数据仓库与数据挖掘教程(计算机科学与技术21世纪高等学校规划教材)

本书较详细地介绍了数 据仓库和数据挖掘的原理、 方法及应用技术。全书共有 14章，分为4篇。第1章为 绪论篇，介绍数据仓库与数 据挖掘的基本概念及其相互 关系；第2～6章为数据仓库 原理及应用篇，主要介绍数 据仓库的概念模型、逻辑模 型和物理模型，以及数据仓 库的规划、设计、实施和 OLAP应用等；第7～10章为 传统数据挖掘原理及算法篇 ，介绍数据的属性类型与相 似性度量、关联规则挖掘、 分类规则挖掘、聚类分析和 离群点挖掘算法等；第11～ 14章为数据挖掘创新篇，主 要内容取自编者近年指导研 究生发表的学术论文，并根 据教学需要进行适当补充修 改而成，包括混合属性数据 、数据流和不确定数据的聚 类分析，以及量子遗传聚类 算法等。 本书可作为普通高等院 校计算机专业与IT相关专业 高年级本科生和研究生的教 材，也可作为经济管理类专 业同名课程的教材和参考书 ，还可作为电子商务、金融 保险等行业数据管理与数据 分析人员的培训教材或自学 参考书。

第1章 绪论 1.1 数据仓库概述 1.1.1 从传统数据库到数据仓库 1.1.2 数据仓库的4个特征 1.1.3 数据仓库系统 1.1.4 数据仓库系统体系结构 1.1.5 数据仓库数据的粒度与组织 1.2 数据挖掘概述 1.2.1 数据挖掘产生的背景 1.2.2 数据挖掘与知识发现 1.2.3 数据挖掘的数据来源 1.2.4 数据挖掘的任务 1.2.5 数据挖掘的步骤 1.2.6 数据挖掘的应用 1.3 数据仓库与数据挖掘 1.3.1 数据仓库与数据挖掘的区别 1.3.2 数据仓库与数据挖掘的关系 1.4 教程章节组织与学时建议 习题1 第2章 数据仓库原理 2.1 多数据源问题 2.2 数据预处理 2.2.1 数据清洗 2.2.2 数据变换 2.2.3 数据归约 2.3 E-R模型 2.4 数据仓库的概念模型 2.4.1 多维数据模型 2.4.2 维度与粒度 2.5 数据仓库的逻辑模型 2.5.1 多维数据库系统 2.5.2 星形模型 2.5.3 雪花模型 2.6 数据仓库的物理模型 2.6.1 位图索引模型 2.6.2 广义索引模型 2.6.3 连接索引模型 2.6.4 RAID存储结构 习题2 第3章 数据仓库的设计开发应用 3.1 数据仓库设计的特点 3.2 数据仓库系统开发过程 3.3 数据仓库系统的规划 3.4 数据仓库的设计 3.4.1 需求分析 3.4.2 概念设计 3.4.3 逻辑设计 3.4.4 物理设计 3.5 数据仓库的实施 3.5.1 数据仓库的创建 3.5.2 数据的抽取、转换和加载 3.6 数据仓库系统的开发 3.6.1 开发任务 3.6.2 开发方法 3.6.3 系统测试 3.7 数据仓库系统的应用 3.7.1 用户培训 3.7.2 决策支持 3.7.3 维护评估 习题3 第4章 警务数据仓库的实现 4.1 SQL Server 2008 R2 4.1.1 SQL Server的服务功能 4.1.2 SQL Server Management Studio 4.1.3 Microsoft Visual Studio 4.2 创建集成服务项目与SSIS包 4.3 配置“旅馆_ETL”数据流任务 4.3.1 创建“旅馆_ETL”对象 4.3.2 配置“旅馆_ETL”参数 4.4 配置“人员_ETL”数据流任务 4.4.1 创建“人员_ETL”对象 4.4.2 配置“人员_ETL”参数 4.5 配置“时间_ETL”数据流任务 4.5.1 创建“时间_ETL”对象 4.5.2 配置“时间_ETL”参数 4.6 配置“入住_ETL”数据流任务 4.6.1 创建“入住_ETL”对象 4.6.2 配置“入住_ETL”参数 4.7 部署前面配置的SSIS包 4.7.1 将包另存到SSIS服务器 4.7.2 创建作业代理 习题4 第5章 联机分析处理技术 5.1 OLAP概述 5.1.1 OLAP的定义 5.1.2 OLAP的12条准则 5.1.3 OLAP的简要准则 5.1.4 OLAP系统的基本结构 5.2 OLAP的多维分析操作 5.2.1 切片 5.2.2 切块 5.2.3 旋转 5.2.4 钻取 5.3 OLAP系统的分类 5.3.1 多维OLAP 5.3.2 关系OLAP 5.3.3 MOLAP与ROLAP的比较 5.3.4 混合OLAP 5.4 OLAP、DW与DM的关系 5.4.1 OLAP、DW与DM的联系 5.4.2 OLAP、DW与DM的区别 5.4.3 OLAP与DW的关系 5.4.4 OLAP与DM的关系 5.5 DOLAM决策支持系统方案 习题5 第6章 警务数据仓库的OLAP应用 6.1 创建分析服务项目 6.1.1 进入商业智能开发平台 6.1.2 创建分析服务项目 6.2 配置项目的数据源 6.3 构建数据源视图 6.4 创建多维数据集 6.5 配置维的层次结构 6.5.1 配置日期维的层次 6.5.2 配置地址维的层次 6.5.3 配置人员维的层次 6.5.4 配置旅馆维的层次 6.6 添加人口来源地址维 6.7 分析服务项目的部署 6.8 浏览多维数据集 习题6 第7章 数据的属性与相似性 7.1 数据集的结构 7.1.1 二维表 7.1.2 数据矩阵 7.2 属性的类型 7.2.1 连续属性 7.2.2 离散属性 7.2.3 分类属性 7.2.4 二元属性 7.2.5 序数属性 7.2.6 数值属性 7.3 相似度与相异度 7.3.1 数值属性的距离 7.3.2 分类属性的相似度 7.3.3 余弦相似度 7.3.4 混合属性的相异度 习题7 第8章 关联规则挖掘 8.1 关联规则的概念 8.1.1 基本概念 8.1.2 项集的性质 8.2 关联规则的Apriori算法 8.2.1 发现频繁项集 8.2.2 产生关联规则 8.3 FP-增长算法 8.3.1 算法的背景 8.3.2 构造FP-树 8.3.3 生成频繁项集 8.4 关联规则的评价 8.4.1 支持度和置信度的不足 8.4.2 相关性分析 8.5 序列模式发现算法 8.5.1 序列模式的概念 8.5.2 类Apriori算法 8.6 关联规则其他算法 8.6.1 频繁项集算法优化 8.6.2 CLOSE算法 8.