第一篇 數據倉庫第1章 數據倉庫基礎 1.1 引言 1.1.1 演變過程 1.1.2 定義 1.2 體係結構 1.2.1 兩層的體係結構 1.2.2 三層的體係結構 1.3 組成 1.4 元數據 1.4.1 定義和分類 1.4.2 標準化 1.4.3 CWM 1.4.4 UML、MOF和XMI與CWM的關係 1.5 數據粒度 1.6 數據模型 1.7 ETL 1.7.1 主要流程 1.7.2 數據抽取 1.7.3 數據轉換 1.7.4 數據加載第2章 數據倉庫設計和實現 2.1 數據倉庫設計 2.1.1 設計方法 2.1.2 體係結構設計 2.1.3 數據模型設計 2.2 ETL設計 2.3 數據倉庫實現第3章 數據倉庫實例 3.1 實例一 3.1.1 選擇主題 3.1.2 邏輯模型設計 3.1.3 物理模型設計 3.1.4 ETL設計 3.2 實例二 3.2.1 總體結構設計 3.2.2 概念模型設計 3.2.3 邏輯模型設計 3.2.4 物理模型設計 3.2.5 數據清洗設計 3.2.6 ETL設計第4章 OLAP和OLAM 4.1 OLAP 4.2 OLAM 4.2.1 體係結構 4.2.2 特點 4.2.3 基於Web的OLAM 第二篇 數據挖掘第5章 數據挖掘基礎 5.1 概述 5.1.1 定義 5.1.2 功能 5.1.3 模型 5.1.4 展望 5.2 實現 5.3 工具 5.3.1 概述 5.3.2 比較第6章 聚類分析 6.1 硬聚類 6.1.1 算法種類 6.1.2 相似度計算 6.1.3 實現方法 6.1.4 主要算法 6.2 模糊聚類 6.2.1 概述 6.2.2 主要算法 6.3 評價第7章 分類和預測 7.1 神經網絡 7.2 決策樹 7.3 實現過程第8章 關聯分析 8.1 概述 8.2 Apriori 8.3 FP-Growth第9章 Web挖掘 9.1 概述 9.1.1 定義 9.1.2 自然語言理解 9.1.3 Web挖掘過程 9.2 Web文檔抽取和錶示 9.2.1 Web文檔抽取 9.2.2 Web文檔錶示 9.3 特徵提取 9.4 Web聚類 9.5 Web分類 9.5.1 樸素貝葉斯 9.5.2 其他方法 9.5.3 評價第10章 數據挖掘實例 10.1 TOM和eTOM 10.2 客戶細分 10.2.1 客戶生命周期 10.2.2 客戶價值 10.2.3 數據準備 10.2.4 分析過程 10.2.5 結果 10.3 重入網識彆 10.3.1 定義 10.3.2 數據準備 10.3.3 分析過程 10.3.4 結果 10.4 WAP日誌挖掘 10.4.1 定義 10.4.2 數據準備 10.4.3 分析過程 10.4.4 結果 第三篇 語義網和本體第11章 知識 11.1 概述 11.2 知識分類 11.3 知識錶示 11.3.1 知識錶示觀 11.3.2 知識錶示方法 11.4 知識管理 11.4.1 概述 11.4.2 知識管理與信息管理的關係 11.4.3 核心技術第12章 語義網和本體 12.1 語義網 12.1.1 概述 12.1.2 層次結構 12.1.3 元數據 12.1.4 核心技術 12.1.5 開發工具Jena 12.1.6 Web 3.0 12.2 本體 12.2.1 哲學本源 12.2.2 定義 12.2.3 建模 12.2.4 分類 12.2.5 構建方法 12.2.6 描述語言 12.2.7 實例參考文獻
· · · · · · (收起)