本书将数据挖掘和商务智能的相关理论结合在一起，主要介绍计算机数据挖掘与商务智能领域的相关算法，结合现代计算机科学技术，为解决工程实践中的具体问题提供基本算法与科学指导，包括数据库、数据仓库、知识发现、数据挖掘、人工智能、计算智能、仿生学、模糊集、粗糙集、商务智能及其应用案例、商务智能系统等内容。本书各章内容既相互关联又有一定的独立性，便于读者根据不同需求进行阅读。章后习题有助于读者加深对各类算法和理论的理解。
样章试读
目录
- 目录
前言
第1章绪论1
1.1数据库与数据仓库1
1.1.1数据的层次性1
1.1.2数据库到数据仓库的发展3
1.1.3数据仓库的概念及特征4
1.1.4数据仓库的应用及发展6
1.2数据挖掘概述8
1.2.1从机器学习到数据挖掘8
1.2.2数据挖掘的定义8
1.2.3数据挖掘与统计学9
1.2.4数据仓库与数据挖掘的区别及联系11
1.3数据仓库与商务智能11
1.3.1商务智能的概念11
1.3.2从数据仓库到商务智能12
1.4习题12
第2章数据仓库的模型及原理13
2.1数据仓库系统的体系结构13
2.1.1数据仓库的基本结构13
2.1.2数据集市及其结构14
2.1.3数据仓库的系统结构16
2.1.4数据仓库的运行结构17
2.2数据仓库的相关概念18
2.2.1主题18
2.2.2粒度18
2.2.3维度19
2.2.4数据立方体20
2.3数据仓库的数据模型21
2.3.1多维数据模型21
2.3.2星型模型23
2.3.3雪花模型24
2.3.4星网模型24
2.4数据仓库的数据ETL过程25
2.4.1数据抽取26
2.4.2数据转换26
2.4.3数据装载27
2.5元数据28
2.5.1元数据的概念28
2.5.2关于数据源的元数据28
2.5.3关于数据模型的元数据29
2.5.4关于数据仓库映射的元数据29
2.5.5关于数据仓库使用的元数据30
2.6联机分析处理31
2.6.1OLAP的概念31
2.6.2OLAP的数据模型32
2.6.3OLAP的基本操作35
2.6.4多维数据分析实例39
2.7习题42
第3章数据仓库的设计、开发与应用43
3.1数据仓库整体架构43
3.2数据仓库需求分析44
3.2.1确定主题域45
3.2.2确定支持决策的数据来源46
3.2.3确定数据仓库的数据量47
3.2.4确定数据更新方式与频率48
3.3数据仓库的设计49
3.3.1概念模型设计49
3.3.2逻辑模型设计52
3.3.3物理模型设计56
3.4数据仓库的开发与应用60
3.4.1数据仓库的建立60
3.4.2数据仓库数据的加载、复制与发行60
3.4.3中间件设计61
3.4.4数据仓库的测试与评估62
3.4.5数据仓库的应用与维护63
3.5数据仓库设计与开发实例64
3.6习题67
第4章知识发现与数据挖掘68
4.1知识发现68
4.1.1知识发现的定义68
4.1.2知识发现与数据挖掘的关系69
4.2数据挖掘70
4.2.1数据挖掘的对象70
4.2.2数据挖掘的任务71
4.3数据预处理72
4.3.1数据预处理方法72
4.3.2数据预处理内容75
4.4数据挖掘理论76
4.4.1统计理论76
4.4.2仿生学理论78
4.4.3集合理论80
4.4.4信息理论80
4.4.5机器学习理论81
4.5数据挖掘的知识表示及可视化技术82
4.5.1数据挖掘的知识表示82
4.5.2数据挖掘的可视化技术83
4.6习题84
第5章人工智能和计算智能85
5.1人工智能85
5.1.1人工智能的概念85
5.1.2人工智能的产生和发展85
5.2计算智能88
5.2.1计算智能的产生与发展88
5.2.2计算智能与人工智能的关系89
5.2.3计算智能的应用91
5.3习题96
第6章仿生学97
6.1神经网络的原理及几何意义97
6.1.1神经网络的原理97
6.1.2神经网络的几何意义99
6.2感知机模型101
6.2.1感知机类型102
6.2.2感知机模型建立103
6.2.3感知机学习策略104
6.3反向传播模型105
6.3.1BP神经网络原理105
6.3.2BP神经网络计算步骤106
6.3.3BP神经网络优劣性107
6.4遗传算法108
6.4.1遗传算法基本原理108
6.4.2遗传算法特点109
6.4.3遗传算法过程109
6.5深度学习116
6.5.1深度信念网络116
6.5.2卷积神经网络118
6.5.3递归神经网络119
6.6新型仿生学算法及其发展121
6.6.1仿生学的诞生与发展121
6.6.2仿生学的研究方法121
6.6.3新型仿生学算法122
6.7习题132
第7章集合论方法133
7.1模糊集方法133
7.1.1模糊集的基本概念133
7.1.2模糊集的基本运算135
7.1.3模糊关系与模糊矩阵138
7.1.4模糊集的发展——直觉模糊集147
7.1.5模糊集的发展——犹豫模糊集152
7.2粗糙集方法154
7.2.1粗糙集的基本概念154
7.2.2近似与粗糙集156
7.2.3知识约简和核162
7.2.4知识的依赖性163
7.2.5知识表达系统和决策表164
7.2.6区分矩阵与区分函数166
7.3习题168
第8章商务智能173
8.1数据挖掘与商务智能的关系173
8.1.1数据挖掘与商务智能相辅相成173
8.1.2数据挖掘对商务智能的支撑174
8.2商务智能概述176
8.2.1商务智能产生的背景及原因176
8.2.2商务智能的综合概念及特点177
8.2.3商务智能的应用179
8.2.4商务智能的发展趋势186
8.3商务智能的设计与实施过程187
8.3.1商务智能设计与实施的前提188
8.3.2商务智能设计与实施的步骤189
8.3.3商务智能设计与实施实例192
8.4习题194
第9章商务智能系统196
9.1商务智能系统概述196
9.1.1商务智能系统的概念196
9.1.2商务智能系统的功能197
9.1.3商务智能系统与相关应用系统的关系198
9.2商务智能系统架构200
9.2.1商务智能系统基本架构及实施流程200
9.2.2商务智能系统数据集成203
9.2.3商务智能系统架构类型205
9.3习题208
第10章商务智能应用案例209
10.1案例一：商务智能在电子商务中的应用209
10.1.1背景209
10.1.2必要性209
10.1.3概念模型209
10.1.4应用框架211
10.1.5结论212
10.2案例二：商务智能在物流中的应用212
10.2.1背景213
10.2.2必要性213
10.2.3现状分析213
10.2.4应用框架214
10.2.5整合措施215
10.2.6结论215
参考文献216
京公网安备 11010102004214号