注冊 | 登錄讀書好，好讀書，讀好書！

商務智能與數據挖掘

定　價：￥29.50

作　者：	蔡曉妍，張陽，李書琴著
出版社：	清華大學出版社
叢編項：	21世紀高等學校規(guī)劃教材·信息管理與信息系統(tǒng)
標　簽：	計算機/網絡人工智能

購買這本書可以去

ISBN：	9787302417415	出版時間：	2016-04-01	包裝：	平裝
開本：	16開	頁數：	221	字數：

內容簡介

　　商務智能與數據挖掘是近年來企業(yè)信息化的熱點內容，有著廣闊的應用前景。本書共分10章，包括商務智能概述、商務智能中的核心技術、數據挖掘概述、分類分析、關聯分析、聚類分析、異常檢測、Web挖掘技術、RFID數據挖掘、數據挖掘在電子商務中的應用等內容；匯集了統(tǒng)計學、機器學習、數據庫、人工智能等學科，具有多學科交叉、技術與管理融合等特點。本書內容全面、案例豐富，適合作為計算機應用、軟件工程、信息管理、電子商務和管理科學等相關專業(yè)的本科生和研究生教材，也可作為一些企事業(yè)單位、政府部門、研究機構等從事商務智能理論研究工作的相關人員的參考資料。

作者簡介

暫缺《商務智能與數據挖掘》作者簡介

圖書目錄

1.1.3商務智能的特點
1.1.4商務智能的過程
1.2商業(yè)決策需要商務智能
1.2.1管理就是決策
1.2.2決策需要信息和知識
1.2.3智能型企業(yè)
1.2.4商務智能支持商業(yè)決策
1.2.5新一代的決策支持系統(tǒng)
1.3商務智能的產生與發(fā)展
1.3.1商務智能的產生和發(fā)展過程
1.3.2商務智能與其他系統(tǒng)的關系
1.4商務智能的價值
1.5商務智能系統(tǒng)的功能
1.6主流商務智能產品
1.6.1主流商務智能產品簡介
1.6.2商務智能的抉擇
1.7商務智能的未來發(fā)展趨勢
1.8商務智能的應用
1.9本章小結
習題
第2章商務智能中的核心技術
2.1數據倉庫
2.1.1數據倉庫的產生與發(fā)展
2.1.2數據倉庫的概念與特征
2.1.3ETL
2.1.4數據集市
2.1.5數據倉庫的數據組織
2.1.6數據倉庫的體系結構
2.1.7數據倉庫的開發(fā)步驟
2.2在線分析處理
2.2.1OLAP簡介
2.2.2OLAP的定義和相關概念
2.2.3OLAP與OLTP的區(qū)別
2.2.4OLAP的分類
2.2.5OLAP多維數據分析
2.3商務智能體系結構
2.3.1商務智能系統(tǒng)的組成
2.3.2商務智能的架構體系
2.4本章小結
習題
第3章數據挖掘概述
3.1數據挖掘的起源與發(fā)展
3.1.1數據挖掘的起源
3.1.2數據挖掘的發(fā)展
3.2數據挖掘所要解決的問題
3.3數據挖掘的定義
3.4數據挖掘的過程
3.5數據挖掘系統(tǒng)
3.5.1數據挖掘系統(tǒng)的分類
3.5.2數據挖掘系統(tǒng)的發(fā)展
3.6數據挖掘的功能和方法
3.6.1數據挖掘的功能
3.6.2數據挖掘的方法
3.7數據挖掘的典型應用領域
3.8數據挖掘的發(fā)展趨勢
3.9本章小結
習題
第4章分類分析
4.1預備知識
4.2解決分類問題的一般方法
4.3分類算法
4.3.1貝葉斯分類器
4.3.2決策樹
4.3.3支持向量機
4.3.4BP神經網絡
4.3.5其他分類算法
4.4評估分類器的性能
4.4.1保持方法
4.4.2隨機二次抽樣
4.4.3交叉驗證
4.4.4自助法
4.5本章小結
習題
第5章關聯分析
5.1引言
5.2基本概念
5.3關聯規(guī)則的種類
5.4關聯規(guī)則的研究現狀
5.5關聯規(guī)則挖掘算法
5.5.1Apriori算法
5.5.2FP增長算法
5.5.3其他關聯規(guī)則挖掘算法
5.6改善關聯規(guī)則挖掘質量問題
5.6.1用戶主觀層面
5.6.2系統(tǒng)客觀層面
5.7約束數據挖掘問題
5.8本章小結
習題
第6章聚類分析
6.1聚類的概念
6.1.1聚類概念及應用
6.1.2聚類算法要求
6.1.3聚類技術類型劃分
6.2聚類分析的統(tǒng)計量
6.2.1模型定義
6.2.2相似性度量
6.3常用聚類算法
6.3.1k均值算法
6.3.2kmedoids算法
6.3.3凝聚層次聚類算法
6.3.4DBSCAN算法
6.3.5STING算法
6.3.6CLIQUE算法
6.4簇評估
6.4.1概述
6.4.2非監(jiān)督簇評估：使用凝聚度和分離度
6.4.3非監(jiān)督簇評估：使用鄰近度矩陣
6.4.4層次聚類的非監(jiān)督評估
6.4.5確定正確的簇個數
6.4.6聚類趨勢
6.4.7簇有效性的監(jiān)督度量
6.5與分類比較
6.6本章小結
習題
第7章異常檢測
7.1預備知識
7.1.1異常的原因
7.1.2異常檢測方法
7.1.3類標號的使用
7.1.4問題
7.2統(tǒng)計方法
7.2.1檢測一元正態(tài)分布中的離群點
7.2.2多元正態(tài)分布的離群點
7.2.3異常檢測的混合模型方法
7.2.4優(yōu)點與缺點
7.3基于近鄰度的離群點檢測
7.4基于密度的離群點檢測
7.4.1使用相對密度的離群點檢測
7.4.2優(yōu)點與缺點
7.5基于聚類的技術
7.5.1評估對象屬于簇的程度
7.5.2離群點對初始聚類的影響
7.5.3使用簇的個數
7.5.4優(yōu)點與缺點
7.6本章小結
習題
第8章Web挖掘技術
8.1Web數據挖掘概述
8.1.1Web數據挖掘的概念
8.1.2Web數據挖掘的特點
8.1.3Web數據挖掘的處理流程
8.1.4Web數據挖掘與信息檢索、信息抽取的區(qū)別
8.2Web數據挖掘分類
8.2.1Web內容挖掘概述
8.2.2Web結構挖掘概述
8.2.3Web使用挖掘概述
8.3Web內容挖掘
8.3.1特征提取和特征表示
8.3.2自動摘要
8.3.3文本分類
8.3.4文本聚類
8.4Web結構挖掘
8.4.1超鏈和頁面內容的關系
8.4.2不同挖掘階段的分析
8.4.3PageRank
8.4.4HITS
8.4.5兩種算法的比較
8.4.6Web結構挖掘應用
8.5Web使用挖掘
8.5.1Web使用挖掘數據預處理
8.5.2Web使用挖掘模式發(fā)現
8.5.3Web使用挖掘模式分析
8.5.4Web使用挖掘模式應用
8.6本章小結
習題
第9章RFID數據挖掘
9.1RFID數據挖掘的發(fā)展
9.2RFID數據挖掘的作用
9.3RFID數據分析的典型應用
9.3.1零售倉儲
9.3.2通關檢查
9.3.3運輸管理
9.3.4醫(yī)療管理
9.3.5其他應用
9.4本章小結
習題
第10章數據挖掘在電子商務中的應用
10.1電子商務中數據挖掘的發(fā)展狀況
10.2電子商務中數據挖掘的特點
10.2.1電子商務中數據挖掘的數據源
10.2.2路徑分析
10.2.3電子商務中數據挖掘的體系結構
10.3網站客戶分群
10.4優(yōu)化網站結構
10.4.1網站結構優(yōu)化手段
10.4.2網站結構優(yōu)化模型
10.5智能搜索引擎
10.5.1傳統(tǒng)搜索引擎的特點
10.5.2智能搜索引擎的特點
10.5.3網絡爬蟲
10.5.4智能搜索引擎的技術與發(fā)展
10.6客戶關系管理
10.7網絡主動防御
10.8本章小結
習題
參考文獻