欢迎光临澳大利亚新华书店网 [登录 | 免费注册]

    • 数据挖掘与商务智能(工业和信息化部十四五规划教材)
      • 作者:编者:张文宇//任露|责编:宋无汗//郑小羽
      • 出版社:科学
      • ISBN:9787030773746
      • 出版日期:2024/03/01
      • 页数:219
    • 售价:54
  • 内容大纲

        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。
        本书可作为高等院校计算机类、管理类专业本科生和研究生的教学用书,也可供相关领域研究人员和工程技术人员参考。
  • 作者介绍

  • 目录

    前言
    第1章  绪论
      1.1  数据库与数据仓库
        1.1.1  数据的层次性
        1.1.2  数据库到数据仓库的发展
        1.1.3  数据仓库的概念及特征
        1.1.4  数据仓库的应用及发展
      1.2  数据挖掘概述
        1.2.1  从机器学习到数据挖掘
        1.2.2  数据挖掘的定义
        1.2.3  数据挖掘与统计学
        1.2.4  数据仓库与数据挖掘的区别及联系
      1.3  数据仓库与商务智能
        1.3.1  商务智能的概念
        1.3.2  从数据仓库到商务智能
      1.4  习题
    第2章  数据仓库的模型及原理
      2.1  数据仓库系统的体系结构
        2.1.1  数据仓库的基本结构
        2.1.2  数据集市及其结构
        2.1.3  数据仓库的系统结构
        2.1.4  数据仓库的运行结构
      2.2  数据仓库的相关概念
        2.2.1  主题
        2.2.2  粒度
        2.2.3  维度
        2.2.4  数据立方体
      2.3  数据仓库的数据模型
        2.3.1  多维数据模型
        2.3.2  星型模型
        2.3.3  雪花模型
        2.3.4  星网模型
      2.4  数据仓库的数据ETL过程
        2.4.1  数据抽取
        2.4.2  数据转换
        2.4.3  数据装载
      2.5  元数据
        2.5.1  元数据的概念
        2.5.2  关于数据源的元数据
        2.5.3  关于数据模型的元数据
        2.5.4  关于数据仓库映射的元数据
        2.5.5  关于数据仓库使用的元数据
      2.6  联机分析处理
        2.6.1  OLAP的概念
        2.6.2  OLAP的数据模型
        2.6.3  OLAP的基本操作
        2.6.4  多维数据分析实例
      2.7  习题
    第3章  数据仓库的设计、开发与应用
      3.1  数据仓库整体架构

      3.2  数据仓库需求分析
        3.2.1  确定主题域
        3.2.2  确定支持决策的数据来源
        3.2.3  确定数据仓库的数据量
        3.2.4  确定数据更新方式与频率
      3.3  数据仓库的设计
        3.3.1  概念模型设计
        3.3.2  逻辑模型设计
        3.3.3  物理模型设计
      3.4  数据仓库的开发与应用
        3.4.1  数据仓库的建立
        3.4.2  数据仓库数据的加载、复制与发行
        3.4.3  中间件设计
        3.4.4  数据仓库的测试与评估
        3.4.5  数据仓库的应用与维护
      3.5  数据仓库设计与开发实例
      3.6  习题
    第4章  知识发现与数据挖掘
      4.1  知识发现
        4.1.1  知识发现的定义
        4.1.2  知识发现与数据挖掘的关系
      4.2  数据挖掘
        4.2.1  数据挖掘的对象
        4.2.2  数据挖掘的任务
      4.3  数据预处理
        4.3.1  数据预处理方法
        4.3.2  数据预处理内容
      4.4  数据挖掘理论
        4.4.1  统计理论
        4.4.2  仿生学理论
        4.4.3  集合理论
        4.4.4  信息理论
        4.4.5  机器学习理论
      4.5  数据挖掘的知识表示及可视化技术
        4.5.1  数据挖掘的知识表示
        4.5.2  数据挖掘的可视化技术
      4.6  习题
    第5章  人工智能和计算智能
      5.1  人工智能
        5.1.1  人工智能的概念
        5.1.2  人工智能的产生和发展
      5.2  计算智能
        5.2.1  计算智能的产生与发展
        5.2.2  计算智能与人工智能的关系
        5.2.3  计算智能的应用
      5.3  习题
    第6章  仿生学
      6.1  神经网络的原理及几何意义
        6.1.1  神经网络的原理
        6.1.2  神经网络的几何意义

      6.2  感知机模型
        6.2.1  感知机类型
        6.2.2  感知机模型建立
        6.2.3  感知机学习策略
      6.3  反向传播模型
        6.3.1  BP神经网络原理
        6.3.2  BP神经网络计算步骤
        6.3.3  BP神经网络优劣性
      6.4  遗传算法
        6.4.1  遗传算法基本原理
        6.4.2  遗传算法特点
        6.4.3  遗传算法过程
      6.5  深度学习
        6.5.1  深度信念网络
        6.5.2  卷积神经网络
        6.5.3  递归神经网络
      6.6  新型仿生学算法及其发展
        6.6.1  仿生学的诞生与发展
        6.6.2  仿生学的研究方法
        6.6.3  新型仿生学算法
      6.7  习题
    第7章  集合论方法
      7.1  模糊集方法
        7.1.1  模糊集的基本概念
        7.1.2  模糊集的基本运算
        7.1.3  模糊关系与模糊矩阵
        7.1.4  模糊集的发展——直觉模糊集
        7.1.5  模糊集的发展——犹豫模糊集
      7.2  粗糙集方法
        7.2.1  粗糙集的基本概念
        7.2.2  近似与粗糙集
        7.2.3  知识约简和核
        7.2.4  知识的依赖性
        7.2.5  知识表达系统和决策表
        7.2.6  区分矩阵与区分函数
      7.3  习题
    第8章  商务智能
      8.1  数据挖掘与商务智能的关系
        8.1.1  数据挖掘与商务智能相辅相成
        8.1.2  数据挖掘对商务智能的支撑
      8.2  商务智能概述
        8.2.1  商务智能产生的背景及原因
        8.2.2  商务智能的综合概念及特点
        8.2.3  商务智能的应用
        8.2.4  商务智能的发展趋势
      8.3  商务智能的设计与实施过程
        8.3.1  商务智能设计与实施的前提
        8.3.2  商务智能设计与实施的步骤
        8.3.3  商务智能设计与实施实例
      8.4  习题

    第9章  商务智能系统
      9.1  商务智能系统概述
        9.1.1  商务智能系统的概念
        9.1.2  商务智能系统的功能
        9.1.3  商务智能系统与相关应用系统的关系
      9.2  商务智能系统架构
        9.2.1  商务智能系统基本架构及实施流程
        9.2.2  商务智能系统数据集成
        9.2.3  商务智能系统架构类型
      9.3  习题
    第10章  商务智能应用案例
      10.1  案例一:商务智能在电子商务中的应用
        10.1.1  背景
        10.1.2  必要性
        10.1.3  概念模型
        10.1.4  应用框架
        10.1.5  结论
      10.2  案例二:商务智能在物流中的应用
        10.2.1  背景
        10.2.2  必要性
        10.2.3  现状分析
        10.2.4  应用框架
        10.2.5  整合措施
        10.2.6  结论
    参考文献