![數據倉庫與數據挖掘[清華大學出版社2009年版圖書]](/img/e/b05/nBnauM3XxUTMwkTN0EDO0ETN1UTM1QDN5MjM5ADMwAjMwUzLxgzL2gzLt92YucmbvRWdo5Cd0FmL0E2LvoDc0RHa.jpg "數據倉庫與數據挖掘[清華大學出版社2009年版圖書]")
內容簡介
本書既重視理論知識的講解，又強調套用技能的培養。每章首先介紹算法的主要思想和理論基礎，之後利用算法去解決實例中給出的任務，而且對於數據倉庫的組建方法和多數章節中的數據挖掘算法，本書都使用Microsoft SQL Server 2005進行了操作實現。本書通過對具體實例的學習和實踐，使讀者掌握數據倉庫和數據挖掘中必要的知識點，達到學以致用的目的。
本書每章均配有習題，習題形式為選擇題、簡答題和操作題，可以幫助讀者進一步鞏固和掌握所學知識。此外，本書提供多媒體教學課件和習題參考答案。
本書可以作為高等學校計算機及相關專業本科、研究生的數據倉庫和數據挖掘教材，也可供相關領域的廣大科技工作人員和高校師生參考。
目錄
第1章 數據倉庫的概念與體系結構
1.1 數據倉庫的概念、特點與組成
1.2 數據挖掘的概念與方法
1.3 數據倉庫的技術、方法與產品
1.4 數據倉庫系統的體系結構
1.5 數據倉庫的產生、發展與未來
1.6 小結
1.7 習題
第2章 數據倉庫的數據存儲與處理
2.1 數據倉庫的數據結構
2.2 數據倉庫的數據特徵
2.3 數據倉庫的數據ETL過程
2.4 多維數據模型
2.5 小結
2.6 習題
第3章 數據倉庫系統的設計與開發
3.1 數據倉庫系統的設計與開發概述
3.2 基於SQL Server 2005的數據倉庫資料庫設計
3.3 使用SQL Server 2005建立多維數據模型
3.4 小結
3.5 習題
第4章 關聯規則
4.1 概述
4.2 引例
4.3 經典算法
4.4 相關研究與套用
4.5 小結
4.6 習題
第5章 數據分類
5.1 引例
5.2 分類問題概述
5.3 決策樹
5.4 支持向量機
5.5 近鄰分類方法
5.6 小結
5.7 習題
第6章 數據聚類
6.1 引例
6.2 聚類分析概述
6.3 聚類分析中相似度的計算方法
6.4 kmeans聚類算法
6.5 層次聚類方法
6.6 小結
6.7 習題
第7章 貝葉斯網路
第8章 粗糙集
第9章 神經網路
第10章 遺傳算法
第11章 統計分析
第12章 文本和Web挖掘
參考文獻
