數(shù)據(jù)倉庫與數(shù)據(jù)挖掘?qū)д?/h1>

第一篇 導(dǎo)引第1章 數(shù)據(jù)倉庫概念與內(nèi)涵 1.1 數(shù)據(jù)倉庫概念 1.1.1 數(shù)據(jù)倉庫的產(chǎn)生 1.1.2 數(shù)據(jù)倉庫應(yīng)用實(shí)例：理解數(shù)據(jù)倉庫的應(yīng)用目標(biāo)與作用 1.2 數(shù)據(jù)倉庫的四個(gè)基本特征 1.2.1 數(shù)據(jù)倉庫的數(shù)據(jù)是面向主題的 1.2.2 數(shù)據(jù)倉庫的數(shù)據(jù)是集成的 1.2.3 數(shù)據(jù)倉庫的數(shù)據(jù)是不可更新的 1.2.4 數(shù)據(jù)倉庫的數(shù)據(jù)是隨時(shí)間不斷變化的 1.3 數(shù)據(jù)集市——部門級數(shù)據(jù)倉庫 1.3.1 自上而下構(gòu)建數(shù)據(jù)集市 1.3.2 自下而上構(gòu)建數(shù)據(jù)集市 1.3.3 自上而下與自下而上結(jié)合構(gòu)建數(shù)據(jù)集市 習(xí)題 討論題第2章 數(shù)據(jù)挖掘概念與內(nèi)涵 2.1 數(shù)據(jù)挖掘概念 2.1.1 數(shù)據(jù)挖掘的產(chǎn)生 2.1.2 數(shù)據(jù)挖掘應(yīng)用實(shí)例：理解數(shù)據(jù)挖掘的應(yīng)用目標(biāo)與作用 2.1.3 數(shù)據(jù)挖掘的定義 2.2 數(shù)據(jù)倉庫與數(shù)據(jù)挖掘的關(guān)系 討論題 第二篇 數(shù)據(jù)倉庫第3章 數(shù)據(jù)倉庫的體系結(jié)構(gòu)及其組成部分 3.1 數(shù)據(jù)倉庫的體系結(jié)構(gòu) 3.2 數(shù)據(jù)倉庫的組成部分及其功能 3.2.1 源數(shù)據(jù)部分 3.2.2 數(shù)據(jù)準(zhǔn)備部分 3.2.3 數(shù)據(jù)存儲部分 3.2.4 信息傳遞部分 思考題 習(xí)題 討論題第4章 數(shù)據(jù)倉庫數(shù)據(jù)的商業(yè)需求分析 4.1 收集商業(yè)需求數(shù)據(jù)碰到的問題 4.2 商業(yè)數(shù)據(jù)維度化分析 4.3 商業(yè)維度實(shí)例分析 思考題 習(xí)題第5章 數(shù)據(jù)倉庫的維度建模 5.1 維度建模基礎(chǔ) 5.2 星型模式及其查詢的鉆取 5.2.1 星型模式維度表內(nèi)容的特征 5.2.2 星型模式事實(shí)表內(nèi)容的特征 5.2.3 星型模式的優(yōu)勢 5.3 雪花型模式：對維度表的再處理 5.4 聚集事實(shí)表：對關(guān)鍵指標(biāo)的再處理 5.4.1 理解事實(shí)表的數(shù)據(jù)量 5.4.2 理解聚集事實(shí)表的作用 5.4.3 對事實(shí)表進(jìn)行聚集的三種方法 5.4.4 聚集過程中相關(guān)問題討論 思考題 習(xí)題第6章 數(shù)據(jù)倉庫中的聯(lián)機(jī)分析處理——OLAP 6.1 OLAP的含義、規(guī)則與特征 6.1.1 OLAP的含義 6.1.2 OLAP的規(guī)則 6.1.3 OLAP的特征 6.2 OLAP的基本操作 6.2.1 切片 6.2.2 切塊 6.2.3 上鉆與下鉆 6.2.4 旋轉(zhuǎn) 6.3 OLAP模型結(jié)構(gòu) 6.3.1 關(guān)系聯(lián)機(jī)分析處理(ROLAP)結(jié)構(gòu) 6.3.2 多維聯(lián)機(jī)分析處理(MOLAP)結(jié)構(gòu) 6.3.3 混合聯(lián)機(jī)分析處理(HOLAP)結(jié)構(gòu) 6.3.4 桌面聯(lián)機(jī)分析處理(DOLAP)結(jié)構(gòu) 6.3.5 客戶聯(lián)機(jī)分析處理(COLAP)結(jié)構(gòu) 6.4 典型OLAP模型的數(shù)據(jù)組織與應(yīng)用 6.4.1 ROLAP的數(shù)據(jù)組織與應(yīng)用 6.4.2 MOIAP的數(shù)據(jù)組織與應(yīng)用 6.4.3 ROLAP與MOLAP的數(shù)據(jù)組織與應(yīng)用比較 思考題 習(xí)題 討論題第7章 元數(shù)據(jù) 7.1 數(shù)據(jù)倉庫中元數(shù)據(jù)的重要性 7.1.1 數(shù)據(jù)倉庫的用戶需要元數(shù)據(jù) 7.1.2 數(shù)據(jù)倉庫的開發(fā)者需要元數(shù)據(jù) 7.1.3 數(shù)據(jù)倉庫的管理員需要元數(shù)據(jù) 7.2 關(guān)于數(shù)據(jù)倉庫元數(shù)據(jù)的概念界定 7.3 元數(shù)據(jù)的幾種分類方法 7.3.1 按用途對元數(shù)據(jù)進(jìn)行分類 7.3.2 按數(shù)據(jù)倉庫功能區(qū)域劃分的元數(shù)據(jù)分類 7.3.3 按元數(shù)據(jù)的活動方式進(jìn)行分類 7.4 元數(shù)據(jù)的作用 7.5 元數(shù)據(jù)管理的體系結(jié)構(gòu) 7.5.1 集中的方法 7.5.2 分散的方法 7.5.3 分布的方法 思考題 習(xí)題 討論題 第三篇 數(shù)據(jù)挖掘第8章 關(guān)聯(lián)分析 8.1 關(guān)聯(lián)規(guī)則概念 8.1.1 關(guān)聯(lián)規(guī)則的支持度和置信度 8.1.2 關(guān)聯(lián)規(guī)則分類 8.2 關(guān)聯(lián)規(guī)則挖掘算法 8.2.1 Apriori算法 8.2.2 強(qiáng)關(guān)聯(lián)規(guī)則的有效性和可行性問題 習(xí)題 討論題第9章 神經(jīng)網(wǎng)絡(luò)算法 9.1 神經(jīng)網(wǎng)絡(luò)概念 9.1.1 神經(jīng)網(wǎng)絡(luò)原理 9.1.2 人工神經(jīng)網(wǎng)絡(luò) 9.2 人工神經(jīng)網(wǎng)絡(luò)模型 9.2.1 感知器 9.2.2 帶隱層的人工神經(jīng)網(wǎng)絡(luò) 9.3 前饋神經(jīng)網(wǎng)絡(luò) 9.3.1 訓(xùn)練神經(jīng)網(wǎng)絡(luò) 9.3.2 后向傳播如何工作 9.3.3 后向傳播算法 9.4 有關(guān)神經(jīng)網(wǎng)絡(luò)研究中應(yīng)該關(guān)注的幾個(gè)問題 9.4.1 關(guān)于對神經(jīng)網(wǎng)絡(luò)的理解問題 9.4.2 關(guān)于神經(jīng)網(wǎng)絡(luò)應(yīng)用中數(shù)據(jù)準(zhǔn)備的問題 9.4.3 影響神經(jīng)網(wǎng)絡(luò)模型性能的部分因素 9.4.4 學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)，需要強(qiáng)調(diào)以下幾個(gè)問題 習(xí)題 討論題第10章 決策樹算法 10.1 決策樹分類概述 10.1.1 決策樹分類步驟 10.1.2 決策樹分類舉例 10.2 ID3算法 10.2.1 信息論基本原理 10.2.2 ID3算法的基本思想與實(shí)例 10.2.3 ID3算法應(yīng)用中應(yīng)該關(guān)注的幾個(gè)問題 習(xí)題 討論題第11章 聚類分析 11.1 聚類分析概述 11.1.1 聚類分析中的數(shù)據(jù)類型 11.1.2 聚類分析中相異度(相似性、差異度)測度方法 11.2 聚類分析方法 11.2.1 劃分聚類方法 11.2.2 基于密度的聚類方法 11.2.3 聚類分析在數(shù)據(jù)挖掘應(yīng)用中有待進(jìn)一步研究的問題 習(xí)題 討論題 第四篇 實(shí)驗(yàn)與工具第12章 數(shù)據(jù)倉庫實(shí)驗(yàn)與工具應(yīng)用第13章 神經(jīng)網(wǎng)絡(luò)建模實(shí)驗(yàn)與工具應(yīng)用第14章 決策樹與關(guān)聯(lián)分析實(shí)驗(yàn)與工具應(yīng)用參考文獻(xiàn)