數(shù)據(jù)倉庫與數(shù)據(jù)挖掘技術(shù)

第1章 數(shù)據(jù)倉庫與數(shù)據(jù)挖掘概述
1.1　數(shù)據(jù)倉庫的產(chǎn)生與發(fā)展
1.1.1　數(shù)據(jù)倉庫的產(chǎn)生
1.1.2　數(shù)據(jù)倉庫的發(fā)展
1.1.3　數(shù)據(jù)倉庫的研究與開發(fā)現(xiàn)狀
1.1.4　數(shù)據(jù)倉庫的作用
1.2　數(shù)據(jù)倉庫的基本概念
1.2.1　數(shù)據(jù)倉庫的定義與基本特性
1.2.2　數(shù)據(jù)倉庫與數(shù)據(jù)庫的區(qū)別
1.2.3　數(shù)據(jù)倉庫數(shù)據(jù)的組織架構(gòu)
1.3　數(shù)據(jù)倉庫的體系結(jié)構(gòu)
1.3.1　虛擬的數(shù)據(jù)倉庫體系結(jié)構(gòu)
1.3.2　單獨的數(shù)據(jù)倉庫體系結(jié)構(gòu)
1.3.3　單獨的數(shù)據(jù)集市體系結(jié)構(gòu)
1.3.4　分布式數(shù)據(jù)倉庫結(jié)構(gòu)
1.4　數(shù)據(jù)倉庫的相關(guān)概念
1.4.1　數(shù)據(jù)源
1.4.2　數(shù)據(jù)的存儲層
1.4.3　olap服務(wù)器
1.4.4　前端工具
1.5　數(shù)據(jù)挖掘技術(shù)概述
1.5.1　數(shù)據(jù)挖掘技術(shù)產(chǎn)生的背景
1.5.2　數(shù)據(jù)挖掘的基本概念
1.5.3　數(shù)據(jù)挖掘的對象
1.5.4　數(shù)據(jù)挖掘功能
1.5.5　數(shù)據(jù)挖掘與傳統(tǒng)分析方法的區(qū)別
1.5.6　數(shù)據(jù)倉庫與數(shù)據(jù)挖掘的關(guān)系
1.5.7　數(shù)據(jù)挖掘的發(fā)展趨勢
1.6　數(shù)據(jù)挖掘過程
1.6.1　fayyad過程模型
1.6.2　crisp-dm過程模型
1.6.3　其他數(shù)據(jù)挖掘過程模型
1.7　常用的數(shù)據(jù)挖掘技術(shù)
1.8　小結(jié)
1.9　習(xí)題
第2章 數(shù)據(jù)倉庫開發(fā)模型
2.1　數(shù)據(jù)倉庫開發(fā)模型概述
2.2　數(shù)據(jù)倉庫的概念模型
2.2.1　企業(yè)模型的建立
2.2.2　規(guī)范的數(shù)據(jù)模型
2.2.3　常見的概念模型
2.3　數(shù)據(jù)倉庫的邏輯模型
2.3.1　事實表模型設(shè)計
2.3.2　維度表模型設(shè)計
2.4　數(shù)據(jù)倉庫的物理模型
2.4.1　物理模型的設(shè)計要點
2.4.2　數(shù)據(jù)倉庫物理模型的存儲結(jié)構(gòu)
2.4.3　數(shù)據(jù)倉庫物理模型的索引構(gòu)建
2.4.4　數(shù)據(jù)倉庫物理模型的優(yōu)化問題
2.5　數(shù)據(jù)倉庫的元數(shù)據(jù)模型
2.5.1　元數(shù)據(jù)的類型
2.5.2　元數(shù)據(jù)的作用
2.5.3　元數(shù)據(jù)的收集與維護(hù)
2.5.4　元數(shù)據(jù)的使用
2.5.5　元數(shù)據(jù)管理模型
2.6　數(shù)據(jù)倉庫的粒度和聚集模型
2.6.1　數(shù)據(jù)倉庫粒度模型
2.6.2　數(shù)據(jù)倉庫聚集模型與數(shù)據(jù)分割
2.7　小結(jié)
2.8　習(xí)題
第3章 etl技術(shù)
3.1　etl相關(guān)概念
3.1.1　數(shù)據(jù)理解
3.1.2　數(shù)據(jù)抽取
3.1.3　數(shù)據(jù)清洗
3.1.4　數(shù)據(jù)轉(zhuǎn)換
3.1.5　數(shù)據(jù)加載
3.2　etl過程建模
3.2.1　etl系統(tǒng)面臨的挑戰(zhàn)
3.2.2　etl過程描述
3.2.3　etl概念模型
3.2.4　etl邏輯模型
3.3　etl增量抽取機(jī)制
3.4　etl過程數(shù)據(jù)質(zhì)量控制
3.4.1　數(shù)據(jù)質(zhì)量問題分類
3.4.2　數(shù)據(jù)質(zhì)量控制技術(shù)
3.5　etl并行處理技術(shù)
3.6　小結(jié)
3.7　習(xí)題
第4章 olap技術(shù)
4.1　olap概述
4.1.1　olap的定義
4.1.2　數(shù)據(jù)倉庫與數(shù)據(jù)分析的關(guān)系
4.1.3　多維分析的基本概念
4.1.4　olap的多維數(shù)據(jù)分析
4.1.5　olap與oltp的比較
4.2　多維數(shù)據(jù)庫及其存儲
4.2.1　多維數(shù)據(jù)庫
4.2.2　多維數(shù)據(jù)庫的數(shù)據(jù)存儲
4.2.3　多維數(shù)據(jù)庫與數(shù)據(jù)倉庫
4.3　olap的類型
4.3.1　多維olap
4.3.2　關(guān)系olap
4.3.3　混合型olap
4.3.4　molap與rolap的比較
4.4　olap的體系結(jié)構(gòu)
4.5　olap中的索引技術(shù)
4.5.1　b-tree索引
4.5.2　位圖索引
4.5.3　位圖索引的擴(kuò)展--標(biāo)識符索引
4.5.4　索引性能比較
4.5.5　索引的選擇
4.6　olap的評價標(biāo)準(zhǔn)
4.6.1　olap的衡量標(biāo)準(zhǔn)
4.6.2　olap服務(wù)器和工具的評價標(biāo)準(zhǔn)
4.7　olap的前端展現(xiàn)
4.7.1　olap工具
4.7.2　olap結(jié)果的展現(xiàn)方法
4.8　小結(jié)
4.9　習(xí)題
第5章 商務(wù)智能系統(tǒng)
5.1　商務(wù)智能概述
5.1.1　商務(wù)智能的概念
5.1.2　商務(wù)智能的發(fā)展歷程
5.1.3　商務(wù)智能的商業(yè)效益
5.2　商務(wù)智能系統(tǒng)架構(gòu)
5.2.1　商務(wù)智能系統(tǒng)的核心技術(shù)
5.2.1　商務(wù)智能的體系結(jié)構(gòu)
5.3　商務(wù)智能系統(tǒng)的功能
5.4　商務(wù)智能系統(tǒng)的應(yīng)用
5.4.1　商務(wù)智能系統(tǒng)特點
5.4.2　我國商務(wù)智能系統(tǒng)應(yīng)用現(xiàn)狀分析
5.5　小結(jié)
5.6　習(xí)題
第6章 數(shù)據(jù)預(yù)處理技術(shù)
6.1　數(shù)據(jù)預(yù)處理概述
6.1.1　數(shù)據(jù)預(yù)處理的必要性
6.1.2　數(shù)據(jù)預(yù)處理的基本方法
6.1.3　數(shù)據(jù)預(yù)處理的研究現(xiàn)狀
6.2　數(shù)據(jù)清理
6.2.1　填充缺失值
6.2.2　光滑噪聲數(shù)據(jù)
6.2.3　數(shù)據(jù)清理過程
6.3　數(shù)據(jù)集成
6.4　數(shù)據(jù)變換
6.5　數(shù)據(jù)歸約
6.5.1　數(shù)據(jù)立方體聚集
6.5.2　屬性子集選擇
6.5.3　維度歸約
6.5.4　數(shù)值歸約
6.5.5　數(shù)據(jù)離散化與概念分層
6.6　小結(jié)
6.7　習(xí)題
第7章 數(shù)據(jù)挖掘技術(shù)
7.1　概念描述
7.1.1　概念描述的生成過程
7.1.2　概念分層與數(shù)據(jù)泛化
7.1.3　概念分層方法
7.1.4　數(shù)據(jù)泛化方法
7.1.5　泛化的表示
7.1.6　屬性相關(guān)分析
7.1.7　區(qū)別性描述
7.2　關(guān)聯(lián)規(guī)則
7.2.1　關(guān)聯(lián)規(guī)則相關(guān)概念
7.2.2　關(guān)聯(lián)規(guī)則挖掘步驟
7.2.3　關(guān)聯(lián)規(guī)則分類
7.2.4　關(guān)聯(lián)規(guī)則的算法
7.3　數(shù)據(jù)分類
7.3.1　數(shù)據(jù)分類的基本步驟與評價準(zhǔn)則
7.3.2　決策樹
7.3.3　貝葉斯分類
7.3.4　神經(jīng)網(wǎng)絡(luò)方法
7.3.5　近鄰分類方法
7.4　數(shù)據(jù)聚類
7.4.1　聚類分析概述
7.4.2　聚類算法的分類及其典型算法
7.4.3　聚類分析中的相似度度量方法
7.4.4　聚類分析中的聚類準(zhǔn)則函數(shù)
7.4.5　k-means聚類算法
7.5　遺傳算法
7.5.1　遺傳算法的基本術(shù)語
7.5.2　遺傳算法的執(zhí)行過程
7.5.3　遺傳算法應(yīng)用舉例
7.5.4　遺傳算法的基本要素
7.5.5　遺傳算法的特點及應(yīng)用領(lǐng)域
7.6　粗糙集
7.6.1　粗糙集理論的相關(guān)概念
7.6.2　粗糙集的應(yīng)用舉例
7.6.3　粗糙集理論研究的對象及特點
7.7　小結(jié)
7.8　習(xí)題
第8章 數(shù)據(jù)倉庫開發(fā)實例
8.1　sql server 2005所提供的數(shù)據(jù)倉庫功能
8.1.1　sql server 2005 integration services
8.1.2　sql server 2005 analysis services
8.1.3　sql server 2005 dw工具
8.2　福馬特商店銷售分析數(shù)據(jù)倉庫系統(tǒng)的分析與設(shè)計
8.3　數(shù)據(jù)倉庫的實現(xiàn)
8.3.1　sql server的數(shù)據(jù)倉庫創(chuàng)建
8.3.2　olap的實施
8.3.3　數(shù)據(jù)倉庫中的數(shù)據(jù)挖掘
8.4　數(shù)據(jù)倉庫的應(yīng)用與管理
8.4.1　數(shù)據(jù)倉庫的用戶
8.4.2　數(shù)據(jù)倉庫應(yīng)用案例
8.4.3　數(shù)據(jù)倉庫的運行技術(shù)管理
8.4.4　數(shù)據(jù)倉庫應(yīng)用中的法律問題
8.4.5　數(shù)據(jù)倉庫的成本與效益分析
8.5　小結(jié)
8.6　習(xí)題
第9章 報表設(shè)計
9.1　報表概述
9.1.1　報表結(jié)構(gòu)
9.1.2　傳遞報表
9.1.3　report server功能結(jié)構(gòu)
9.1.4　report services的組成部分
9.2　報表向?qū)е谱鲌蟊?br />9.2.1　向?qū)е谱鲌蟊?br />9.2.2　報表設(shè)計器
9.2.3　部署報表
9.3　編輯制作報表
9.3.1　新建報表項目
9.3.2　新建數(shù)據(jù)集
9.3.3　報表格式設(shè)計
9.3.4　分組
9.3.5　鉆取功能
9.3.6　文檔結(jié)構(gòu)圖
9.4　矩陣式報表
9.4.1　數(shù)據(jù)集建立
9.4.2　矩陣布局
9.4.3　矩形布局
9.4.4　折疊結(jié)構(gòu)
9.5　統(tǒng)計圖表
9.5.1　圖表元素
9.5.2　柱形圖
9.5.3　折線圖
9.5.4　餅圖
9.5.5　圓環(huán)圖
9.6　主體的多列
9.7　小結(jié)
9.8　實驗
參考文獻(xiàn)