數據倉庫與數據挖掘

本書較系統地介紹了數據倉庫產生的背景及其技術、方法的理論和應用。主要內容包括：數據倉庫的相關術語及框架體系結構；數據倉庫設計與元數據研究；異構數據智能整合與建模；聯機分析處理與聯機分析挖掘；數據挖掘與數據庫中知識發現；基於神經網絡的數據挖掘模型的應用研究；預測模型與應用；基於GMDH原理的自組織數據挖掘模型研究；快速發現關聯規則的模型及應用；粗熵的關聯規則挖掘方法及其在肇事逃逸偵破中的應用；模糊層次分析法等。

陳燕(Chen Yan)，大連海事大學計控系計算機專業畢業，獲工學學士學位；大連海事大學計算機軟件專業畢業，獲工學碩士學位；大連理工大學系統工程專業畢業，獲工學博士學位。現任大連海事大學經濟與管理學院教授博士生導師，曾撰寫 過《數據倉庫技術及其應用》、《數據結構》、《管理科學與信息化》、《普式計算》等學術專著。主持並完成國家自然科學基金及多項省部級科研項目，獲得3項省部級獎勵，發表相關學術論文近百篇。

第1章 緒論

1．1 MIS的開發方法

1．2 MIS的發展過程

1．3 MIS的應用發展

1．4 數據倉庫現象的產生與理論

1．5 數據倉庫研究的現狀

1．6 數據挖掘研究及其現狀

1．7 數據挖掘與企業信息資源再造的產生背景

1．8 建立一個完整的數據倉庫系統需要解決的問題

1．9 建立數據倉庫系統所做的工作

1．10 撰寫《數據倉庫與數據挖掘》一書的現實意義

第2章 數據倉庫系統的術語及框架體系結構研究

2．1 數據倉庫系統定義與特徵

2．2 數據倉庫理論的形成

2．3 數據倉庫的技術

2．4 數據倉庫的框架體系結構

第3章 數據倉庫設計與元數據研究

3．1 數據倉庫數據模型的設計

3．2 數據倉庫的數據庫概念、數據模型設計

3．3 建立信息包圖

3．4 邏輯模型設計

3．5 物理模型設計

3．6 數據倉庫數據模型設計方法的規範化

3．7 多維信息系統的開發方法

3．8 元數據相關理論

3．9 數據倉庫與元數據

第4章 異構數據智能整合與建模

4．1 多平台異構數據智能整合

4．2 異構數據智能整合標準的建立

4．3 異構數據庫的轉換技術

4．4 全局水路公路貨運客運數據倉庫總體框架

4．5 數據聚類處理

第5章 聯機分析處理與聯機分析挖掘

5．1 聯機分析處理OLAP

5．2 OLAP與數據倉庫、數據挖掘

5．3 聯機分析挖掘OLAM

5．4 OLAP應用

第6章 數據挖掘與數據庫中知識發現

6．1 數據挖掘概念

6．2 數據挖掘技術與方法

6．3 數據挖掘產品

6．4 KDD概述

6．5 數據挖掘與數據庫中知識發現

6．6 KDD的實例分析

第7章 基於神經網絡的數據挖掘模型的應用研究

7．1 服裝歸檔的現狀及意義

7．2 主要介紹內容

7．3 人工神經網絡理論

7．4 神經網絡模型

7．5 神經網絡學習

7．6 誤差反向傳播(BP)網絡及其改進

7．7 神經網絡在職業服裝號型歸檔中的應用

7．8 總結

第8章 預測模型與應用

8．1 相關的預測知識

8．2 預測模型的具體應用

8．3 預測結果選擇

8．4 遼寧省某市公路、水路的發展對策

第9章 基於GMDH原理的自組織數據挖掘模型研究

9．1 自組織數據挖掘介紹

9．2 自組織數據挖掘模型

9．3 自組織數據挖掘的建模技術

9．4 參數GMDH算法

9．5 自組織數據挖掘的應用實例分析

9．6 小結

第10章 快速發現關聯規則的模型

10．1 概述

10．2 關聯規則的定義與解釋

lO．3 關聯規則在知識管理過程中的應用

10．4 關聯規則應用舉例

10．5 關聯規則算法的流程

10．6 一個實例的運行結果與分析

lO．7 關聯規則的改進

第l1章 粗熵的關聯規則挖掘方法及其在肇事逃逸偵破中的應用

11．1 概述

11．2 數據挖掘與粗糙集

11．3 利用粗糙集進行數據挖掘問題的思路

11．4 粗糙集理論

11．5 知識的約簡、核、依賴度和屬性重要性

11．6 一種基於粗糙集的數據挖掘模型

11．7 關聯規則的粗熵挖掘算法

11．8 對算法的評析

11．9 交通肇事逃逸偵破中的應用範例

11．10 結論

第12章 模糊層次分析法

12．1 層次分析法的理論基礎

12．2 基於層次分析法的交通運輸質量評價

12．3 模糊層次分析法

12．4 基於模糊綜合評價的多準則決策模型

參考文獻 ^[1]