书籍详情
数据仓库原理与应用
作者：张维明主编；邓苏等编著
出版社：电子工业出版社
出版时间：2002-03-01
ISBN：9787505368941
定价：¥30.00
购买这本书可以去
内容简介
本书主要介绍数据仓库的概念、基本原理、规划、开发方法以及相关算法。全书共分8章， 包括数据仓库的发展、技术体系、元数据管理、分析设计方法和开发工具，并对数据挖掘的 理论和方法，联机分析等应用技术作了深入的阐述，是一本理论与实践相结合的教材。本书适合作为本科生高年级教材和研究生教材，也适合于从事信息系统开发的工程技术人员 使用。
作者简介
暂缺《数据仓库原理与应用》作者简介
目录
第1章 概述
1. 1 数据库与决策支持技术的发展
1. 1. 1 数据库技术的发展
1. 1. 2 决策支持技术的发展
1. 2 数据仓库技术的发展
1. 2. 1 数据仓库概念的提出
1. 2. 2 数据仓库的发展
1. 2. 3 数据仓库技术的兴起
1. 2. 4 数据仓库的动态
1. 3 数据挖掘技术的发展
1. 3. 1 数据挖掘研究和应用面临的挑战
1. 3. 2 数据仓库与数据挖掘的关系
1. 4 数据仓库未来发展方向
第2章 数据仓库原理
2. 1 数据仓库的概念
2. 1. 1 数据仓库的定义
2. 1. 2 数据仓库的特征
2. 1. 3 数据集市
2. 2 数据仓库的技术要求
2. 3 数据仓库的结构
2. 3. 1 数据仓库的自项向下结构
2. 3. 2 数据仓库的自底向上结构
2. 3. 3 企业级数据集市结构
2. 3. 4 数据存储／数据集市结构
2. 3. 5 分布式数据仓库／数据集市结构
2. 3. 6 分布式知识管理结构
2. 3. 7 数据仓库系统的结构
2. 3. 8 数据仓库的数据组织
2. 4 元数据
2. 4. 1 元数据的由来
2. 4. 2 元数据的定义
2. 4. 3 元数据的主要作用
2. 4. 4 元数据的分类
2. 4. 5 元数据的标准化
2. 4. 6 OIM简介
第3章 数据仓库的设计
3. 1 数据仓库的方法论
3. 2 数据仓库规划
3. 3 数据仓库体系结构
3. 4 数据仓库的技术体系结构
3. 5 数据仓库的数据组织
3. 5. 1 维表和事实表构成的关系型数据仓库
3. 5. 2 多维数据库数据组织
3. 5. 3 两种数据组织的等价性
3. 5. 4 虚拟数据仓库
3. 6 数据仓库的粒度
3. 6. 1 粒度确定
3. 6. 2 粒度划分示例
3. 7 数据仓库开发
3. 7. 1 定义体系结构
3. 7. 2 决策者的需求
3. 7. 3 主题区分析
3. 7. 4 源系统分析
3. 7. 5 变换设计
3. 7. 6 物理数据库设计
3. 7. 7 最终用户访问方法的设计. 定义和开发
3. 7. 8 数据仓库开发
3. 7. 9 数据仓库填充和实施
3. 7. 10 数据仓库的开发流程
3. 8 数据仓库解决方案
3. 8. 1 Sybase提供的数据仓库解决方案
3. 8. 2 SAS提供的数据仓库解决方案
3. 8. 3 Platinum提供的数据仓库解决方案
3. 8. 4 其他解决方案
第4章 数据仓库管理技术
4. 1 数据仓库管理的基本问题
4. 2 数据仓库中的多维建模技术
4. 2. 1 多维模型的两种结构
4. 2. 2 多维建模在决策支持系统中的应用
4. 2. 3 多维建模面临的挑战
4. 3 休眠数据管理
4. 3. 1 问题的提出
4. 3. 2 休眠数据对数据仓库的影响
4. 3. 3 解决方案
4. 4 元数据的管理
4. 4. 1 早期的数据管理：从内部管理到数据字典
4. 4. 2 企业级中心知识库的管理方法
4. 4. 3 传统的元数据管理方法
4. 4. 4 元数据的数据仓库管理功能
4. 4. 5 数据仓库研究项目和元数据管理介绍
4. 4. 6 评估元数据的价值
4. 4. 7 管理元数据
4. 5 数据仓库管理工具
第5章 联机分析处理
5. 1 概述
5. 1. 1 OLAP的出现
5. 1. 2 OLAP的定义
5. 1. 3 OLAP的结构
5. 1. 4 OLAP的一些基本概念
5. 1. 5 OLAP的基本分析操作
5. 1. 6 OLAP与OLTP的比较
5. 2 多维OLAP与关系OLAP
5. 2. 1 多维数据存储与关系数据存储
5. 2. 2 OLAP服务器
5. 2. 3 MOLAP
5. 2. 4 ROLAP
5. 3 OLAP技术分析
5. 3. 1 结构分析
5. 3. 2 数据存储和管理
5. 3. 3 数据存取
5. 3. 4 多维模型的实现技术
5. 3. 5 OLAP的12条准则
5. 3. 6 OLAP服务器和工具的评价
5. 4 实用OLAP技术简介
5. 4. 1 Oracle OLAP工具
5. 4. 2 Oracle Express Server技术特色
5. 4. 3 Informix OLAP工具
第6章 数据挖掘技术
6. 1 数据挖掘概念. 方法与任务
6. 1. 1 基本概念
6. 1. 2 数据挖掘的任务与分类
6. 1. 3 数据挖掘的方法和技术
6. 1. 4 数据挖掘的现状与应用
6. 2 关联规则的发现
6. 2. 1 关联规则简介
6. 2. 2 关联规则的基本概念
6. 2. 3 关联规则发现的经典算法
6. 2. 4 基于聚类的周期关联规则发现算法CCAR
6. 2. 5 关联规则价值衡量的方法
6. 3 公式发现
6. 3. 1 现状
6. 3. 2 问题描述
6. 3. 3 BACON系统
6. 3. 4 FDD系统
6. 3. 5 Explore系统
6. 4 数据聚类
6. 4. 1 聚类的概念
6. 4. 2 SAS的聚类算法
6. 4. 3 基于遗传等法的聚类方法
6. 4. 4 基于随机搜索的聚类算法
6. 4. 5 聚类算法BIRCH
第7章 数据挖掘算法
7. 1 数据挖掘的集合论方法
7. 1. 1 粗集方法
7. 1. 2 概念树方法
7. 1. 3 覆盖正例排斥反例方法
7. 2 数据挖掘中的决策树方法
7. 2. 1 基本原理
7. 2. 2 ID3决策树方法
7. 2. 3 IBLE决策规则树方法
7. 2. 4 决策树方法的优点和发展
7. 3 数据挖掘中的遗传算法
7. 3. 1 遗传算法的形成和发展
7. 3. 2 遗传算法的基本原理
7. 3. 3 遗传算法的研究方向
7. 3. 4 基于遗传算法的分类系统
7. 3. 5 基于混合数据的遗传分类算法
7. 4 数据挖掘的神经网络方法
7. 4. 1 神经网络的理论基础
7. 4. 2 几个常见神经网络
7. 4. 3 非线性神经网络的原理及其学习算法
第8章 数据仓库应用
8. 1 需求分析
8. 1. 1 环境分析
8. 1. 2 业务数据库结构分析
8. 1. 3 数据仓库应用系统的分析主题
8. 1. 4 数据仓库应用系统的具体要求
8. 2 数据仓库应用系统设计
8. 2. 1 数据仓库应用系统结构
8. 2. 2 数据模型设计
8. 3 数据转移
8. 3. 1 数据转移方案
8. 3. 2 数据装载
8. 4 创建多维数据集
8. 5 小结
参考文献
1. 1 数据库与决策支持技术的发展
1. 1. 1 数据库技术的发展
1. 1. 2 决策支持技术的发展
1. 2 数据仓库技术的发展
1. 2. 1 数据仓库概念的提出
1. 2. 2 数据仓库的发展
1. 2. 3 数据仓库技术的兴起
1. 2. 4 数据仓库的动态
1. 3 数据挖掘技术的发展
1. 3. 1 数据挖掘研究和应用面临的挑战
1. 3. 2 数据仓库与数据挖掘的关系
1. 4 数据仓库未来发展方向
第2章 数据仓库原理
2. 1 数据仓库的概念
2. 1. 1 数据仓库的定义
2. 1. 2 数据仓库的特征
2. 1. 3 数据集市
2. 2 数据仓库的技术要求
2. 3 数据仓库的结构
2. 3. 1 数据仓库的自项向下结构
2. 3. 2 数据仓库的自底向上结构
2. 3. 3 企业级数据集市结构
2. 3. 4 数据存储／数据集市结构
2. 3. 5 分布式数据仓库／数据集市结构
2. 3. 6 分布式知识管理结构
2. 3. 7 数据仓库系统的结构
2. 3. 8 数据仓库的数据组织
2. 4 元数据
2. 4. 1 元数据的由来
2. 4. 2 元数据的定义
2. 4. 3 元数据的主要作用
2. 4. 4 元数据的分类
2. 4. 5 元数据的标准化
2. 4. 6 OIM简介
第3章 数据仓库的设计
3. 1 数据仓库的方法论
3. 2 数据仓库规划
3. 3 数据仓库体系结构
3. 4 数据仓库的技术体系结构
3. 5 数据仓库的数据组织
3. 5. 1 维表和事实表构成的关系型数据仓库
3. 5. 2 多维数据库数据组织
3. 5. 3 两种数据组织的等价性
3. 5. 4 虚拟数据仓库
3. 6 数据仓库的粒度
3. 6. 1 粒度确定
3. 6. 2 粒度划分示例
3. 7 数据仓库开发
3. 7. 1 定义体系结构
3. 7. 2 决策者的需求
3. 7. 3 主题区分析
3. 7. 4 源系统分析
3. 7. 5 变换设计
3. 7. 6 物理数据库设计
3. 7. 7 最终用户访问方法的设计. 定义和开发
3. 7. 8 数据仓库开发
3. 7. 9 数据仓库填充和实施
3. 7. 10 数据仓库的开发流程
3. 8 数据仓库解决方案
3. 8. 1 Sybase提供的数据仓库解决方案
3. 8. 2 SAS提供的数据仓库解决方案
3. 8. 3 Platinum提供的数据仓库解决方案
3. 8. 4 其他解决方案
第4章 数据仓库管理技术
4. 1 数据仓库管理的基本问题
4. 2 数据仓库中的多维建模技术
4. 2. 1 多维模型的两种结构
4. 2. 2 多维建模在决策支持系统中的应用
4. 2. 3 多维建模面临的挑战
4. 3 休眠数据管理
4. 3. 1 问题的提出
4. 3. 2 休眠数据对数据仓库的影响
4. 3. 3 解决方案
4. 4 元数据的管理
4. 4. 1 早期的数据管理：从内部管理到数据字典
4. 4. 2 企业级中心知识库的管理方法
4. 4. 3 传统的元数据管理方法
4. 4. 4 元数据的数据仓库管理功能
4. 4. 5 数据仓库研究项目和元数据管理介绍
4. 4. 6 评估元数据的价值
4. 4. 7 管理元数据
4. 5 数据仓库管理工具
第5章 联机分析处理
5. 1 概述
5. 1. 1 OLAP的出现
5. 1. 2 OLAP的定义
5. 1. 3 OLAP的结构
5. 1. 4 OLAP的一些基本概念
5. 1. 5 OLAP的基本分析操作
5. 1. 6 OLAP与OLTP的比较
5. 2 多维OLAP与关系OLAP
5. 2. 1 多维数据存储与关系数据存储
5. 2. 2 OLAP服务器
5. 2. 3 MOLAP
5. 2. 4 ROLAP
5. 3 OLAP技术分析
5. 3. 1 结构分析
5. 3. 2 数据存储和管理
5. 3. 3 数据存取
5. 3. 4 多维模型的实现技术
5. 3. 5 OLAP的12条准则
5. 3. 6 OLAP服务器和工具的评价
5. 4 实用OLAP技术简介
5. 4. 1 Oracle OLAP工具
5. 4. 2 Oracle Express Server技术特色
5. 4. 3 Informix OLAP工具
第6章 数据挖掘技术
6. 1 数据挖掘概念. 方法与任务
6. 1. 1 基本概念
6. 1. 2 数据挖掘的任务与分类
6. 1. 3 数据挖掘的方法和技术
6. 1. 4 数据挖掘的现状与应用
6. 2 关联规则的发现
6. 2. 1 关联规则简介
6. 2. 2 关联规则的基本概念
6. 2. 3 关联规则发现的经典算法
6. 2. 4 基于聚类的周期关联规则发现算法CCAR
6. 2. 5 关联规则价值衡量的方法
6. 3 公式发现
6. 3. 1 现状
6. 3. 2 问题描述
6. 3. 3 BACON系统
6. 3. 4 FDD系统
6. 3. 5 Explore系统
6. 4 数据聚类
6. 4. 1 聚类的概念
6. 4. 2 SAS的聚类算法
6. 4. 3 基于遗传等法的聚类方法
6. 4. 4 基于随机搜索的聚类算法
6. 4. 5 聚类算法BIRCH
第7章 数据挖掘算法
7. 1 数据挖掘的集合论方法
7. 1. 1 粗集方法
7. 1. 2 概念树方法
7. 1. 3 覆盖正例排斥反例方法
7. 2 数据挖掘中的决策树方法
7. 2. 1 基本原理
7. 2. 2 ID3决策树方法
7. 2. 3 IBLE决策规则树方法
7. 2. 4 决策树方法的优点和发展
7. 3 数据挖掘中的遗传算法
7. 3. 1 遗传算法的形成和发展
7. 3. 2 遗传算法的基本原理
7. 3. 3 遗传算法的研究方向
7. 3. 4 基于遗传算法的分类系统
7. 3. 5 基于混合数据的遗传分类算法
7. 4 数据挖掘的神经网络方法
7. 4. 1 神经网络的理论基础
7. 4. 2 几个常见神经网络
7. 4. 3 非线性神经网络的原理及其学习算法
第8章 数据仓库应用
8. 1 需求分析
8. 1. 1 环境分析
8. 1. 2 业务数据库结构分析
8. 1. 3 数据仓库应用系统的分析主题
8. 1. 4 数据仓库应用系统的具体要求
8. 2 数据仓库应用系统设计
8. 2. 1 数据仓库应用系统结构
8. 2. 2 数据模型设计
8. 3 数据转移
8. 3. 1 数据转移方案
8. 3. 2 数据装载
8. 4 创建多维数据集
8. 5 小结
参考文献
猜您喜欢
