數據倉庫與數據挖掘教程（第4版）

目錄

 

 

第1章數據倉庫與數據挖掘概述1

1.1數據倉庫的興起1

1.1.1從數據庫到數據倉庫1

1.1.2從OLTP到OLAP3

1.1.3數據字典與元數據4

1.1.4數據倉庫的定義與特點6

1.2數據挖掘的興起7

1.2.1從機器學習到數據挖掘7

1.2.2數據挖掘含義8

1.2.3數據挖掘與OLAP的比較8

1.2.4數據挖掘與統計學9

1.3智能技術10

1.3.1智能技術簡述10

1.3.2數據倉庫與商務智能14

1.3.3數據挖掘與人工智能17

習題119

第2章數據倉庫原理20

2.1數據倉庫結構體系20

2.1.1數據倉庫結構20

2.1.2數據集市及其結構22

2.1.3數據倉庫系統結構24

2.1.4數據倉庫的運行結構25

2.2數據倉庫的數據模型26

2.2.1星形模型26

2.2.2雪花模型與星網模型28

2.2.3第三範式29

2.3數據抽取、轉換和裝載29

2.3.1數據抽取30

2.3.2數據轉換31

2.3.3數據裝載33

2.4元數據34

2.4.1元數據的重要性34

2.4.2關於數據源的元數據35

2.4.3關於數據模型的元數據35

2.4.4關於數據倉庫映射的元數據36

2.4.5關於數據倉庫使用的元數據37

習題238

〖3〗數據倉庫與數據挖掘教程(第4版)目錄〖3〗第3章聯機分析處理39

3.1OLAP概念39

3.1.1OLAP的定義39

3.1.2OLAP準則40

3.1.3OLAP的基本概念42

3.2OLAP的數據模型43

3.2.1MOLAP數據模型43

3.2.2ROLAP數據模型44

3.2.3MOLAP與ROLAP的比較44

3.3多維數據的顯示47

3.3.1多維數據的顯示方法47

3.3.2多維類型結構48

3.3.3多維數據的分析視圖49

3.4OALP的多維數據分析50

3.4.1多維數據分析的基本操作50

3.4.2多維數據分析實例52

3.4.3廣義OLAP功能54

3.4.4數據立方體56

習題3 60

第4章數據倉庫的決策支持61

4.1數據倉庫的用戶61

4.1.1信息查詢者61

4.1.2知識探索者62

4.2數據倉庫的決策支持與決策支持系統62

4.2.1查詢與報表63

4.2.2多維分析與原因分析64

4.2.3預測未來65

4.2.4實時決策65

4.2.5自動決策66

4.2.6決策支持系統67

4.3基於數據倉庫決策支持系統的應用實例68

4.3.1航空公司基本數據倉庫決策支持系統簡例68

4.3.2統計業數據倉庫系統72

4.3.3沃爾瑪數據倉庫系統74

習題476

第5章數據挖掘原理77

5.1數據挖掘綜述77

5.1.1數據挖掘與知識發現77

5.1.2數據挖掘任務與分類78

5.1.3不完全數據處理81

5.1.4數據庫的數據濃縮83

5.2數據挖掘方法和技術85

5.2.1歸納學習的信息論方法85

5.2.2歸納學習的集合論方法86

5.2.3仿生物技術的神經網絡方法87

5.2.4仿生物技術的遺傳算法87

5.2.5數值數據的公式發現87

5.3數據挖掘的知識表示88

5.3.1規則知識88

5.3.2決策樹知識88

5.3.3知識基(濃縮數據)89

5.3.4神經網絡權值89

5.3.5公式知識89

5.3.6案例90

習題590

第6章信息論方法92

6.1信息論原理92

6.1.1通道模型和學習通道模型93

6.1.2信息熵與條件熵93

6.1.3互信息與信息增益95

6.1.4通道容量與解碼準則95

6.2決策樹方法96

6.2.1決策樹概念96

6.2.2ID3算法基本思想97

6.2.3ID3算法98

6.2.4實例與討論99

6.2.5C4.5算法101

6.3決策規則樹方法103

6.3.1IBLE算法基本思想103

6.3.2IBLE算法105

6.3.3IBLE算法實例107

習題6113

第7章集合論方法115

7.1粗糙集方法115

7.1.1粗糙集概念115

7.1.2粗糙集方法的屬性約簡與實例117

7.1.3粗糙集方法的規則知識獲取119

7.1.4粗糙集方法規則獲取實例119

7.1.5約簡集的選擇122

7.2k均值聚類123

7.2.1聚類方法簡介123

7.2.2k均值聚類算法與實例126

7.3關聯規則挖掘127

7.3.1關聯規則挖掘的原理127

7.3.2Apriori算法基本思想130

7.3.3基於FPtree的關聯規則挖掘算法133

習題7136

第8章神經網絡與深度學習138

8.1神經網絡原理與反向傳播網絡138

8.1.1神經網絡原理138

8.1.2反向傳播網絡139

8.1.3BP網絡學習公式推導140

8.1.4BP網絡的典型實例145

8.2神經網絡的幾何意義145

8.2.1神經網絡的超平面含義145

8.2.2異或問題的實例分析147

8.3深度學習148

8.3.1深度學習與多層網絡的鏈式法則148

8.3.2捲積網絡深度學習算法153

8.3.3深度學習實例159

習題8164

第9章遺傳算法與計算智能168

9.1遺傳算法168

9.1.1遺傳算法基本原理169

9.1.2遺傳算子170

9.1.3遺傳算法簡例174

9.1.4遺傳算法的特點176

9.2基於遺傳算法的分類學習系統177

9.2.1概述177

9.2.2遺傳分類學習系統的基本原理177

9.2.3遺傳分類學習系統的應用181

9.3計算智能182

9.3.1計算智能概述182

9.3.2計算智能與人工智能184

習題9185

第10章強化學習、遷移學習和公式發現187

10.1強化學習187

10.1.1強化學習概念187

10.1.2強化學習算法與實例189

10.2遷移學習192

10.2.1遷移學習綜述192

10.2.2遷移學習與類比學習比較194

10.2.3遷移學習與基於案例的推理比較195

10.3公式發現196

10.3.1曲線擬合與發現學習196

10.3.2科學定律發現系統199

10.3.3經驗公式發現系統203

習題10207

第11章知識挖掘208

11.1軟件進化規律的知識挖掘208

11.1.1數值計算的進化 208

11.1.2電腦程序的進化212

11.1.3數據存儲的進化214

11.1.4知識處理的進化217

11.1.5進化規律的知識挖掘219

11.1.6小結222

11.2數學進化規律的知識挖掘222

11.2.1數學進化綜述222

11.2.2數學進化的知識發現方法223

11.2.3數學發展中的映射變換226

11.2.4數學進化規律小結228

11.3變換規則的知識挖掘229

11.3.1適應變化環境的變換和變換規則230

11.3.2變換規則的知識挖掘的理論基礎231

11.3.3變換規則的知識推理234

11.3.4變換規則鏈的知識挖掘235

11.3.5適應變化環境的變換規則元知識238

習題11241

第12章大數據與人工智能242

12.1大數據時代242

12.1.1從數據到決策的大數據時代242

12.1.2大數據的分析方法和決策支持方式245

12.1.3數據倉庫與雲計算248

12.2大數據型科學研究250

12.2.1大數據型科學研究範式250

12.2.2大數據中的小數據252

12.2.3科學研究中的相關性253

12.2.4矛盾與機遇兩類相關性256

12.2.5大數據應用現狀259

12.3人工智能260

12.3.1人工智能發展過程260

12.3.2人工智能目前研究的主要內容263

12.3.3人工智能的最新進展——生成式人工智能265

12.3.4中國人工智能研究的進展267

習題12268

附錄A各章習題中部分問答題的參考答案270

附錄B各章習題中設計題和計算題的參考答案288

參考文獻304