数据仓库与数据挖掘技术原理及应用

本章小结

15.4.4 aCRM系统模型设计

15.4.3 aCRM系统体系结构设计

15.4.2 aCRM系统目标和需求分析

15.4.1 aCRM系统背景介绍

15.4 数据仓库系统分析与设计实例

15.3 数据仓库开发应避免的问题

15.2 数据仓库项目开发管理

15.1 螺旋式开发方法

第15章 数据仓库系统开发方法、项目管理及实例分析

本章习题

本章小结

14.2.4 与同类BI技术的集成

14.2.3 简单而强大API

14.2.2 易于使用的数据挖掘工具

14.2.1 新增加的算法

14.2 Microsoft SQL Server 2005中数据挖掘的改进

14.1.3 挖掘模型角色管理

14.1.2 建立OLAP数据挖掘模型

14.1.1 建立关系数据挖掘模型

14.1 Microsoft SQL Server 2000中的数据挖掘模型

第14章 Microsoft SQL Server 2000数据挖掘

本章习题

本章小结

13.5.5 数值函数

13.5.4 级别函数

13.5.3 维度函数

13.5.2 集合函数

13.5.1 成员函数

13.5 Analysis Services中的MDX函数

13.4 Microsoft SQL Server 2000 MDX示例应用程序的使用

13.3.4 生成MDX中的计算单元

13.3.3 生成MDX中的计算成员

13.3.2 生成MDX中的命名集

13.3.1 指定单元格属性

13.3 高级MDX

13.2.4 建立多维数据集上下文

13.2.3 轴维度和切片器维度

13.2.2 成员、元组和集合

13.2.1 MDX语句的基本结构

13.2 MDX基础

13.1.2 MDX语句与SQL语句的比较

13.1.1 MDX语句的基本概念和组成元素

13.1 MDX概述

第13章 Microsoft SQL Server 2000 MDX技术

本章习题

本章小结

12.8.3 给角色提供钻取权限

12.8.2 启用多维数据集的钻取功能

12.8.1 钻取的基本概念

12.8 钻取选项的设置

12.7 虚拟多维数据集的建立与应用

12.6.3 分区的合并

12.6.2 编辑分区与筛选条件设置

12.6.1 建立多维数据集分区

12.6 多维数据集的分区与合并

12.5.2 虚拟维度的建立与应用

12.5.1 成员属性的建立与应用

12.5 成员属性与虚拟维度

12.4.2 命名集在MDX中的应用

12.4.1 建立命名集

12.4 “命名集”的建立与应用

12.3 “对策”的建立与应用

12.2.2 编辑计算单元

12.2.1 建立计算单元

12.2 计算单元的应用

12.1.2 维度成员的导出与应用

12.1.1 度量值成员的导出与应用

12.1 计算成员的建立与应用

第12章 Microsoft SQL Server 2000 OLAP的高级设计

本章习题

本章小结

11.4.3 使用OLAP的Web动态数据透视

11.4.2 使用Excel作为前端分析工具

11.4.1 直接使用“Analysis Manager”进行数据浏览以及OLAP的实施

11.4 多维数据集分析模式的应用

11.3 多维数据集的设计存储和处理

11.2.2 多维数据集的编辑

11.2.1 维度的编辑

11.2 多维数据集的编辑与管理

11.1.6 完成多维数据集的创建

11.1.5 父子维度的建立

11.1.4 星型模型维度的建立

11.1.3 雪花模型维度的建立

11.1.2 时间维度的建立

11.1.1 度量值的添加

11.1 多维数据集的建立

第11章 Microsoft SQL Server 2000 OLAP的基本设计

本章习题

本章小结

10.6.3 DTS中的数据转换

10.6.2 数据导入/导出工具

10.6.1 DTS概述

10.6 DTS在数据仓库中的应用

10.5.2 数据库的恢复

10.5.1 数据库的存档

10.5 数据库的存档与恢复

10.4.3 多维数据集角色的管理

10.4.2 数据库角色定义与管理

10.4.1 系统管理员的安全性控制

10.4 管理与使用权限的设置

10.3.2 创建多维数据集

10.3.1 创建维度

10.3 多维数据集和维度的创建

10.2.2 指定SQL Server数据源

10.2.1 指定ODBC数据源

10.2 数据源的管理

10.1.2 创建数据库

10.1.1 注册服务器

10.1 Analysis Manager的配置

第10章 Microsoft SQL Server 2000数据仓库基本操作

本章习题

本章小结

9.4.3 模式增长方法

9.4.2 基于垂直格式的候选码生成——测试的方法

9.4.1 基于Apriori的候选码生成——测试的方法

9.4 序列模式分析的新算法

9.3 序列模式分析典型算法的使用

9.2.2 序列模式的发现步骤

9.2.1 序列模式分析的基本概念

9.2 序列模式分析的基本原理

9.1 序列模式分析的典型应用

第9章 序列模式分析算法原理与应用

本章习题

本章小结

8.4.3 决策树评估（Estimate）

8.4.2 决策树修剪（Pruning）

8.4.1 构建决策树

8.4 分类与回归树算法

8.3.3 C4.5分类算法

8.3.2 ID3分类算法

8.3.1 概念与定义

8.3 基于信息论（Information Theory）的分类分析算法

8.2.2 决策树基本算法介绍

8.2.1 分类分析算法的基本概念

8.2 分类分析算法的基本原理

8.1 分类分析算法的典型应用

第8章 分类分析算法原理与应用

本章习题

本章小结

7.4.2 面向流数据和孤立点挖掘的新型聚类算法

7.4.1 聚类分析的基本优化算法

7.4 聚类分析方法的优化算法

7.3.2 聚类模型的使用

7.3.1 聚类分析算法的参数

7.3 聚类分析算法的使用

7.2.2 聚类分析的基本方法

7.2.1 聚类分析的基本概念

7.2 聚类算法的基本原理

7.1 聚类分析的典型应用

第7章 聚类分析算法原理与应用

本章习题

本章小结

6.4.7 约束性关联规则发现算法

6.4.6 多层关联规则发现算法

6.4.5 关联规则的增量式更新算法

6.4.4 具有自适应能力的动态递增的关联规则算法

6.4.3 基于粗糙集的关联规则算法

6.4.2 AprioriHybrid算法

6.4.1 AprioriTid算法

6.4 关联规则挖掘的优化算法

6.3.4 解释模型

6.3.3 模型内容

6.3.2 DMX查询

6.3.1 关联规则算法的参数

6.3 关联规则挖掘算法的使用

6.2.4 预测

6.2.3 生成关联规则

6.2.2 挖掘频繁项集的经典算法——Apriori算法

6.2.1 关联规则算法的基本概念

6.2 关联规则挖掘算法的基本原理

6.1 关联规则的典型应用

第6章 关联规则分析算法原理与应用

本章习题

本章小结

5.6.5 其他分析

5.6.4 序列分析及时间序列（Sequence Analysis and Time Sequence）

5.6.3 分类分析（Classification）

5.6.2 聚类分析（Clustering）

5.6.1 关联分析（Association）

5.6 数据挖掘的分类

5.5.2 数据挖掘的过程模型

5.5.1 数据挖掘的步骤

5.5 数据挖掘的步骤与过程模型

5.4 数据挖掘的对象

5.3.4 元数据挖掘

5.3.3 信息抽取

5.3.2 信息摘要

5.3.1 概念描述

5.3 数据挖掘的基本功能

5.2 数据挖掘的体系结构

5.1.4 数据挖掘与OLAP的关系

5.1.3 数据挖掘的商业定义

5.1.2 数据挖掘的技术定义

5.1.1 数据挖掘的形式化定义

5.1 数据挖掘的概念

第5章 数据挖掘的基本原理

本章习题

本章小结

4.5.2 OLAP的展现方法

4.5.1 OLAP的展现方式

4.5 OLAP的展现

4.4.4 MOLAP与ROLAP的比较

4.4.3 HOLAP（Hybrid OLAP）

4.4.2 ROLAP

4.4.1 MOLAP

4.4 OLAP的分类

4.3.2 OLAP的基本功能

4.3.1 OLAP的基本特征

4.3 OLAP的基本特征与功能

4.2.3 OLAP与数据仓库、OLTP的关系

4.2.2 OLAP服务管理的基本术语

4.2.1 OLAP设计的基本术语

4.2 OLAP中的基本概念

4.1 OLAP的体系结构

第4章 OLAP的基本原理

本章习题

本章小结

3.5.2 外部数据与非结构数据的管理

3.5.1 元数据的管理

3.5 数据仓库的数据管理

3.4.6 数据仓库中的数据清理

3.4.5 数据追加技术

3.4.4 数据仓库的数据组织形式

3.4.3 数据的分割

3.4.2 数据的颗粒度

3.4.1 数据仓库的数据组织结构

3.4 数据仓库的数据组织

3.3.4 数据的时变性

3.3.3 数据的非易失性

3.3.2 数据的集成性

3.3.1 面向主题

3.3 数据仓库的特点

3.2.3 数据集市（Data Mart）

3.2.2 数据仓库处理过程中的关键名词

3.2.1 数据仓库中的数据

3.2 数据仓库的基本概念

3.1.3 数据仓库体系结构的计算模式

3.1.2 数据仓库体系结构的基本特点

3.1.1 数据仓库体系的三个层次

3.1 数据仓库的体系结构

第3章 数据仓库的基本原理

本章习题

本章小结

2.6.2 数据挖掘技术的发展趋势

2.6.1 数据仓库的发展趋势

2.6 数据仓库与数据挖掘技术的发展趋势

2.5.3 竞技运动

2.5.2 税务

2.5.1 公安

2.5 其他行业

2.4.2 生物医学

2.4.1 医疗

2.4 医疗与生物医学行业

2.3.2 零售

2.3.1 生产制造

2.3 生产制造与零售行业

2.2.2 信息安全

2.2.1 电信

2.2 通信与安全行业的应用

2.1.3 保险

2.1.2 证券

2.1.1 银行

2.1 金融行业的应用

第2章 数据仓库与数据挖掘的应用和发展

本章习题

本章小结

1.4.8 CA

1.4.7 SAS

1.4.6 NCR

1.4.5 Informix

1.4.4 Sybase

1.4.3 IBM

1.4.2 Oracle

1.4.1 Business Objects

1.4 数据仓库产品介绍

1.3.4 OLAP（Online Analytical Process，联机分析处理）

1.3.3 商业智能

1.3.2 人工智能技术与机器学习

1.3.1 统计学

1.3 关联学科和技术介绍

1.2.3 数据挖掘与数据仓库的关系

1.2.2 数据挖掘的发展历程

1.2.1 数据挖掘的产生

1.2 数据挖掘

1.1.4 传统数据库与数据仓库的区别

1.1.3 数据仓库的产生

1.1.2 操作型系统和分析型系统的分离

1.1.1 数据库遇到的困境

1.1 从数据库到数据仓库

第1章 数据仓库与数据挖掘概述

前言

版权信息

封面

封面

版权信息

前言

第1章 数据仓库与数据挖掘概述

1.1 从数据库到数据仓库

1.1.1 数据库遇到的困境

1.1.2 操作型系统和分析型系统的分离

1.1.3 数据仓库的产生

1.1.4 传统数据库与数据仓库的区别

1.2 数据挖掘

1.2.1 数据挖掘的产生

1.2.2 数据挖掘的发展历程

1.2.3 数据挖掘与数据仓库的关系

1.3 关联学科和技术介绍

1.3.1 统计学

1.3.2 人工智能技术与机器学习

1.3.3 商业智能

1.3.4 OLAP（Online Analytical Process，联机分析处理）

1.4 数据仓库产品介绍

1.4.1 Business Objects

1.4.2 Oracle

1.4.3 IBM

1.4.4 Sybase

1.4.5 Informix

1.4.6 NCR

1.4.7 SAS

1.4.8 CA

本章小结

本章习题

第2章 数据仓库与数据挖掘的应用和发展

2.1 金融行业的应用

2.1.1 银行

2.1.2 证券

2.1.3 保险

2.2 通信与安全行业的应用

2.2.1 电信

2.2.2 信息安全

2.3 生产制造与零售行业

2.3.1 生产制造

2.3.2 零售

2.4 医疗与生物医学行业

2.4.1 医疗

2.4.2 生物医学

2.5 其他行业

2.5.1 公安

2.5.2 税务

2.5.3 竞技运动

2.6 数据仓库与数据挖掘技术的发展趋势

2.6.1 数据仓库的发展趋势

2.6.2 数据挖掘技术的发展趋势

本章小结

本章习题

第3章 数据仓库的基本原理

3.1 数据仓库的体系结构

3.1.1 数据仓库体系的三个层次

3.1.2 数据仓库体系结构的基本特点

3.1.3 数据仓库体系结构的计算模式

3.2 数据仓库的基本概念

3.2.1 数据仓库中的数据

3.2.2 数据仓库处理过程中的关键名词

3.2.3 数据集市（Data Mart）

3.3 数据仓库的特点

3.3.1 面向主题

3.3.2 数据的集成性

3.3.3 数据的非易失性

3.3.4 数据的时变性

3.4 数据仓库的数据组织

3.4.1 数据仓库的数据组织结构

3.4.2 数据的颗粒度

3.4.3 数据的分割

3.4.4 数据仓库的数据组织形式

3.4.5 数据追加技术

3.4.6 数据仓库中的数据清理

3.5 数据仓库的数据管理

3.5.1 元数据的管理

3.5.2 外部数据与非结构数据的管理

本章小结

本章习题

第4章 OLAP的基本原理

4.1 OLAP的体系结构

4.2 OLAP中的基本概念

4.2.1 OLAP设计的基本术语

4.2.2 OLAP服务管理的基本术语

4.2.3 OLAP与数据仓库、OLTP的关系

4.3 OLAP的基本特征与功能

4.3.1 OLAP的基本特征

4.3.2 OLAP的基本功能

4.4 OLAP的分类

4.4.1 MOLAP

4.4.2 ROLAP

4.4.3 HOLAP（Hybrid OLAP）

4.4.4 MOLAP与ROLAP的比较

4.5 OLAP的展现

4.5.1 OLAP的展现方式

4.5.2 OLAP的展现方法

本章小结

本章习题

第5章 数据挖掘的基本原理

5.1 数据挖掘的概念

5.1.1 数据挖掘的形式化定义

5.1.2 数据挖掘的技术定义

5.1.3 数据挖掘的商业定义

5.1.4 数据挖掘与OLAP的关系

5.2 数据挖掘的体系结构

5.3 数据挖掘的基本功能

5.3.1 概念描述

5.3.2 信息摘要

5.3.3 信息抽取

5.3.4 元数据挖掘

5.4 数据挖掘的对象

5.5 数据挖掘的步骤与过程模型

5.5.1 数据挖掘的步骤

5.5.2 数据挖掘的过程模型

5.6 数据挖掘的分类

5.6.1 关联分析（Association）

5.6.2 聚类分析（Clustering）

5.6.3 分类分析（Classification）

5.6.4 序列分析及时间序列（Sequence Analysis and Time Sequence）

5.6.5 其他分析

本章小结

本章习题

第6章 关联规则分析算法原理与应用

6.1 关联规则的典型应用

6.2 关联规则挖掘算法的基本原理

6.2.1 关联规则算法的基本概念

6.2.2 挖掘频繁项集的经典算法——Apriori算法

6.2.3 生成关联规则

6.2.4 预测

6.3 关联规则挖掘算法的使用

6.3.1 关联规则算法的参数

6.3.2 DMX查询

6.3.3 模型内容

6.3.4 解释模型

6.4 关联规则挖掘的优化算法

6.4.1 AprioriTid算法

6.4.2 AprioriHybrid算法

6.4.3 基于粗糙集的关联规则算法

6.4.4 具有自适应能力的动态递增的关联规则算法

6.4.5 关联规则的增量式更新算法

6.4.6 多层关联规则发现算法

6.4.7 约束性关联规则发现算法

本章小结

本章习题

第7章 聚类分析算法原理与应用

7.1 聚类分析的典型应用

7.2 聚类算法的基本原理

7.2.1 聚类分析的基本概念

7.2.2 聚类分析的基本方法

7.3 聚类分析算法的使用

7.3.1 聚类分析算法的参数

7.3.2 聚类模型的使用

7.4 聚类分析方法的优化算法

7.4.1 聚类分析的基本优化算法

7.4.2 面向流数据和孤立点挖掘的新型聚类算法

本章小结

本章习题

第8章 分类分析算法原理与应用

8.1 分类分析算法的典型应用

8.2 分类分析算法的基本原理

8.2.1 分类分析算法的基本概念

8.2.2 决策树基本算法介绍

8.3 基于信息论（Information Theory）的分类分析算法

8.3.1 概念与定义

8.3.2 ID3分类算法

8.3.3 C4.5分类算法

8.4 分类与回归树算法

8.4.1 构建决策树

8.4.2 决策树修剪（Pruning）

8.4.3 决策树评估（Estimate）

本章小结

本章习题

第9章 序列模式分析算法原理与应用

9.1 序列模式分析的典型应用

9.2 序列模式分析的基本原理

9.2.1 序列模式分析的基本概念

9.2.2 序列模式的发现步骤

9.3 序列模式分析典型算法的使用

9.4 序列模式分析的新算法

9.4.1 基于Apriori的候选码生成——测试的方法

9.4.2 基于垂直格式的候选码生成——测试的方法

9.4.3 模式增长方法

本章小结

本章习题

第10章 Microsoft SQL Server 2000数据仓库基本操作

10.1 Analysis Manager的配置

10.1.1 注册服务器

10.1.2 创建数据库

10.2 数据源的管理

10.2.1 指定ODBC数据源

10.2.2 指定SQL Server数据源

10.3 多维数据集和维度的创建

10.3.1 创建维度

10.3.2 创建多维数据集

10.4 管理与使用权限的设置

10.4.1 系统管理员的安全性控制

10.4.2 数据库角色定义与管理

10.4.3 多维数据集角色的管理

10.5 数据库的存档与恢复

10.5.1 数据库的存档

10.5.2 数据库的恢复

10.6 DTS在数据仓库中的应用

10.6.1 DTS概述

10.6.2 数据导入/导出工具

10.6.3 DTS中的数据转换

本章小结

本章习题

第11章 Microsoft SQL Server 2000 OLAP的基本设计

11.1 多维数据集的建立

11.1.1 度量值的添加

11.1.2 时间维度的建立

11.1.3 雪花模型维度的建立

11.1.4 星型模型维度的建立

11.1.5 父子维度的建立

11.1.6 完成多维数据集的创建

11.2 多维数据集的编辑与管理

11.2.1 维度的编辑

11.2.2 多维数据集的编辑

11.3 多维数据集的设计存储和处理

11.4 多维数据集分析模式的应用

11.4.1 直接使用“Analysis Manager”进行数据浏览以及OLAP的实施

11.4.2 使用Excel作为前端分析工具

11.4.3 使用OLAP的Web动态数据透视

本章小结

本章习题

第12章 Microsoft SQL Server 2000 OLAP的高级设计

12.1 计算成员的建立与应用

12.1.1 度量值成员的导出与应用

12.1.2 维度成员的导出与应用

12.2 计算单元的应用

12.2.1 建立计算单元

12.2.2 编辑计算单元

12.3 “对策”的建立与应用

12.4 “命名集”的建立与应用

12.4.1 建立命名集

12.4.2 命名集在MDX中的应用

12.5 成员属性与虚拟维度

12.5.1 成员属性的建立与应用

12.5.2 虚拟维度的建立与应用

12.6 多维数据集的分区与合并

12.6.1 建立多维数据集分区

12.6.2 编辑分区与筛选条件设置

12.6.3 分区的合并

12.7 虚拟多维数据集的建立与应用

12.8 钻取选项的设置

12.8.1 钻取的基本概念

12.8.2 启用多维数据集的钻取功能

12.8.3 给角色提供钻取权限

本章小结

本章习题

第13章 Microsoft SQL Server 2000 MDX技术

13.1 MDX概述

13.1.1 MDX语句的基本概念和组成元素

13.1.2 MDX语句与SQL语句的比较

13.2 MDX基础

13.2.1 MDX语句的基本结构

13.2.2 成员、元组和集合

13.2.3 轴维度和切片器维度

13.2.4 建立多维数据集上下文

13.3 高级MDX

13.3.1 指定单元格属性

13.3.2 生成MDX中的命名集

13.3.3 生成MDX中的计算成员

13.3.4 生成MDX中的计算单元

13.4 Microsoft SQL Server 2000 MDX示例应用程序的使用

13.5 Analysis Services中的MDX函数

13.5.1 成员函数

13.5.2 集合函数

13.5.3 维度函数

13.5.4 级别函数

13.5.5 数值函数

本章小结

本章习题

第14章 Microsoft SQL Server 2000数据挖掘

14.1 Microsoft SQL Server 2000中的数据挖掘模型

14.1.1 建立关系数据挖掘模型

14.1.2 建立OLAP数据挖掘模型

14.1.3 挖掘模型角色管理

14.2 Microsoft SQL Server 2005中数据挖掘的改进

14.2.1 新增加的算法

14.2.2 易于使用的数据挖掘工具

14.2.3 简单而强大API

14.2.4 与同类BI技术的集成

本章小结

本章习题

第15章 数据仓库系统开发方法、项目管理及实例分析

15.1 螺旋式开发方法

15.2 数据仓库项目开发管理

15.3 数据仓库开发应避免的问题

15.4 数据仓库系统分析与设计实例

15.4.1 aCRM系统背景介绍

15.4.2 aCRM系统目标和需求分析

15.4.3 aCRM系统体系结构设计

15.4.4 aCRM系统模型设计

本章小结