简介
数据仓库与数据挖掘是决策支持的两项重要技术,它们共同的特点是都需要利用大量的数据资源,并从数据资源中提取信息和知识。由于数据资源丰富,因此数据仓库与数据挖掘的决策支持效果显著。本书系统介绍数据仓库原理,联机分析处理,数据仓库设计与开发,数据仓库的决策支持,数据挖掘原理,基于信息论的决策树方法,基于集合论的粗糙集方法、K-均值聚类、关联规则挖掘,仿生物技术的神经网络,遗传算法,公式发现,知识挖掘,文本挖掘与Web挖掘。本书从数据仓库的兴起来说明决策支持的特点,从数据挖掘的理论基础来说明数据挖掘的方法,并通过实例来详细讲解。希望读者在学习之后,亲自在计算机上去实践,这样才能更有效地掌握数据挖掘的方法。
编辑推荐
特色:1.从数据库到数据仓库、从数据字典到元数据来说明数据仓库的兴起。2.从联机事务处理(OLTP)到联机分析处理(OLAP)、多维数据的显示来说明多维数据的兴起。3.通过实例来说明多维数据分析的应用与数据立方体新技术。4.突出数据仓库的决策支持和基于数据仓库的决策支持系统。5.从数据挖掘的理论基础来说明数据挖掘的方法:决策树方法的信息论原理、粗糙集方法和关联规则挖掘方法的集合论原理。6.神经网络的介绍从简单到复杂;最早的感知机到反向传播网络BP,再到径向基函数网络。通过神经网络几何意义的介绍,说明神经网络的分类效果。7.变换规则的知识挖掘是在数据挖掘的基础上,增加规则前提的变换和结论的变换,获取变换规则知识。变换规则知识是适应变化环境的新知识,是一般规则知识的发展。8.软件进化规律的知识挖掘,系统地总结了软件进化过程和进化的规律,帮助读者提高软件开发能力。
更多出版物信息
- 版权: 清华大学出版社
- 出版: 2011-11-01
- 更新: 2023-06-07
- 书号:9787302259138
- 中图:TP311.13-43;TP274
- 学科:工学控制科学与工程工学计算机科学与技术