数据仓库与数据挖掘技术

封面 1 扉页 2 内容简介 3 版权页 3 编委会 4 前言 5 目录 7 第1章 数据挖掘和数据仓库概述 13 1.1 数据挖掘引论 13 1.2 数据仓库引论 17 1.3 数据挖掘的应用 19 1.4 常用数据挖掘工具 24 小结 30 习题1 30 第2章 数据仓库 32 2.1 数据仓库的基本概念 32 2.2 数据仓库的体系结构 37 2.3 数据仓库的数据模型 43 2.4 数据仓库设计步骤 46 2.5 利用SQL Server 2005构建数据仓库 53 小结 62 习题2 62 第3章 联机分析处理技术 63 3.1 OLAP概述 63 3.2 OLAP中的多维分析操作 64 3.3 OLAP的基本数据模型 67 3.4 OLAP的衡量标准 70 3.5 基于SQL Server 2005的OLAP实现 72 小结 84 习题3 84 第4章 数据预处理 85 4.1 数据预处理概述 85 4.2 数据清洗 86 4.3 数据集成和变换 92 4.4 数据归约 96 小结 104 习题4 105 第5章 关联规则方法 106 5.1 关联规则的概念和分类 106 5.2 Apriori算法 108 5.3 FP-Growth算法 112 5.4 利用SQL Server 2005进行关联规则挖掘 114 小结 131 习题5 132 第6章 决策树方法 133 6.1 信息论的基本原理 133 6.2 常用决策树算法 136 6.3 决策树剪枝 142 6.4 由决策树提取分类规则 142 6.5 利用SQL Server 2005进行决策树挖掘 144 小结 151 习题6 151 第7章 统计学习方法 152 7.1 朴素贝叶斯分类 152 7.2 贝叶斯信念网络 155 7.3 EM算法 156 7.4 回归分析 159 7.5 利用SQL Server 2005进行线性回归分析 162 小结 167 习题7 167 第8章 人工神经网络方法 168 8.1 人工神经网络的基本概念 168 8.2 误差反向传播(BP)神经网络 172 8.3 自组织特征映射(SOFM)神经网络 175 8.4 Elman神经网络 177 8.5 Hopfield神经网络 178 8.6 利用SQL Server 2005神经网络进行数据挖掘 181 小结 186 习题8 186 第9章 聚类分析 187 9.1 聚类概述 187 9.2 聚类分析中的相异度计算 188 9.3 基于划分的聚类方法 193 9.4 基于层次的聚类方法 195 9.5 谱聚类方法 196 9.6 利用SQL Server 2005进行聚类分析 198 小结 203 习题9 204 第10章 粗糙集方法 205 10.1 粗糙集的基本概念 205 10.2 基于粗糙集的属性约简 208 10.3 基于粗糙集的决策规则约简 211 10.4 粗糙集的优缺点 213 小结 213 习题10 214 第11章 复杂结构数据挖掘 215 11.1 文本数据挖掘 215 11.2 Web数据挖掘 219 11.3 空间数据挖掘 222 11.4 多媒体数据挖掘 223 小结 224 习题11 224 正文结束 224 参考文献 225 Ben shu xi tong di jie shao le shu ju cang ku he shu ju wa jue de ji ben gai nian,Xiang guan zhi shi he ji ben fang fa,Mei zhong shu ju wa jue fang fa dou you xiang jin de shi li miao shu he ju ti shi xian bu zhou.