内容摘要
第1章 数据挖掘简介
1. l 什么是数据挖掘
1. 2 新世纪的统计科学
1. 3 数据挖掘是掌握商机的命脉
1. 4 点式行销
1. 5 门户同站的信息挖掘法
1. 6 尿布与啤酒
1. 7 千禧年新问题：不缺信息缺知识
1. 8 为客户量身定做
1. 9 数据挖掘的数字物理学
第2章 数据仓库简介
2. l 配备数据仓库的产业优势
2. 2 数据仓库系统
2. 3 数据仓库的应用
2. 4 数据仓库的定义
2. 5 数据仓库的类型
2. 6 数据筛选. 过滤和转换工具简介
2. 6. 1 ECT处理过程
2. 6. 2 数据筛选. 过滤和转换的工具类型
2. 6. 3 3种工具类型的实例分析
2. 7 传统数据库与数据仓库的比较
2. 8 多维数据仓库中度量的建模
2. 9 数据仓库的决策支持工具
2. 9. l 前言
2. 9. 2 数据仓库与决策支持系统
2. 9. 3 决策支持工具分析比较
2. 10 数据仓库的多维数据模型
2. 11 数据仓库的执行策略
2. 11. l 数据市集
2. 11. 2 元数据
2. 11. 3 数据仓库的执行策略
2. 11. 4 数据仓库系统的结构
2. 11. 5 结束语
2. 12 企业财务管理辅助决策
2. 12. l 引言
2. 12. 2 系统设计
2. 12. 3 系统执行
2. 13 数据仓库环境下面向知识的智能型查询
2. 13. l 引言
2. 13. 2 KBIQ方法简介
2. 13. 3 类自然语言NQL
2. 13. 4 领域模糊知识库及KBDL语言
2. 13. 5 KBIQ的特点及其执行方式
2. 14 数据仓库技术研究和应用
2. 14. l 数据仓库概述
2. 14. 2 数据仓库中的联机分析处理
2. 14. 3 数据挖掘
2. 14. 4 电力系统数据仓库建议方案
2. 15 数据仓库结构说明
2. 16 专业顾问对于企业创建数据仓库的重要性
2. 17 面向数据仓库的GISOLAP及其应用
2. 17. l 引言
2. 17. 2 数据仓库的OLAP技术
2. 17. 3 GIS与GIS的组件化
2. 17. 4 GISOLAP
2. 17. 5 GISOLAP在PSGIS中的应用
2. 17. 6 结论和意义
2. 18 OLAP系统对面向查询结构的用户浏览
2. 18. 1 引言
2. 18. 2 多维数据模型
2. 18. 3 OLAP系统用户查询的结构
2. 18. 4 OLAP系统用户浏览
2. 18. 5 结束语
2. 19 数据仓库的未来
第3章 数据挖掘方法论
3. 1 数据挖掘的基本方法及其与专家系统的差异
3. 1. 1 数据挖掘的任务
3. 1. 2 数据挖掘方法
3. 1. 3 关联规则挖掘举例
3. 1. 4 分类规则挖掘举例
3. 1. 5 数据挖掘与专家系统的区别
3. 2 知识发现
3. 2. l 数据库知识发现系统及领域知识在其中的功能
3. 2. 2 KDD中规划提取的收敛网络方法及其应用
3. 2. 3 农业专家系统中知识发现的遗传算法
3. 3 关联规则
3. 3. l 兴趣度--关联规则的又一个门限值
3. 3. 2 数据库中加权关联规则的发现
3. 3. 3 挖掘所关注规则的多策略方法
3. 4 粗糙集
3. 4. 1 通过粗糙集理论的知识发现
3. 4. 2 一种面向粗糙集的属性化简及其规则筛选方法
3. 4. 3 一种面向粗糙集的数据过滤方法
3. 4. 4 一种面向粗糙集的默认规则挖掘算法
3. 4. 5 RSL：面向粗糙集的表示语言
3. 4. 6 面向粗糙集的"数据浓缩"
3. 4. 7 粗糙集算子的决策规则及数据挖掘中的软计算
3. 5 运用数据挖掘方法来构造客户的轮廓
第4章 数据挖掘核心技术
4. 1 群集分析
4. 1. 1 PCCS部分群集分类：一种快速的Web文件群集方法
4. 1. 2 IR领域的文件群集研究
4. 1. 3 PCCS部分群集分类法
4. 1. 4 算法性能
4. 1. 5 结论
4. 2 遗传算法
4. 2. l 遗传程序设计方法综述
4. 2. 2 理论. 技术和应用
4. 2. 3 结束语
第5章 联机信息分析处理
5. 1 数据仓库前端用户接日的概念说明 OLAP/Doata Mining
5. 1. l 联机分析处理
5. 1. 2 数据挖掘
5. 2 可视化数据挖掘技术及其应用
5. 2. l 引言
5. 2. 2 方案设计
5. 2. 3 软件执行及应用
5. 2. 4 结束语
5. 3 时间序列数据块的储存与聚集计算
5. 3. l 时序数据挖掘的意义及难点
5. 3. 2 多维空间位置向量与一维串行互换
5. 3. 3 数据块的储存方案
5. 3. 4 聚集计算
5. 3. 5 测试
5. 4 OLAP研究及其在现代企业中的应用
5. 4. l 引言
5. 4. 2 从OLTP 到 OLAP
5. 4. 3 OLAP在现代企业中的应用
5. 4. 4 结束语
5. 5 一种面向企业资源规划的OLAP的执行方法
5. 5. l 引言
5. 5. 2 MOLAP ADT的储存结构
5. 5. 3 MOLAP ADT多维查询的执行算法
5. 5. 4 结束语
第6章 DM与 CRM工具软件
6. 1 ERM
6. 1. 1 什么是ERM
6. l. 2 为什么要引入ERM
6. l. 3 ERM给予企业什么回报
6. 2 哪些企业需要CRM
6. 3 企业综合与转型：IBM WebSphere产品系列
6. 3. 1 WebSphere解决方案介绍
6. 3. 2 发掘信息宝藏：IBM DB2信息管理产品系列
6. 3. 3 DB2信息管理解决方案产品介绍
6. 4 数据仓库与挖掘系统DBMiner的成功与不足
6. 4. 1 DBMiner的安装
6. 4. 2 建立数据仓库和多维数据库
6. 4. 3 数据仓库可视化浏览和查询
6. 4. 4 挖掘各种类型的知识
6. 4. 5 数据挖掘语言
6. 4. 6 DBMiner的成功之处与特色
6. 4. 7 DBMiner目前版本的不足
6. 5 多策略通用数据挖掘工具MS Miner
6. 5. l 引言
6. 5. 2 数据仓库
6. 5. 3 综合工具
6. 5. 4 元数据
6. 5. 5 结束语
6. 6 NBA球场决策利器：IBM数据挖掘软件
6. 7 企业建立客服中心及CRM软件
第7章 21世纪的数据挖掘
7. l 联机文本挖掘
7. 2 电子商务与网络数据挖掘
7. 2. 1 引言
7. 2. 2 电子商务中进行Web数据挖掘的数据来源
7. 2. 3 电子商务中应用的数据挖掘技术
7. 2. 4 在电子商务活动中的几点应用
7. 2. 5 结论
7. 3 WWW上的信息挖掘技术及执行
7. 3. 1 WWW上的信息挖掘
7. 3. 2 实例系统的设计与执行
7. 3. 3 结束语
7. 4 如何精选挖掘文字的技巧
7. 4. l 挖掘非结构性数据
7. 4. 2 群集技术
7. 4. 3 目录分类
7. 4. 4 数据检索
7. 4. 5 电子邮件的应用
7. 4. 6 文字挖掘的全球使用
7. 5 网络文本挖掘技术
7. 5. 1 引言
7. 5. 2 Web挖掘与Web信息检索
7. 5. 3 Web挖掘的任务
7. 5. 4 Web文本挖掘方法
7. 5. 5 Web文本挖掘系统原型WebMiner
7. 5. 6 结束语
7. 6 网络挖掘
7. 6. 1 引言
7. 6. 2 Web挖掘的分类
7. 6. 3 Web结构挖掘
7. 6. 4 Web使用记录的挖掘
7. 6. 5 多层次Web数据仓库的建立与操作：MLDB与 WEBML
7. 6. 6 结束语
7. 7 数据挖掘技术在网络上的应用及其工具设计
7. 7. l 数据挖掘技术介绍
7. 7. 2 Wed上的数据挖掘
7. 7. 3 Web上的数据挖掘的执行和工具
7. 7. 4 结论
7. 8 网络日志序列模式挖掘
7. 8. l 引言
7. 8. 2 项目背景及相关工作
7. 8. 3 疑难及解决方案
7. 8. 4 SPMiner的设计
7. 8. 5 结论
7. 9 路径群集：在网站中的知识发现
7. 9. l 引言
7. 9. 2 识别客户查找业务
7. 9. 3 实验
7. 9. 4 结论和将来的工作
7. 10 走向全球化的"商业智能"
7. 11 数据挖掘九大注意事项
附录 专有名词对照表
鄂公网安备 42010302001612号 