第1章數(shù)據(jù)挖掘概述1
1.1數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)挖掘定義與解釋1
1.1.1數(shù)據(jù)倉(cāng)庫(kù)的定義與解釋1
1.1.2數(shù)據(jù)挖掘的定義與解釋1
1.2數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)的相關(guān)技術(shù)3
1.2.1數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)相關(guān)技術(shù)之間的關(guān)系3
1.2.2數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)模式7
1.3數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)中多維數(shù)據(jù)組織的形式化定義與描述9
1.4數(shù)據(jù)挖掘方法與研究體系16
1.4.1數(shù)據(jù)挖掘系統(tǒng)的發(fā)展與結(jié)構(gòu)16
1.4.2數(shù)據(jù)挖掘的相關(guān)技術(shù)與工具17
1.4.3數(shù)據(jù)挖掘應(yīng)用及發(fā)展24
1.5商務(wù)智能系統(tǒng)定義與構(gòu)成26
1.6小結(jié)28
思考題28
第2章數(shù)據(jù)采集、集成與預(yù)處理技術(shù)29
2.1數(shù)據(jù)采集的對(duì)象29
2.2數(shù)據(jù)集成技術(shù)與方法32
2.2.13G與MIS的集成模式33
2.2.2異構(gòu)數(shù)據(jù)集成的設(shè)計(jì)與實(shí)現(xiàn)35
2.3數(shù)據(jù)預(yù)處理技術(shù)與方法36
2.3.1數(shù)據(jù)清理的方法36
2.3.2數(shù)據(jù)融合的方法37
2.3.3數(shù)據(jù)變換的方法38
2.3.4數(shù)據(jù)歸約的方法39
2.4基于樣本數(shù)據(jù)劃分的通用數(shù)據(jù)挖掘模型系統(tǒng)40
2.5中間件技術(shù)41
2.5.1中間件技術(shù)的定義與作用41
2.5.2中間件技術(shù)在數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)中數(shù)據(jù)采集的應(yīng)用45
2.6小結(jié)57
思考題57
第3章多維數(shù)據(jù)分析與組織58
3.1多維數(shù)據(jù)分析概述58
3.1.1聯(lián)機(jī)分析處理的定義和特點(diǎn)58
3.1.2聯(lián)機(jī)分析處理的評(píng)價(jià)準(zhǔn)則59
3.1.3多維數(shù)據(jù)分析的主要概念60
3.2多維數(shù)據(jù)模型與結(jié)構(gòu)61
3.2.1多維數(shù)據(jù)的概念模型61
3.2.2多維數(shù)據(jù)的邏輯模型63
3.2.3多維數(shù)據(jù)的物理模型65
3.3多維數(shù)據(jù)分析應(yīng)用與工具68
3.3.1多維數(shù)據(jù)分析的基本操作68
3.3.2多維數(shù)據(jù)分析的工具及特點(diǎn)69
3.4從聯(lián)機(jī)分析處理到聯(lián)機(jī)分析挖掘71
3.4.1聯(lián)機(jī)分析挖掘形成原因71
3.4.2聯(lián)機(jī)分析挖掘概念及特征71
3.5小結(jié)73
思考題73
第4章預(yù)測(cè)模型研究與應(yīng)用74
4.1預(yù)測(cè)模型的基礎(chǔ)理論74
4.1.1預(yù)測(cè)方法的分類(lèi)74
4.1.2預(yù)測(cè)方法的一般步驟74
4.2回歸分析預(yù)測(cè)模型75
4.2.1一元線性回歸預(yù)測(cè)模型75
4.2.2多元線性回歸預(yù)測(cè)模型79
4.2.3非線性回歸預(yù)測(cè)模型85
4.3趨勢(shì)外推預(yù)測(cè)模型88
4.3.1佩爾預(yù)測(cè)模型88
4.3.2龔珀茲預(yù)測(cè)模型91
4.3.3林德諾預(yù)測(cè)模型94
4.4時(shí)間序列預(yù)測(cè)模型97
4.4.1移動(dòng)平均預(yù)測(cè)模型97
4.4.2指數(shù)平滑預(yù)測(cè)模型98
4.4.3季節(jié)指數(shù)預(yù)測(cè)模型104
4.5基于神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)模型107
4.6馬爾可夫預(yù)測(cè)模型118
4.7小結(jié)121
思考題121
第5章關(guān)聯(lián)規(guī)則模型及應(yīng)用123
5.1關(guān)聯(lián)規(guī)則的基礎(chǔ)理論123
5.1.1關(guān)聯(lián)規(guī)則的定義與解釋123
5.1.2關(guān)聯(lián)規(guī)則在知識(shí)管理過(guò)程中的作用123
5.2Apriori關(guān)聯(lián)規(guī)則算法125
5.2.1關(guān)聯(lián)規(guī)則算法的相關(guān)概念125
5.2.2關(guān)聯(lián)規(guī)則算法的流程126
5.2.3基于Apriori算法的關(guān)聯(lián)規(guī)則算例127
5.3改進(jìn)的Apriori關(guān)聯(lián)規(guī)則方法128
5.3.1動(dòng)態(tài)存儲(chǔ)空間的構(gòu)建128
5.3.2快速產(chǎn)生強(qiáng)項(xiàng)集的算法流程129
5.3.3改進(jìn)算法的時(shí)間復(fù)雜性分析130
5.4Apriori關(guān)聯(lián)規(guī)則方法的實(shí)例131
5.5小結(jié)138
思考題138
第6章聚類(lèi)分析方法與應(yīng)用139
6.1聚類(lèi)分析的基礎(chǔ)理論139
6.1.1聚類(lèi)分析的定義139
6.1.2對(duì)聚類(lèi)算法性能的要求139
6.2聚類(lèi)分析的方法140
6.2.1基于劃分的聚類(lèi)方法140
6.2.2基于層次的聚類(lèi)方法141
6.2.3基于密度的聚類(lèi)方法142
6.2.4基于網(wǎng)格的聚類(lèi)方法143
6.2.5基于模型的聚類(lèi)方法143
6.3應(yīng)用聚類(lèi)分析方法145
6.3.1k�瞞eans聚類(lèi)方法145
6.3.2k�瞞edoids聚類(lèi)方法146
6.3.3AGNES聚類(lèi)方法149
6.3.4DIANA聚類(lèi)方法150
6.3.5DBSCAN聚類(lèi)方法152
6.4小結(jié)154
思考題154
第7章粗糙集方法與應(yīng)用155
7.1粗糙集理論背景介紹155
7.1.1粗糙集的含義155
7.1.2粗糙集的應(yīng)用及與其他領(lǐng)域的結(jié)合155
7.2粗糙集基本理論158
7.2.1知識(shí)與不可分辨關(guān)系158
7.2.2不精確范疇、近似與粗糙集159
7.2.3粗糙集的精度和粗糙度160
7.2.4粗糙集的粗等價(jià)和粗包含161
7.3基于粗糙集的屬性約簡(jiǎn)161
7.3.1知識(shí)的約簡(jiǎn)和核162
7.3.2知識(shí)的依賴性度量和屬性的重要度164
7.4基于粗糙集的決策知識(shí)表示165
7.4.1基于粗糙集的決策知識(shí)表示方法165
7.4.2粗糙集在規(guī)則提取中的應(yīng)用算例167
7.5小結(jié)168
思考題168
第8章遺傳算法與應(yīng)用169
8.1遺傳算法基礎(chǔ)理論169
8.1.1遺傳算法概述169
8.1.2遺傳算法特點(diǎn)170
8.2遺傳算法的應(yīng)用領(lǐng)域和研究方向170
8.2.1遺傳算法的應(yīng)用領(lǐng)域170
8.2.2遺傳算法的研究方向173
8.3遺傳算法的基礎(chǔ)知識(shí)174
8.3.1遺傳算法的相關(guān)概念174
8.3.2遺傳算法的編碼規(guī)則174
8.3.3遺傳算法的主要算子176
8.3.4遺傳算法的適應(yīng)度函數(shù)180
8.4遺傳算法計(jì)算過(guò)程和應(yīng)用181
8.4.1遺傳算法計(jì)算過(guò)程181
8.4.2遺傳算法參數(shù)選擇181
8.4.3遺傳算法實(shí)例應(yīng)用182
8.5小結(jié)186
思考題186
第9章基于模糊理論的模型與應(yīng)用187
9.1層次分析法187
9.1.1層次分析法的計(jì)算步驟187
9.1.2層次分析法應(yīng)用實(shí)例190
9.2模糊層次分析法192
9.2.1模糊層次分析法的步驟193
9.2.2模糊層次分析法應(yīng)用實(shí)例193
9.3模糊綜合評(píng)判法196
9.3.1模糊綜合評(píng)判法的原理與步驟196
9.3.2模糊綜合評(píng)判法應(yīng)用實(shí)例199
9.4模糊聚類(lèi)分析方法201
9.4.1模糊聚類(lèi)方法介紹201
9.4.2模糊聚類(lèi)算法應(yīng)用202
9.5小結(jié)203
思考題203
第10章灰色系統(tǒng)理論與方法204
10.1灰色系統(tǒng)的基礎(chǔ)理論204
10.1.1灰色系統(tǒng)理論介紹204
10.1.2灰色系統(tǒng)的特點(diǎn)205
10.1.3灰色系統(tǒng)建模與適用范圍205
10.2灰色預(yù)測(cè)模型207
10.2.1建立灰色預(yù)測(cè)模型208
10.2.2灰色預(yù)測(cè)模型實(shí)例209
10.3灰色聚類(lèi)分析211
10.3.1基于灰色關(guān)聯(lián)度的聚類(lèi)分析212
10.3.2基于灰色白化權(quán)函數(shù)的聚類(lèi)方法216
10.4灰色綜合評(píng)價(jià)法220
10.4.1多層次灰色綜合評(píng)價(jià)方法計(jì)算步驟220
10.4.2多層次灰色綜合評(píng)價(jià)方法應(yīng)用案例222
10.5小結(jié)226
思考題226
第11章基于數(shù)據(jù)挖掘的知識(shí)推理227
11.1知識(shí)推理的分類(lèi)227
11.1.1非單調(diào)推理227
11.1.2非確定性推理227
11.1.3基于規(guī)則的推理232
11.1.4基于案例的推理233
11.2基于數(shù)據(jù)挖掘方法的知識(shí)推理234
11.2.1基于決策樹(shù)的知識(shí)推理234
11.2.2基于關(guān)聯(lián)規(guī)則的知識(shí)推理239
11.2.3基于粗糙集的知識(shí)推理239
11.3小結(jié)240
思考題240
參考文獻(xiàn)241