

7.3.3　贝叶斯分类165

7.3.4　神经网络方法167

7.4　聚类分析169

7.4.1　聚类分析概述169

7.4.3　聚类处理的数据类型171

7.4.2　聚类处理的数据结构171

7.4.4　聚类方法分类174

7.4.5　典型聚类方法175

7.4.6　孤立点分析182

7.5　关联规则兴趣度183

7.5.1　兴趣度的作用183

7.5.2　客观性兴趣度183

7.5.3　主观性兴趣度184

7.5.4　两种标准的综合185

第8章　文本挖掘187

8.1　文本挖掘概述187

8.1.1　文本挖掘的主要技术187

8.1.2　文本挖掘的一般过程188

8.1.3　文本挖掘的主要应用189

8.1.4　文本挖掘对信息检索的影响189

8.2.1　文本表示190

8.2　文本的预处理190

8.2.2 自动分词191

8.2.3 文本标引194

8.2.4　文本相似度计算197

8.2.5 词频矩阵降维198

8.2.6　去除重复文本199

8.2.7　文本过滤200

8.3　文本分类201

8.3.1　文本分类应用201

8.3.2　文本分类方法202

8.3.3　分类效果评价204

8.4　文本聚类205

8.4.1　划分聚类法205

8.4.2　层次聚类法206

8.4.3　神经网络聚类法207

8.4.5　网页聚类208

8.4.4　遗传算法聚类法208

8.5 自动摘要209

8.5.1 自动摘要应用209

8.5.2　自动摘要方法210

8.5.3　中文自动摘要系统212

第9章　Web挖掘214

9.1　概述214

9.1.1　Web挖掘概念214

9.1.2　几个相关概念216

9.1.3 Web挖掘数据源219

9.1.4 Web挖掘过程221

9.1.5 Web挖掘的挑战223

9.2 Web挖掘任务分类225

9.2.1 Web内容挖掘226

9.2.2 Web结构挖掘228

9.2.3 Web使用挖掘231

9.3 Web挖掘技术分类234

9.3.1 统计分析234

9.3.2　关联规则235

9.3.3　序列模式236

9.3.4　聚类与分类237

9.4　Web挖掘的应用237

9.4.1　在搜索引擎中的应用238

9.4.2　在网站设计中的应用239

9.4.3　在电子商务中的应用240

9.4.4　电子商务网站的Web挖掘实施过程241

第10章　数据挖掘应用247

10.1　数据挖掘应用案例247

10.1.1 生物医学248

10.1.2　市场业249

10.1.3　科学研究250

10.1.4　竞技运动252

10.1.5　商业银行252

10.1.6　商务应用253

10.2　数据挖掘产品254

10.2.1　产品分类255

10.2.2　产品介绍256

10.2.3 产品评价258

10.2.4　产品选择260

第11章　数据挖掘与竞争情报系统262

11.1　竞争情报系统概述262

11.1.1　竞争情报系统概念262

11.1.2　数据挖掘应用现状263

11.2　竞争情报流程265

11.2.1　数据挖掘应用265

11.2.2　数据准备266

11.2.3　关系信息的挖掘267

11.2.4　指标值的自动抽取269

11.3　竞争对手分析272

11.3.1 主要竞争产品的确定272

11.3.2　选择核心竞争对手的依据273

11.3.3　潜在竞争对手的类型274

11.3.4　核心竞争对手的确定276

11.3.5　挖掘潜在竞争对手278

11.4　客户分析278

11.4.1　客户关系管理279

11.4.2　客户数据收集281

11.4.3　客户获取282

11.4.4　客户保持284

11.4.5　交叉销售285

11.4.6　客户细分286

参考文献289