本书全面深入地介绍了数据仓库、联机分析处理和数据挖掘的基本概念、基本方法和应用技术。全书分成三篇：数据仓库与OLAP篇的主要内容包括：数据仓库的基本概念、体系结构、模型设计、开发方法、ETL、元数据和数据集市，OLAP的基本概念、基本操作、数据模型和OLAP的实现及准则；数据挖掘与空间数据挖掘篇的主要内容包括关联分析方法、聚类分析技术、分类与预测方法、异常检测算法以及空间数据挖掘技术等；工具与实例篇介绍了数据挖掘工具及可视化、Cognos公司的BI主要产品和企业数据仓库系统构建。
本书可作为高等院校计算机软件与应用、信息科学等专业的学生学习数据仓库、OLAP及数据挖掘技术的实用教程或参考书，也可供从事数据仓库、数据挖掘研究、设计、开发等工作的科研、工程人员参考。
样章试读
目录
- 第一篇 数据仓库与OLAP
第1章 数据仓库基本概念
1.1 从数据库到数据仓库
1.1.1 蜘蛛网问题
1.1.2 事务处理和分析处理数据环境的分离
1.2 什么是数据仓库
1.2.1 面向主题
1.2.2 集成
1.2.3 稳定性
1.2.4 随时间而变化
1.3 数据仓库与传统数据库的比较
1.3.1 两个系统的主要区别
1.3.2 两个系统的查询支持不同
1.3.3 两个系统数据组织模式示例比较
1.4 数据仓库的系统结构
1.4.1 三层数据仓库结构
1.4.2 数据仓库中的关键名词
1.5 数据仓库的数据组织
1.5.1 数据仓库的数据组织结构
1.5.2 数据粒度与数据分割
1.5.3 数据仓库的数据组织形式
1.5.4 数据仓库的数据追加和清理
1.6 小结
习题
第2章 数据仓库中的ETL和元数据
2.1 ETL
2.1.1 ETL概念
2.1.2 ETL作用
2.1.3 ETL工具
2.2 元数据
2.2.1 什么是元数据
2.2.2 元数据的标准化
2.2.3 数据仓库中的元数据管理
2.2.4 在数据仓库项目中使用元数据的建议
2.3 外部数据
2.3.1 外部数据和非结构化数据
2.3.2 元数据和外部数据
2.3.3 外部数据的存储
2.3.4 外部数据的管理
2.4 小结
习题
第3章 数据仓库模型设计及数据仓库建立
3.1 数据仓库的概念模型设计
3.1.1 E-R模型
3.1.2 面向对象的分析方法
3.2 数据仓库的逻辑模型设计
3.2.1 分析主题，确定当前要装载的主题
3.2.2 确定数据粒度的选择
3.2.3 确定数据分割策略
3.2.4 增加导出字段
3.2.5 定义关系模式
3.2.6 定义记录系统
3.3 数据仓库的物理模型设计
3.3.1 索引策略
3.3.2 数据存储策略
3.4 数据仓库的建立过程
3.4.1 需求分析
3.4.2 数据路线
3.4.3 技术路线
3.4.4 应用路线
3.4.5 数据仓库部署
3.4.6 运行维护
3.5 提高数据仓库性能
3.6 小结
习题
第4章 联机分析处理
4.1 OLAP概念
4.1.1 什么是OLAP
4.1.2 OLAP的相关基本概念
4.1.3 OLAP和OLTP的区别
4.1.4 OLAP和数据仓库的区别
4.2 OLAP的基本操作
4.2.1 数据切片
4.2.2 数据切块
4.2.3 数据上探/下钻
4.2.4 数据旋转
4.2.5 其他OLAP操作
4.3 OLAP的数据模型
4.3.1 什么是数据立方体
4.3.2 多维数据模型的存在形式
4.4 OLAP分类和服务器类型
4.4.1 OLAP的分类
4.4.2 OLAP的三层客户/服务器结构
4.4.3 ROLAP服务器
4.4.4 MOLAP服务器
4.4.5 HOLAP服务器
4.5 基于多维数据库的OLAP（MOLAP）
4.5.1 多维数据库
4.5.2 维的分类
4.5.3 多维数据库存储
4.6 基于关系数据库的OLAP（ROLAP）
4.6.1 维表和事实表
4.6.2 ROLAP与MOLAP比较
4.7 OLAP实现
4.7.1 数据立方体的有效计算
4.7.2 索引OLAP数据
4.7.3 OLAP查询的有效处理
4.7.4 OLAP的前端展现
4.8 OLAP的衡量和特性
4.8.1 OLAP的12准则
4.8.2 OLAP的简洁准则（OLAP的特性）
4.9 小结
习题
第二篇 数据挖掘与空间数据挖掘
第5章 数据挖掘概念与数据预处理
5.1 数据挖掘概述
5.2 数据挖掘分类
5.2.1 概述
5.2.2 描述性挖掘
5.2.3 预测性挖掘
5.3 数据挖掘系统
5.3.1 数据挖掘系统的结构
5.3.2 数据挖掘系统的设计
5.3.3 数据挖掘系统的发展
5.4 数据预处理
5.4.1 数据清理
5.4.2 数据集成
5.4.3 数据变换
5.4.4 数据归约
5.4.5 属性概念分层的自动生成
5.5 数据挖掘与数据仓库
5.6 数据挖掘的应用和发展
5.6.1 数据挖掘的应用
5.6.2 数据挖掘未来研究方向
5.7 小结
习题
第6章 关联分析
6.1 问题定义
6.2 Apriori算法
6.2.1 频繁项集产生
6.2.2 规则产生
6.2.3 Apriori算法
6.3 频繁项集的紧凑表示
6.3.1 最大频繁项集
6.3.2 频繁闭项集
6.4 FP-growth算法
6.4.1 FP树构造
6.4.2 频繁项集产生
6.4.3 FP-growth算法
6.5 小结
习题
第7章 聚类分析
7.1 概述
7.1.1 聚类概念
7.1.2 相似性测度
7.1.3 聚类过程
7.1.4 聚类算法的分类
7.2 k均值算法
7.2.1 误差平方和准则
7.2.2 k均值算法
7.3 BIRCH算法
7.3.1 聚类特征
7.3.2 CF树
7.3.3 CF树的构造
7.3.4 BIRCH算法
7.4 DBSCAN算法
7.4.1 相关概念
7.4.2 DBSCAN算法
7.5 STING算法
7.5.1 层次结构
7.5.2 参数产生
7.5.3 查询类型
7.5.4 相关单元和非相关单元
7.5.5 STING算法
7.6 EM算法
7.6.1 隶属概率及新均值计算
7.6.2 EM算法
7.7 小结
习题
第8章 分类与预测
8.1 分类过程
8.2 决策树分类
8.2.1 决策树
8.2.2 建立决策树
8.2.3 提取分类规则
8.2.4 对新样本分类
8.3 前馈神经网络分类
8.3.1 前馈神经网络
8.3.2 学习前馈神经网络
8.3.3 神经网络分类
8.4 贝叶斯分类
8.4.1 贝叶斯分类概述
8.4.2 朴素贝叶斯分类
8.4.3 树增强朴素贝叶斯分类
8.5 回归分析
8.5.1 一元回归分析
8.5.2 多元回归分析
8.5.3 非线性回归
8.6 小结
习题
第9章 异常检测
9.1 概述
9.1.1 异常概念
9.1.2 异常的成因
9.1.3 异常检测方法
9.2 基于距离的异常检测
9.2.1 嵌套-循环算法
9.2.2 基于单元的算法
9.3 基于密度的异常检测
9.3.1 相关概念
9.3.2 基于密度的异常检测算法
9.4 基于图的异常检测
9.4.1 相关概念
9.4.2 测试参数的计算
9.4.3 指定路径上的空间异常检测算法
9.5 小结
习题
第10章 空间数据挖掘
10.1 空间数据挖掘简介
10.1.1 空间数据挖掘的产生
10.1.2 空间数据的特点
10.1.3 空间数据挖掘的过程
10.1.4 空间数据挖掘的分类
10.2 空间关联规则挖掘
10.2.1 空间关联规则挖掘的相关概念
10.2.2 自顶向下，逐步求精的空间关联规则挖掘算法
10.3 空间co-location模式挖掘
10.3.1 空间co-location模式的基本概念
10.3.2 基于完全连接的co-location模式挖掘算法
10.4 小结
习题
第三篇 工具与实例
第11章 数据挖掘工具及可视化
11.1 数据挖掘工具简介
11.1.1 数据挖掘产品
11.1.2 评价数据挖掘产品的标准
11.2 Weka
11.2.1 Weka Explorer
11.2.2 Experimenter
11.2.3 KnowledgeFlow
11.3 数据挖掘的可视化
11.3.1 数据挖掘可视化的过程与方法
11.3.2 数据挖掘可视化的分类
11.3.3 数据挖掘可视化的工具
11.4 小结
习题
第12章 COGNOS介绍
12.1 Cognos公司BI主要产品介绍
12.1.1 数据查询和即席报表生成工具
12.1.2 模型建立工具
12.1.3 在线分析处理及展现工具
12.2 Cognos应用例子
12.2.1 报表的生成
12.2.2 Cube的构造
12.3 小结
习题
第13章 企业数据仓库系统构建
13.1 系统介绍
13.1.1 系统建设的背景
13.1.2 系统定位和总体结构
13.2 系统分析与设计
13.2.1 系统需求分析
13.2.2 系统模型设计
13.2.3 系统的ETL设计
13.3 系统实现
13.3.1 数据上载
13.3.2 立方体聚集和多立方体
13.3.3 处理链
13.3.4 系统的配置和管理
13.4 数据（报表）展示和接口探讨
13.4.1 数据（报表）的展示
13.4.2 SAP BW数据仓库接口程序的开发和实现
13.5 小结
习题
主要参考文献
京公网安备 11010102004214号