內容提要
數據倉庫與數據挖掘都是從數據資源提取信息和知識進行輔助決策。由於數據資源豐富，數據倉庫與數據挖掘輔助決策效果十分顯著。
本書對數據倉庫的系統介紹，在於突出決策支持的本質。對數據挖掘的各類方法均介紹了它們的理論基礎和實現方法，並通過例子進行了說明。
本書的特點是從數據倉庫和數據挖掘的興起與演變來說明它們的本質，通過實例來解釋它們的原理，這樣便於讀者學習和掌握，適於本科生和研究生使用。
目錄
第1章 數據倉庫與數據挖掘概述
1.1 數據倉庫的興起
1.1.1 從資料庫到數據倉庫
1.1.2 從OLTP到OLAP
1.1.3 數據字典與元數據
1.1.4 數據倉庫的定義與特點
1.2 數據挖掘的興起
1.2.1 從機器學習到數據挖掘
1.2.2 數據挖掘的含義
1.2.3 數據挖掘與OLAP的比較
1.2.4 數據挖掘與統計學
1.3 數據倉庫和數據挖掘的結合
1.3.1 數據倉庫和數據挖掘的區別與聯繫
1.3.2 基於數據倉庫的決策支持系統
1.3.3 數據倉庫與商業智慧型
習題
第2章 數據倉庫原理
2.1 數據倉庫結構體系
2.1.1 數據倉庫結構
2.1.2 數據集市及其結構
2.1.3 數據倉庫系統結構
2.1.4 數據倉庫的運行結構
2.2 數據倉庫的數據模型
2.2.1星型模型
2.2.2 雪花模型
2.2.3 星網模型
2.2.4 第三範式
2.3 數據抽取、轉換和裝載
2.3.1 數據抽取
2.3.2 數據轉換
2.3.3數據裝載
2.3.4 ETL工具
2.4 元數據
2.4.1 元數據的重要性
2.4.2 關於數據源的元數據
2.4.3 關於數據模型的元數據
2.4.4 關於數據倉庫映射的元數據
2.4.5 關於數據倉庫使用的元數據
習題
第3章 在線上分析處理
3.1O LAP概念
3.1.1 OLAP的定義
3.1.2 OLAP準則
3.1.3 OLAP的基本概念
3.2 OLAP的數據模型
3.2.1 MOLAP數據模型
3.2.2 ROLAP數據模型
3.2.3 MOLAP與ROLAP的比較
3.2.4 HOLAP數據模型
3.3 多維數據的顯示
3.3.1 多維數據的顯示方法
3.3.2 多維類型結構
3.3.3 多維數據的分析視圖
3.4 OLAP的多維數據分析
3.4.1 多維數據分析的基本操作
3.4.2 廣義OLAP功能
3.4.3 多維數據分析實例
3.5 OLAP結構與分析工具
3.5.1 OLAP結構
3.5.2 OLAP的Web結構
3.5.3 OLAP工具及評價
習題
第4章 數據倉庫設計與開發
第5章 數據倉庫管理和套用
第6章 數據挖掘原理
第7章 資訊理論方法
第8章 集合論方法
第9章 公式發現
第10章 神經網路與遺傳算法
第11章 文本挖掘與Web挖掘
第12章 數據倉庫與數據挖掘的發展
參考文獻
前言
數據倉庫（data warehouse，DW）是利用數據資源提供決策支持。它比利用模型資源輔助決策更有效，而且輔助決策的範圍更寬。由於在現實中，數據大量存在，而且在迅速地增長，只要將面向套用（事務驅動）的資料庫重新組織轉變為面向決策分析的數據倉庫，就可以幫助決策者從不同的視角，通過綜合數據分析掌握現狀；通過多維數據分析發現各種存在的問題；通過對數據層次的鑽取找出問題產生的原因；通過歷史數據預測未來。由於數據倉庫輔助決策效果明顯，數據倉庫已經從20世紀90年代中期興起，經過幾年的發展，迅速形成了潮流。. 數據挖掘（data mining，DM）是從數據中挖掘出信息和知識，是從人工智慧的機器學習
