數(shù)據(jù)通信與網(wǎng)絡(luò)技術(shù)Data Communications and Networking

定　價(jià)：￥200.00

作　者：	謝邦昌主編
出版社：	機(jī)械工業(yè)出版社
叢編項(xiàng)：	原創(chuàng)精品系列
標(biāo)　簽：	電信通信

購(gòu)買這本書可以去

當(dāng)當(dāng)網(wǎng) (￥36.70)

ISBN：	9787111232414	出版時(shí)間：	2008-03-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	342	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本書主要討論數(shù)據(jù)挖掘技術(shù)的基本原理與應(yīng)用，可以解決企業(yè)運(yùn)營(yíng)中遇到的各種問(wèn)題，并介紹了SQL Server 2005 處理這些問(wèn)題的方法。內(nèi)容主要包括數(shù)據(jù)倉(cāng)庫(kù)、數(shù)據(jù)挖掘中的主要方法、SQL Server 2005 中的商業(yè)智能與數(shù)據(jù)挖掘功能、決策樹模型、聚類分析、神經(jīng)網(wǎng)絡(luò)模型和時(shí)間序列模型等，并配有相關(guān)的范例分析與實(shí)例練習(xí)。本書內(nèi)容翔實(shí)，示例豐富，結(jié)構(gòu)合理，可作為各類開(kāi)發(fā)人員及企業(yè)管理人員的參考用書。

作者簡(jiǎn)介

　　謝邦昌，臺(tái)灣大學(xué)生物統(tǒng)計(jì)學(xué)博士?，F(xiàn)任中華資料采礦協(xié)會(huì)（Chung-hua Data Mining Society，CDMS）理事長(zhǎng)，輔仁大學(xué)統(tǒng)計(jì)資訊學(xué)系教授，華通人商用信息有限公司高級(jí)顧問(wèn)。中國(guó)人民大學(xué)應(yīng)用統(tǒng)計(jì)科學(xué)研究中心學(xué)術(shù)委員會(huì)委員。中國(guó)人民大學(xué)統(tǒng)計(jì)學(xué)系Data Minin9中心客座教授，上海財(cái)經(jīng)大學(xué)統(tǒng)計(jì)學(xué)系客座教授。廈門大學(xué)計(jì)劃統(tǒng)計(jì)學(xué)系客座教授。西南財(cái)經(jīng)大學(xué)客座教授。他是數(shù)據(jù)挖掘界領(lǐng)軍人物及世界知名統(tǒng)計(jì)學(xué)家。發(fā)表過(guò)近三百篇關(guān)于統(tǒng)計(jì)和數(shù)據(jù)挖掘的論文。出版了近五十余本相關(guān)專著。

圖書目錄

推薦序
序
第1章緒論
　1.1 商業(yè)智能
　1.2 數(shù)據(jù)挖掘
第2章數(shù)據(jù)倉(cāng)庫(kù)
　2.1 數(shù)據(jù)倉(cāng)庫(kù)定義
　2.2 數(shù)據(jù)倉(cāng)庫(kù)特點(diǎn)
　2.3 數(shù)據(jù)倉(cāng)庫(kù)架構(gòu)
　2.4 建立數(shù)據(jù)倉(cāng)庫(kù)的原因和目的
　2.5 數(shù)據(jù)倉(cāng)庫(kù)的應(yīng)用
　2.6 數(shù)據(jù)倉(cāng)庫(kù)的管理
第3章數(shù)據(jù)挖掘簡(jiǎn)介
　3.1 數(shù)據(jù)挖掘的定義
　3.2 數(shù)據(jù)挖掘的重要性
　3.3 數(shù)據(jù)挖掘的功能
　3.4 數(shù)據(jù)挖掘的步驟
　3.5 數(shù)據(jù)挖掘建模的標(biāo)準(zhǔn)CRISP-DM
　3.6 數(shù)據(jù)挖掘軟件分類
　3.7 各數(shù)據(jù)挖掘軟件的分析方法簡(jiǎn)介
第4章數(shù)據(jù)挖掘中的主要方法
　4.1 回歸分析
　4.2 關(guān)聯(lián)規(guī)則
　4.3 聚類分析
　4.4 判別分析
　4.5 神經(jīng)網(wǎng)絡(luò)分析
　4.6 決策樹分析
　4.7 其他分析方法
第5章數(shù)據(jù)挖掘與相關(guān)領(lǐng)域的關(guān)系
　5.1 數(shù)據(jù)挖掘與統(tǒng)計(jì)分析的不同
　5.2 數(shù)據(jù)挖掘與數(shù)據(jù)倉(cāng)庫(kù)的關(guān)系
　5.3 KDD與數(shù)據(jù)挖掘的關(guān)系
　5.4 OLAP與數(shù)據(jù)挖掘的關(guān)系
　5.5 數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)的關(guān)系
　5.6 Web數(shù)據(jù)挖掘和數(shù)據(jù)挖掘有什么不同
第6章 SQL Server 2005中的商業(yè)智能
　6.1 SQL Server 2005入門
　6.2 關(guān)聯(lián)型數(shù)據(jù)庫(kù)
　6.3 Analysis Services
第7章 SQL Server 2005中的數(shù)據(jù)挖掘功能
　7.1 創(chuàng)建商業(yè)智能應(yīng)用程序
　7.2 SQL Server 2005數(shù)據(jù)挖掘功能的優(yōu)勢(shì)
　7.3 SQL Server 2005數(shù)據(jù)挖掘算法
　7.4 可擴(kuò)展性
　7.5 SQL Server 2005數(shù)據(jù)挖掘功能與商業(yè)智能集成
　7.6 使用數(shù)據(jù)挖掘可以解決的問(wèn)題
第8章 SQL Server 2005的分析服務(wù)
　8.1 建立數(shù)據(jù)源與數(shù)據(jù)源視圖
　8.2 創(chuàng)建維度和多維數(shù)據(jù)集
　8.3 構(gòu)建和部署
　8.4 從模板創(chuàng)建可自定義的數(shù)據(jù)庫(kù)
　8.5 統(tǒng)一維度模型
　8.6 基于屬性的維度
　8.7 維度類型
　8.8 量度組和透視
　8.9 計(jì)算和分析
　8.10 MDX腳本
　8.11 存儲(chǔ)過(guò)程
　8.12 關(guān)鍵績(jī)效指標(biāo)
　8.13 實(shí)時(shí)商業(yè)智能
第9章 SQL Server 2005的報(bào)表服務(wù)
第10章決策樹模型
第11章貝葉斯分類
第12章關(guān)聯(lián)規(guī)則
第13章聚類分析
第14章時(shí)序聚類分析
第15章線性回歸模型
第16章 Logistic回歸模型
第17章神經(jīng)網(wǎng)絡(luò)模型
第18章時(shí)間序列模型
第19章 SQL Server 2005整合服務(wù)
第20章文本挖掘模型
第21章 SQL Server 2005的DMX語(yǔ)言
第22章實(shí)際案例：聚類分析模型應(yīng)用
第23章實(shí)際案例：時(shí)間序列模型應(yīng)用