✍ Scribed by 郑岩
No coin nor oath required. For personal study only.
《数据仓库与数据挖掘原理及应用》从专业角度全面介绍了数据仓库和数据挖掘的理论、方法、技术及其应用，系统地阐述了数据仓库和数据挖掘的产生、发展和应用及其主要概念、原理和算法，并结合当前数据仓库和数据挖掘中一些新的应用实例进一步加以说明，力求学以致用。
全书分为三篇。第一篇介绍数据仓库的起源和演变过程，阐述数据仓库的定义、体系结构、组成、元数据、数据粒度和数据模型以及ETL过程，论述数据仓库设计和实现的方法。结合具体应用详细阐述了如何构建数据仓库及其主要应用，包括OLAP和OLAM等。第二篇介绍数据挖掘的起源和发展趋势，以及数据挖掘与web挖掘的技术和方法，包括聚类、分类、预测和关联分析等，详细分析了数据挖掘在电信领域的具体应用，如客户细分、重入网识别和WAP日志挖掘等。第三篇讨论数据、信息和知识的关系，论述知识表示的主要方法和知识管理的核心技术，介绍当前研究热点——语义网和本体的核心技术和方法，分析了语义网和本体的主要应用。
《数据仓库与数据挖掘原理及应用》可作为计算机专业研究生或高年级本科生教材，也可以作为计算机研究和开发人员以及相关专业人士的参考资料。
封面
扉页
内容简介
版权页
前言
目录
第一篇 数据仓库
第1章 数据仓库基础
第2章 数据仓库设计和实现
第3章 数据仓库实例
第4章 OLAP和OLAM
第二篇 数据挖掘
第5章 数据挖掘基础
第6章 聚类分析
第7章 分类和预测
第8章 关联分析
第9章 Web挖掘
第10章 数据挖掘实例
第三篇 语义网和本体
第11章 知识
第12章 语义网和本体
正文结束
参考文献
📜 SIMILAR VOLUMES
<p>《数据仓库与数据挖掘》主要介绍数据仓库和数据挖掘技术的基本原理和应用方法，全书共分为12章，主要内容包括数据仓库的概念和体系结构、数据仓库的数据存储和处理、数据仓库系统的设计与开发、关联规则、数据分类、数据聚类、贝叶斯网络、粗糙集、神经网络、遗传算法、统计分析、文本和Web挖掘。《数据仓库与数据挖掘》既重视理论知识的讲解，又强调应用技能的培养。每章首先介绍算法的主要思想和理论基础，之后利用算法去解决实例中给出的任务，而且对于数据仓库的组建方法和多数章节中的数据挖掘算法，《数据仓库与数据挖掘》都使用Microsoft SQL Server 2005进行了操作实现。《数据仓库与数据挖掘》通过
<p>《数据仓库与数据挖掘教程》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应用，数据挖掘原理、信息论的决策树方法、集合论的粗糙集方法、关联规则、公式发现、神经网络、遗传算法、文本挖掘与web挖掘，以及数据仓库与数据挖掘的发展。《数据仓库与数据挖掘教程》对数据仓库的系统介绍，在于突出决策支持的本质。对数据挖掘的各类方法均介绍了它们的理论基础和实现方法，并通过例子进行了说明。</p>
<p>《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技术》主要介绍数据仓库和数据挖掘技术的基本概念、相关技术和应用案例及方法。《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技术》共分为9章，主要内容包括：数据仓库与数据挖掘的概念和体系结构、数据仓库开发模型、ETL技术、OLAP技术、商务智能系统、数据预处理技术、数据挖掘技术、数据仓库开发实例、报表设计等内容。《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技术》各章节的案例均使用Microsoft SQL Server 2005进行操作实践讲解。通过对具体实例的学习和实践，使读者掌握数据仓库和数据挖掘中
<p>《数据仓库与数据挖掘技术》内容简介：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。</p> <p>《数据仓库与数据挖掘技术》可以作为计算机类、信息
本书简单易懂、实用性强、内容全面，可作为高等院校的数据库教材使用，亦可作为相关开发人员参考性书籍。 编者有针对性地按照数据库设计开发过程编写本教材，进一步切合了学习者的思维方式，具有创新性，打破了传统数据库教材编排顺序不合理的局面，弥补了数据库教材理论深奥的缺陷。 案例丰富，帮助读者理解相关知识点，提高实际应用能力，突出应用型人才培养要求。
<p>Apache HAWQ是一个SQL-on-Hadoop产品，它非常适合用于Hadoop平台上快速构建数据仓库系统。HAWQ具有大规模并行处理、完善的SQL兼容性、支持存储过程和事务、出色的性能表现等特性，还可与开源数据挖掘库MADlib轻松整合，从而使用SQL就能进行数据挖掘与机器学习。</p> <p>《HAWQ数据仓库与数据挖掘实战》内容分技术解析、实战演练与数据挖掘三个部分共27章。技术解析部分说明HAWQ的基础架构与功能特性，包括安装、连接、对象与资源管理、查询优化、备份恢复、高可用性等。实战演练部分用一个完整的示例，说明如何使用HAWQ取代传统数据仓库，包括ETL处理、自动调度