數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘技術(shù)

內(nèi)容概要

　　數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘是計(jì)算機(jī)專業(yè)和其他一些與計(jì)算機(jī)技術(shù)關(guān)系密切專業(yè)必修的核心課程。《數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘技術(shù)》系統(tǒng)地介紹了數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)挖掘的基本概念、相關(guān)知識(shí)和基本方法，每種數(shù)據(jù)挖掘方法都有詳盡的實(shí)例描述和具體實(shí)現(xiàn)步驟。《數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘技術(shù)》結(jié)構(gòu)嚴(yán)謹(jǐn)，條理清晰，語言淺顯易懂，循序漸進(jìn)地表達(dá)了知識(shí)內(nèi)容；《數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘技術(shù)》堅(jiān)持理論與實(shí)際相結(jié)合，概念和具體方法相結(jié)合，使知識(shí)具體化，生動(dòng)化；實(shí)例實(shí)現(xiàn)的過程建立在sql
2005數(shù)據(jù)挖掘軟件的基礎(chǔ)上，以幫助讀者在學(xué)習(xí)后達(dá)到學(xué)以致用的目的。
　　本書可以作為計(jì)算機(jī)類、信息類等相關(guān)專業(yè)本科生數(shù)據(jù)挖掘課程的教材，也可以作為其他專業(yè)技術(shù)人員的自學(xué)參考書。

書籍目錄

第1章 數(shù)據(jù)挖掘和數(shù)據(jù)倉(cāng)庫(kù)概述
　1.1 數(shù)據(jù)挖掘引論
　　1.1.1 數(shù)據(jù)挖掘的由來
　　1.1.2 數(shù)據(jù)挖掘的定義
　　1.1.3 數(shù)據(jù)挖掘的功能
　　1.1.4 數(shù)據(jù)挖掘的常用方法
　1.2 數(shù)據(jù)倉(cāng)庫(kù)引論
　　1.2.1 數(shù)據(jù)倉(cāng)庫(kù)的產(chǎn)生與發(fā)展
　　1.2.2 數(shù)據(jù)倉(cāng)庫(kù)的定義
　　1.2.3 數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘的聯(lián)系與區(qū)別
　1.3 數(shù)據(jù)挖掘的應(yīng)用
　　1.3.1 數(shù)據(jù)挖掘的應(yīng)用領(lǐng)域
　　1.3.2 數(shù)據(jù)挖掘案例
　1.4 常用數(shù)據(jù)挖掘工具
　　1.4.1 數(shù)據(jù)挖掘工具的種類
　　1.4.2 評(píng)價(jià)數(shù)據(jù)挖掘工具優(yōu)劣的指標(biāo)
　　1.4.3 常用數(shù)據(jù)挖掘工具
　　小結(jié)
　　習(xí)題1
第2章 數(shù)據(jù)倉(cāng)庫(kù)
　2.1 數(shù)據(jù)倉(cāng)庫(kù)的基本概念
　2.2 數(shù)據(jù)倉(cāng)庫(kù)的體系結(jié)構(gòu)
　　2.2.1 元數(shù)據(jù)
　　2.2.2 粒度的概念
　　2.2.3 分割問題
　　2.2.4 數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)組織形式
　2.3 數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)模型
　　2.3.1 概念數(shù)據(jù)模型
　　2.3.2 邏輯數(shù)據(jù)模型
　　2.3.3 物理數(shù)據(jù)模型
　　2.3.4 高層數(shù)據(jù)模型、中間層數(shù)據(jù)模型和低層數(shù)據(jù)模型33
　2.4 數(shù)據(jù)倉(cāng)庫(kù)設(shè)計(jì)步驟
　　2.4.1 概念模型設(shè)計(jì)
　　2.4.2 技術(shù)準(zhǔn)備工作
　　2.4.3 邏輯模型設(shè)計(jì)
　　2.4.4 物理模型設(shè)計(jì)
　　2.4.5 數(shù)據(jù)倉(cāng)庫(kù)的生成
　　2.4.6 數(shù)據(jù)倉(cāng)庫(kù)的使用和維護(hù)
　2.5 利用sql server 2005構(gòu)建數(shù)據(jù)倉(cāng)庫(kù)
　　小結(jié)
　　習(xí)題
第3章 聯(lián)機(jī)分析處理技術(shù)
第4章 數(shù)據(jù)預(yù)處理
第5章 關(guān)聯(lián)規(guī)則方
第6章 決策樹方法
第7章 統(tǒng)計(jì)學(xué)習(xí)方法
第8章 人工神經(jīng)網(wǎng)絡(luò)方法
第9章 聚類分析
第10章 粗糙集方法
第11章 復(fù)雜結(jié)構(gòu)數(shù)據(jù)挖掘
參考文獻(xiàn)

章節(jié)摘錄

版權(quán)頁：插圖：通過遙感、地理信息系統(tǒng)、醫(yī)學(xué)和衛(wèi)星圖像等多種數(shù)據(jù)采集設(shè)備收集到了大量的空間數(shù)據(jù)，這些空間數(shù)據(jù)遠(yuǎn)遠(yuǎn)超過了人腦的分析能力?？臻g數(shù)據(jù)不同于關(guān)系數(shù)據(jù)，它一般具有空間拓?fù)浠蚓嚯x信息，通常需要以復(fù)雜的多維空間索引結(jié)構(gòu)組織，另外空間數(shù)據(jù)的處理還常常需要空間推理、幾何計(jì)算和空間知識(shí)表示技術(shù)。這些特性使得從空間數(shù)據(jù)中挖掘信息具有很多挑戰(zhàn)性。11.3.1 空間數(shù)據(jù)的復(fù)雜性特征空間數(shù)據(jù)的復(fù)雜性特征主要表現(xiàn)在以下幾個(gè)方面。1.空間屬性之間的非線性關(guān)系空間屬性之間的非線性關(guān)系是空間系統(tǒng)復(fù)雜性的重要標(biāo)志，其中蘊(yùn)含著系統(tǒng)內(nèi)部運(yùn)作的復(fù)雜機(jī)制，因而被作為空間數(shù)據(jù)挖掘的主要任務(wù)之一。2.空間數(shù)據(jù)的多尺度特征空間數(shù)據(jù)的多尺度性是指空間數(shù)據(jù)在不同觀察層次上所遵循的規(guī)律以及體現(xiàn)出不盡相同的特征。多尺度特征是空間數(shù)據(jù)復(fù)雜性的又一表現(xiàn)形式，利用該性質(zhì)可以探究空間信息在泛化和細(xì)化過程中所反映出的特征漸變規(guī)律。3.空間信息的模糊性空間數(shù)據(jù)復(fù)雜性的另一個(gè)特征就是模糊性。模糊性幾乎存在于各種類型的空間信息中，如空間位置的模糊性、空間相關(guān)性的模糊性以及模糊的屬性值等。4.空間維數(shù)的增高空間數(shù)據(jù)的屬性增加極為迅速，如在遙感領(lǐng)域，由于傳感技術(shù)的飛速發(fā)展，波段的數(shù)目也由幾個(gè)增加到幾十甚至上百個(gè)，如何從幾十甚至幾百維空間中提取信息、發(fā)現(xiàn)知識(shí)成為研究中的又一難點(diǎn)。5.空間數(shù)據(jù)的缺值數(shù)據(jù)的缺值現(xiàn)象源自于某種不可抗拒的外力而使數(shù)據(jù)無法獲得或發(fā)生丟失。如何對(duì)丟失數(shù)據(jù)進(jìn)行恢復(fù)并估計(jì)數(shù)據(jù)的固有分布參數(shù)，成為解決數(shù)據(jù)復(fù)雜性的難點(diǎn)。11.3.2 空間數(shù)據(jù)挖掘的定義空間數(shù)據(jù)挖掘是指在空間數(shù)據(jù)庫(kù)的基礎(chǔ)上，綜合利用各種技術(shù)方法，從大量的空間數(shù)據(jù)中自動(dòng)挖掘事先未知的且潛在有用的知識(shí)，提取非顯式存在的空間關(guān)系或其他有意義的模式等，揭示出蘊(yùn)含在數(shù)據(jù)背后的客觀世界的本質(zhì)規(guī)律、內(nèi)在聯(lián)系和發(fā)展趨勢(shì)，實(shí)現(xiàn)知識(shí)的自動(dòng)獲取，從而提供技術(shù)決策與經(jīng)營(yíng)決策的依據(jù)。

編輯推薦

《數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘技術(shù)》是教育部“高等學(xué)校教學(xué)質(zhì)量與教學(xué)改革工程”立項(xiàng)項(xiàng)目。

圖書封面

圖書標(biāo)簽Tags

無

評(píng)論、評(píng)分、閱讀與下載

---

    數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘技術(shù) PDF格式下載

---