数据仓库原理与应用

第1章　概述

1. 1　数据库与决策支持技术的发展

1. 1. 1 数据库技术的发展

1. 1. 2　决策支持技术的发展

1. 2　数据仓库技术的发展

1. 2. 1　数据仓库概念的提出

1. 2. 2　数据仓库的发展

1. 2. 3　数据仓库技术的兴起

1. 2. 4　数据仓库的动态

1. 3 数据挖掘技术的发展

1. 3. 1　数据挖掘研究和应用面临的挑战

1. 3. 2　数据仓库与数据挖掘的关系

1. 4　数据仓库未来发展方向

第2章　数据仓库原理

2. 1　数据仓库的概念

2. 1. 1　数据仓库的定义

2. 1. 2　数据仓库的特征

2. 1. 3　数据集市

2. 2　数据仓库的技术要求

2. 3　数据仓库的结构

2. 3. 1　数据仓库的自项向下结构

2. 3. 2　数据仓库的自底向上结构

2. 3. 3　企业级数据集市结构

2. 3. 4　数据存储／数据集市结构

2. 3. 5　分布式数据仓库／数据集市结构

2. 3. 6　分布式知识管理结构

2. 3. 7　数据仓库系统的结构

2. 3. 8　数据仓库的数据组织

2. 4　元数据

2. 4. 1　元数据的由来

2. 4. 2　元数据的定义

2. 4. 3　元数据的主要作用

2. 4. 4　元数据的分类

2. 4. 5　元数据的标准化

2. 4. 6 OIM简介

第3章　数据仓库的设计

3. 1　数据仓库的方法论

3. 2　数据仓库规划

3. 3　数据仓库体系结构

3. 4　数据仓库的技术体系结构

3. 5　数据仓库的数据组织

3. 5. 1　维表和事实表构成的关系型数据仓库

3. 5. 2　多维数据库数据组织

3. 5. 3　两种数据组织的等价性

3. 5. 4　虚拟数据仓库

3. 6　数据仓库的粒度

3. 6. 1　粒度确定

3. 6. 2　粒度划分示例

3. 7　数据仓库开发

3. 7. 1　定义体系结构

3. 7. 2　决策者的需求

3. 7. 3　主题区分析

3. 7. 4　源系统分析

3. 7. 5　变换设计

3. 7. 6　物理数据库设计

3. 7. 7　最终用户访问方法的设计. 定义和开发

3. 7. 8　数据仓库开发

3. 7. 9　数据仓库填充和实施

3. 7. 10　数据仓库的开发流程

3. 8　数据仓库解决方案

3. 8. 1　Sybase提供的数据仓库解决方案

3. 8. 2　SAS提供的数据仓库解决方案

3. 8. 3　Platinum提供的数据仓库解决方案

3. 8. 4　其他解决方案

第4章　数据仓库管理技术

4. 1　数据仓库管理的基本问题

4. 2　数据仓库中的多维建模技术

4. 2. 1　多维模型的两种结构

4. 2. 2　多维建模在决策支持系统中的应用

4. 2. 3　多维建模面临的挑战

4. 3　休眠数据管理

4. 3. 1 问题的提出

4. 3. 2　休眠数据对数据仓库的影响

4. 3. 3　解决方案

4. 4　元数据的管理

4. 4. 1　早期的数据管理：从内部管理到数据字典

4. 4. 2　企业级中心知识库的管理方法

4. 4. 3　传统的元数据管理方法

4. 4. 4　元数据的数据仓库管理功能

　 4. 4. 5　数据仓库研究项目和元数据管理介绍

　 4. 4. 6　评估元数据的价值

　 4. 4. 7　管理元数据

4. 5　数据仓库管理工具

第5章　联机分析处理

5. 1　概述

5. 1. 1　OLAP的出现

5. 1. 2　OLAP的定义

5. 1. 3　OLAP的结构

5. 1. 4　OLAP的一些基本概念

5. 1. 5　OLAP的基本分析操作

5. 1. 6 OLAP与OLTP的比较

5. 2　多维OLAP与关系OLAP

5. 2. 1 多维数据存储与关系数据存储

5. 2. 2 OLAP服务器

5. 2. 3 MOLAP

5. 2. 4 ROLAP

5. 3 OLAP技术分析

5. 3. 1　结构分析

5. 3. 2　数据存储和管理

5. 3. 3　数据存取

5. 3. 4　多维模型的实现技术

5. 3. 5　OLAP的12条准则

5. 3. 6　OLAP服务器和工具的评价

5. 4　实用OLAP技术简介

5. 4. 1 Oracle OLAP工具

5. 4. 2 Oracle Express Server技术特色

5. 4. 3 Informix OLAP工具

第6章　数据挖掘技术

6. 1　数据挖掘概念. 方法与任务

6. 1. 1　基本概念

6. 1. 2　数据挖掘的任务与分类

6. 1. 3　数据挖掘的方法和技术

6. 1. 4　数据挖掘的现状与应用

6. 2　关联规则的发现

6. 2. 1　关联规则简介

6. 2. 2　关联规则的基本概念

6. 2. 3　关联规则发现的经典算法

6. 2. 4　基于聚类的周期关联规则发现算法CCAR

6. 2. 5　关联规则价值衡量的方法

6. 3　公式发现

6. 3. 1　现状

6. 3. 2　问题描述

6. 3. 3 BACON系统

6. 3. 4 FDD系统

6. 3. 5 Explore系统

6. 4　数据聚类

6. 4. 1　聚类的概念

6. 4. 2　SAS的聚类算法

6. 4. 3　基于遗传等法的聚类方法

6. 4. 4　基于随机搜索的聚类算法

6. 4. 5　聚类算法BIRCH

第7章　数据挖掘算法

7. 1　数据挖掘的集合论方法

7. 1. 1　粗集方法

7. 1. 2　概念树方法

7. 1. 3　覆盖正例排斥反例方法

7. 2　数据挖掘中的决策树方法

7. 2. 1　基本原理

7. 2. 2　ID3决策树方法

7. 2. 3　IBLE决策规则树方法

7. 2. 4　决策树方法的优点和发展

7. 3　数据挖掘中的遗传算法

7. 3. 1　遗传算法的形成和发展

7. 3. 2　遗传算法的基本原理

7. 3. 3　遗传算法的研究方向

7. 3. 4　基于遗传算法的分类系统

7. 3. 5　基于混合数据的遗传分类算法

7. 4　数据挖掘的神经网络方法

7. 4. 1 神经网络的理论基础

7. 4. 2　几个常见神经网络

7. 4. 3　非线性神经网络的原理及其学习算法

第8章　数据仓库应用

8. 1　需求分析

8. 1. 1　环境分析

8. 1. 2　业务数据库结构分析

　 8. 1. 3　数据仓库应用系统的分析主题

　 8. 1. 4　数据仓库应用系统的具体要求

8. 2　数据仓库应用系统设计

　 8. 2. 1　数据仓库应用系统结构

　8. 2. 2　数据模型设计

8. 3　数据转移

　 8. 3. 1　数据转移方案

　 8. 3. 2　数据装载

8. 4　创建多维数据集

8. 5　小结

参考文献