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。《高等院校信息管理与信息系统专业系列教材：数据仓库与数据挖掘教程（第2版）》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。《高等院校信息管理与信息系统专业系列教材：数据仓库与数据挖掘教程（第2版）》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。

《空间数据挖掘及其相关问题研究》围绕空间数据挖掘的相关技术进行了卓有成效的研究。首先，研究了数据聚类有关问题；接着，提出了一个改进的支持大的数据集和任意形状聚类、且具有良好的抗噪性能和能满足高维数据要求的算法；然后，分析了与空间数据挖掘和分析相关的空间索引及查询技术；最后，设计了一个融合神经网络、模糊集和遗传算法的空间数据挖掘系统。《空间数据挖掘及其相关问题研究》可作为人工智能、模式识别、空间数据库、统计学、空间信息系统和网络等学科相关专业学生的教材及参考资料。

作为云计算所青睐的分布式架构，Hadoop 是一个用Java 语言实现的软件框架，在由大量计算机组成的集群中运行海量数据的分布式计算，是谷歌实现云计算的重要基石。本书分为3 个部分，深入浅出地介绍了Hadoop 框架、编写和运行Hadoop 数据处理程序所需的实践技能及Hadoop 之外更大的生态系统。《Hadoop实战》适合需要处理大量离线数据的云计算程序员、架构师和项目经理阅读参考。

《高等学校计算机规划教材：数据挖掘原理与实践》分为数据挖掘理论和数据挖掘实践两大部分。基础理论部分的主要内容包括数据挖掘的基本概念、数据挖掘的预处理、聚类分析、分类与回归、关联规则挖掘、例外点检测。数据挖掘实践部分讨论了数据挖掘在通信行业、文本挖掘等方面的实际应用；通过四个案例展示了在通信行业中如何利用数据挖掘进行客户细分、客户流失分析、客户社会关系挖掘、业务交叉销售；通过跨语言智能学术搜索系统和基于内容的垃圾邮件识别两个案例展示了数据挖掘在文本挖掘方面的应用。《高等学校计算机规划教材：数据挖掘原理与实践》可作为高等院校计算机电子商务及相关专业的学生相关的教材或参考书，也可供从事数据挖掘研究、设计等工作的科研、技术人员参考。

张霞的这本《粒度计算在数据挖掘中的应用研究》对模糊粒度计算在文本软聚类中的应用进行了深入研究，提出了一种基于模糊粒度计算的聚类方法，并且利用该聚类方法对K-means算法进行了优化。基于模糊粒度计算的聚类是通过归一化的距离函数将聚类问题映射到距离空间，调节粒度产生对文本集合D的动态聚类划分。动态聚类既可以作为一个单独的聚类结果，也可以作为其他算法的一个预处理步骤。K-means算法是一种经典的聚类算法，速度快、消耗资源小，但是算法对初始聚类中心点敏感，容易陷入局部最小值。《粒度计算在数据挖掘中的应用研究》将基于模糊粒度计算的聚类方法作为K-means算法的预处理步骤，实验结果证明，这种预处理有效地消除了K-means算法的初始值敏感问题，优化了K-means算法。

随着互联网及相应信息技术的广泛应用，标准信息检索也相应地发生变化，网络作为检索平台。信息化建社在文献管理中的作用越来越大，各级图书馆、档案馆、资料室等文献机构均需进行信息化建设，刘华所著的《标准信息挖掘——理论、方法与应用》提供了具体的方法，介绍了标准文献的信息挖掘和信息处理的理论、方法、模型及其应用等。

《智能Web算法》涵盖了五类重要的智能算法：搜索、推荐、聚类、分类和分类器组合，并结合具体的案例讨论了它们在Web应用中的角色及要注意的问题。除了第1章的概要性介绍以及第7章对所有技术的整合应用外，第2~6章以代码示例的形式分别对这五类算法进行了介绍。

数据仓库与数据挖掘是计算机专业和其他一些与计算机技术关系密切专业必修的核心课程。《数据仓库与数据挖掘技术》系统地介绍了数据仓库和数据挖掘的基本概念、相关知识和基本方法，每种数据挖掘方法都有详尽的实例描述和具体实现步骤。《数据仓库与数据挖掘技术》结构严谨，条理清晰，语言浅显易懂，循序渐进地表达了知识内容；《数据仓库与数据挖掘技术》坚持理论与实际相结合，概念和具体方法相结合，使知识具体化，生动化；实例实现的过程建立在SQL 2005数据挖掘软件的基础上，以帮助读者在学习后达到学以致用的目的。《数据仓库与数据挖掘技术》可以作为计算机类、信息类等相关专业本科生数据挖掘课程的教材，也可以作为其他专业技术人员的自学参考书。

可视化是数据描述的图形表示，旨在一目了然地揭示数据中的复杂信息。可视化的典型如纽约地铁图和人脑图。成功的可视化的美丽之处既在于其艺术设计，也在于其通过对细节的优雅展示，能够有效地产生对数据的洞察和新的理解。在本书中，20多位可视化专家包括艺术家、设计师、评论家、科学家、分析师、统计学家等，展示了他们如何在各自的学科领域内开展项目。他们共同展示了可视化所能实现的功能以及如何使用它来改变世界。在《数据可视化之美》中，你将：·通过简单的可视化实践探索讲故事的重要性。·了解颜色如何传达我们尚未充分意识到而大脑已经识别出的信息。·发现我们购买的书籍和我们的交际圈如何揭示内心的自我。·通过对民航交通的可视化探索识别航空旅行的混乱的一种方法。·揭秘研究人员如何调查未知问题，包括从最初的草图到发表的论文。

《数据挖掘技术与应用》系统详细地阐述了数据挖掘产生的背景、技术、多种相关方法及具体应用，主要内容包括数据挖掘概述，数据采集、集成与预处理技术，多维数据分析与组织，预测模型研究与应用，关联规则模型及应用，聚类分析方法与应用，粗糙集方法与应用，遗传算法与应用，基于模糊理论的模型与应用，灰色系统理论与方法，基于数据挖掘的知识推理。《数据挖掘技术与应用》可作为管理科学与工程、信息科学与技术、应用数学等相关专业高年级本科生和研究生的数据仓库、数据挖掘及知识管理等相关课程的教材或参考资料，同时本书有助于相关的专业研究人员提升数据挖掘的枝巧和开拓新的研究方向。