数据挖掘与OLAP理论与实务

内容摘要

第1章 数据挖掘简介

1. l 什么是数据挖掘

1. 2 新世纪的统计科学

1. 3 数据挖掘是掌握商机的命脉

1. 4 点式行销

1. 5 门户同站的信息挖掘法

1. 6 尿布与啤酒

1. 7 千禧年新问题：不缺信息缺知识

1. 8 为客户量身定做

1. 9 数据挖掘的数字物理学

第2章 数据仓库简介

2. l 配备数据仓库的产业优势

2. 2 数据仓库系统

2. 3 数据仓库的应用

2. 4 数据仓库的定义

2. 5 数据仓库的类型

2. 6 数据筛选. 过滤和转换工具简介

2. 6. 1 ECT处理过程

2. 6. 2 数据筛选. 过滤和转换的工具类型

2. 6. 3 3种工具类型的实例分析

2. 7 传统数据库与数据仓库的比较

2. 8 多维数据仓库中度量的建模

2. 9 数据仓库的决策支持工具

2. 9. l 前言

2. 9. 2 数据仓库与决策支持系统

2. 9. 3 决策支持工具分析比较

2. 10 数据仓库的多维数据模型

2. 11 数据仓库的执行策略

2. 11. l 数据市集

2. 11. 2 元数据

2. 11. 3 数据仓库的执行策略

2. 11. 4 数据仓库系统的结构

2. 11. 5 结束语

2. 12 企业财务管理辅助决策

2. 12. l 引言

2. 12. 2 系统设计

2. 12. 3 系统执行

2. 13 数据仓库环境下面向知识的智能型查询

2. 13. l 引言

2. 13. 2 KBIQ方法简介

2. 13. 3 类自然语言NQL

2. 13. 4 领域模糊知识库及KBDL语言

2. 13. 5 KBIQ的特点及其执行方式

2. 14 数据仓库技术研究和应用

2. 14. l 数据仓库概述

2. 14. 2 数据仓库中的联机分析处理

2. 14. 3 数据挖掘

2. 14. 4 电力系统数据仓库建议方案

2. 15 数据仓库结构说明

2. 16 专业顾问对于企业创建数据仓库的重要性

2. 17 面向数据仓库的GISOLAP及其应用

2. 17. l 引言

2. 17. 2 数据仓库的OLAP技术

2. 17. 3 GIS与GIS的组件化

2. 17. 4 GISOLAP

2. 17. 5 GISOLAP在PSGIS中的应用

2. 17. 6 结论和意义

2. 18 OLAP系统对面向查询结构的用户浏览

2. 18. 1 引言

2. 18. 2 多维数据模型

2. 18. 3 OLAP系统用户查询的结构

2. 18. 4 OLAP系统用户浏览

2. 18. 5 结束语

2. 19 数据仓库的未来

第3章 数据挖掘方法论

3. 1 数据挖掘的基本方法及其与专家系统的差异

3. 1. 1 数据挖掘的任务

3. 1. 2 数据挖掘方法

3. 1. 3 关联规则挖掘举例

3. 1. 4 分类规则挖掘举例

3. 1. 5 数据挖掘与专家系统的区别

3. 2 知识发现

3. 2. l 数据库知识发现系统及领域知识在其中的功能

3. 2. 2 KDD中规划提取的收敛网络方法及其应用

3. 2. 3 农业专家系统中知识发现的遗传算法

3. 3 关联规则

3. 3. l 兴趣度--关联规则的又一个门限值

3. 3. 2 数据库中加权关联规则的发现

3. 3. 3 挖掘所关注规则的多策略方法

3. 4 粗糙集

3. 4. 1 通过粗糙集理论的知识发现

3. 4. 2 一种面向粗糙集的属性化简及其规则筛选方法

3. 4. 3 一种面向粗糙集的数据过滤方法

3. 4. 4 一种面向粗糙集的默认规则挖掘算法

3. 4. 5 RSL：面向粗糙集的表示语言

3. 4. 6 面向粗糙集的"数据浓缩"

3. 4. 7 粗糙集算子的决策规则及数据挖掘中的软计算

3. 5 运用数据挖掘方法来构造客户的轮廓

第4章 数据挖掘核心技术

4. 1 群集分析

4. 1. 1 PCCS部分群集分类：一种快速的Web文件群集方法

4. 1. 2 IR领域的文件群集研究

4. 1. 3 PCCS部分群集分类法

4. 1. 4 算法性能

4. 1. 5 结论

4. 2 遗传算法

4. 2. l 遗传程序设计方法综述

4. 2. 2 理论. 技术和应用

4. 2. 3 结束语

第5章 联机信息分析处理

5. 1 数据仓库前端用户接日的概念说明 OLAP/Doata Mining

5. 1. l 联机分析处理

5. 1. 2 数据挖掘

5. 2 可视化数据挖掘技术及其应用

5. 2. l 引言

5. 2. 2 方案设计

5. 2. 3 软件执行及应用

5. 2. 4 结束语

5. 3 时间序列数据块的储存与聚集计算

5. 3. l 时序数据挖掘的意义及难点

5. 3. 2 多维空间位置向量与一维串行互换

5. 3. 3 数据块的储存方案

5. 3. 4 聚集计算

5. 3. 5 测试

5. 4 OLAP研究及其在现代企业中的应用

5. 4. l 引言

5. 4. 2 从OLTP 到 OLAP

5. 4. 3 OLAP在现代企业中的应用

5. 4. 4 结束语

5. 5 一种面向企业资源规划的OLAP的执行方法

5. 5. l 引言

5. 5. 2 MOLAP ADT的储存结构

5. 5. 3 MOLAP ADT多维查询的执行算法

5. 5. 4 结束语

第6章 DM与 CRM工具软件

6. 1 ERM

6. 1. 1 什么是ERM

6. l. 2 为什么要引入ERM

6. l. 3 ERM给予企业什么回报

6. 2 哪些企业需要CRM

6. 3 企业综合与转型：IBM WebSphere产品系列

6. 3. 1 WebSphere解决方案介绍

6. 3. 2 发掘信息宝藏：IBM DB2信息管理产品系列

6. 3. 3 DB2信息管理解决方案产品介绍

6. 4 数据仓库与挖掘系统DBMiner的成功与不足

6. 4. 1 DBMiner的安装

6. 4. 2 建立数据仓库和多维数据库

6. 4. 3 数据仓库可视化浏览和查询

6. 4. 4 挖掘各种类型的知识

6. 4. 5 数据挖掘语言

6. 4. 6 DBMiner的成功之处与特色

6. 4. 7 DBMiner目前版本的不足

6. 5 多策略通用数据挖掘工具MS Miner

6. 5. l 引言

6. 5. 2 数据仓库

6. 5. 3 综合工具

6. 5. 4 元数据

6. 5. 5 结束语

6. 6 NBA球场决策利器：IBM数据挖掘软件

6. 7 企业建立客服中心及CRM软件

第7章 21世纪的数据挖掘

7. l 联机文本挖掘

7. 2 电子商务与网络数据挖掘

7. 2. 1 引言

7. 2. 2 电子商务中进行Web数据挖掘的数据来源

7. 2. 3 电子商务中应用的数据挖掘技术

7. 2. 4 在电子商务活动中的几点应用

7. 2. 5 结论

7. 3 WWW上的信息挖掘技术及执行

7. 3. 1 WWW上的信息挖掘

7. 3. 2 实例系统的设计与执行

7. 3. 3 结束语

7. 4 如何精选挖掘文字的技巧

7. 4. l 挖掘非结构性数据

7. 4. 2 群集技术

7. 4. 3 目录分类

7. 4. 4 数据检索

7. 4. 5 电子邮件的应用

7. 4. 6 文字挖掘的全球使用

7. 5 网络文本挖掘技术

7. 5. 1 引言

7. 5. 2 Web挖掘与Web信息检索

7. 5. 3 Web挖掘的任务

7. 5. 4 Web文本挖掘方法

7. 5. 5 Web文本挖掘系统原型WebMiner

7. 5. 6 结束语

7. 6 网络挖掘

7. 6. 1 引言

7. 6. 2 Web挖掘的分类

7. 6. 3 Web结构挖掘

7. 6. 4 Web使用记录的挖掘

7. 6. 5 多层次Web数据仓库的建立与操作：MLDB与 WEBML

7. 6. 6 结束语

7. 7 数据挖掘技术在网络上的应用及其工具设计

7. 7. l 数据挖掘技术介绍

7. 7. 2 Wed上的数据挖掘

7. 7. 3 Web上的数据挖掘的执行和工具

7. 7. 4 结论

7. 8 网络日志序列模式挖掘

7. 8. l 引言

7. 8. 2 项目背景及相关工作

7. 8. 3 疑难及解决方案

7. 8. 4 SPMiner的设计

7. 8. 5 结论

7. 9 路径群集：在网站中的知识发现

7. 9. l 引言

7. 9. 2 识别客户查找业务

7. 9. 3 实验

7. 9. 4 结论和将来的工作

7. 10 走向全球化的"商业智能"

7. 11 数据挖掘九大注意事项

附录 专有名词对照表