幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

數據倉庫與數據挖掘教程(第4版雙色印刷高等院校信息技術系列教材)

  • 作者：編者:陳文偉|責編:白立軍//薛陽
  • 出版社：清華大學
  • ISBN：9787302668107
  • 出版日期：2024/08/01
  • 裝幀：平裝
  • 頁數：305
人民幣：RMB 69 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    數據倉庫是商務智能的基礎，數據倉庫中的數據是大企業和大單位所需的大數據。數據挖掘是指從數據中獲取知識，它是人工智慧的核心。
    首先，本書系統介紹了數據倉庫原理、聯機分析處理、數據倉庫的決策支持，以及數據挖掘原理和方法，包括決策樹、粗糙集、關聯規則挖掘、神經網路、遺傳演算法、公式發現、知識挖掘等。其次，本書對當前興起的深度學習、強化學習和遷移學習新技術的原理、演算法和實例進行了詳細的介紹。再次，本書介紹了軟體進化和數學進化的知識挖掘，軟體是電腦的核心，數學是軟體的基礎。最後，本書對商務智能、計算智能和人工智慧概念進行了比較，並將三者的概念統一為「人工智慧」。
    本書配有部分問答題、設計題和計算題的參考答案。問答題便利學生解惑，設計題和計算題便利學生上機實驗。
    本書適合作為高等院校電腦、軟體工程專業高年級本科生、研究生的教材，可供對UML比較熟悉並且對軟體建模有所了解的開發人員、廣大科技工作者和研究人員參考。
作者介紹
編者:陳文偉|責編:白立軍//薛陽
    陳文偉，1963年畢業於哈爾濱工業大學計算數學專業，國防科學技術大學博士生導師，海軍兵種指揮學院教授，中國人工智慧學會機器學習專業委員會榮譽副主任，中國人工智慧學會可拓工程專業委員會榮譽副主任；研究方向為人工智慧專家系統、決策支持系統、機器學習、數據挖掘、可拓數據挖掘、作戰指揮等；出版專著有《決策支持系統及其開發》（第一、二、三、四版）、《智能決策技術》、《數據挖掘技術》、《決策支持系統教程》（第一、二版）、《數據倉庫與數據挖掘教程》（第一、二版）、《知識工程與知識管理》等。在《電腦學報》等學術刊物發表學術論文100多篇。     主持重大科研項目有863計劃高科技項目，「八五」、「九五」、「十五」國防預研項目，國家自然科學基金項目，中國科學院合作項目等。科研成果有國家科學進步獎二等獎1項，軍隊科學技術進步獎二、三等獎多項，國家自然科學基金項目被評為優等；指導博士生、碩士生共計78名獲得學位；開設博士生、碩士生課程多門，在教學和指導研究生中，獲國防科技大學教學優秀獎、優秀研究生導師獎多次，2015年榮獲國防科學技術大學資深研究牛導師稱號。
目錄
第1章  數據倉庫與數據挖掘概述
  1.1  數據倉庫的興起
    1.1.1  從資料庫到數據倉庫
    1.1.2  從OLTP到OLAP
    1.1.3  數據字典與元數據
    1.1.4  數據倉庫的定義與特點
  1.2  數據挖掘的興起
    1.2.1  從機器學習到數據挖掘
    1.2.2  數據挖掘含義
    1.2.3  數據挖掘與OLAP的比較
    1.2.4  數據挖掘與統計學
  1.3  智能技術
    1.3.1  智能技術簡述
    1.3.2  數據倉庫與商務智能
    1.3.3  數據挖掘與人工智慧
  習題1
第2章  數據倉庫原理
  2.1  數據倉庫結構體系
    2.1.1  數據倉庫結構
    2.1.2  數據集市及其結構
    2.1.3  數據倉庫系統結構
    2.1.4  數據倉庫的運行結構
  2.2  數據倉庫的數據模型
    2.2.1  星形模型
    2.2.2  雪花模型與星網模型
    2.2.3  第三範式
  2.3  數據抽取、轉換和裝載
    2.3.1  數據抽取
    2.3.2  數據轉換
    2.3.3  數據裝載
  2.4  元數據
    2.4.1  元數據的重要性
    2.4.2  關於數據源的元數據
    2.4.3  關於數據模型的元數據
    2.4.4  關於數據倉庫映射的元數據
    2.4.5  關於數據倉庫使用的元數據
  習題2
第3章  聯機分析處理
  3.1  OLAP概念
    3.1.1  OLAP的定義
    3.1.2  OLAP準則
    3.1.3  OLAP的基本概念
  3.2  OLAP的數據模型
    3.2.1  MOLAP數據模型
    3.2.2  ROLAP數據模型
    3.2.3  MOLAP與ROLAP的比較
  3.3  多維數據的顯示
    3.3.1  多維數據的顯示方法
    3.3.2  多維類型結構
    3.3.3  多維數據的分析視圖

  3.4  OALP的多維數據分析
    3.4.1  多維數據分析的基本操作
    3.4.2  多維數據分析實例
    3.4.3  廣義OLAP功能
    3.4.4  數據立方體
  習題3
第4章  數據倉庫的決策支持
  4.1  數據倉庫的用戶
    4.1.1  信息查詢者
    4.1.2  知識探索者
  4.2  數據倉庫的決策支持與決策支持系統
    4.2.1  查詢與報表
    4.2.2  多維分析與原因分析
    4.2.3  預測未來
    4.2.4  實時決策
    4.2.5  自動決策
    4.2.6  決策支持系統
  4.3  基於數據倉庫決策支持系統的應用實例
    4.3.1  航空公司基本數據倉庫決策支持系統簡例
    4.3.2  統計業數據倉庫系統
    4.3.3  沃爾瑪數據倉庫系統
  習題4
第5章  數據挖掘原理
  5.1  數據挖掘綜述
    5.1.1  數據挖掘與知識發現
    5.1.2  數據挖掘任務與分類
    5.1.3  不完全數據處理
    5.1.4  資料庫的數據濃縮
  5.2  數據挖掘方法和技術
    5.2.1  歸納學習的資訊理論方法
    5.2.2  歸納學習的集合論方法
    5.2.3  仿生物技術的神經網路方法
    5.2.4  仿生物技術的遺傳演算法
    5.2.5  數值數據的公式發現
  5.3  數據挖掘的知識表示
    5.3.1  規則知識
    5.3.2  決策樹知識
    5.3.3  知識基（濃縮數據）
    5.3.4  神經網路權值
    5.3.5  公式知識
    5.3.6  案例
  習題5
第6章  資訊理論方法
  6.1  資訊理論原理
    6.1.1  通道模型和學習通道模型
    6.1.2  信息熵與條件熵
    6.1.3  互信息與信息增益
    6.1.4  通道容量與解碼準則
  6.2  決策樹方法
    6.2.1  決策樹概念

    6.2.2  ID3演算法基本思想
    6.2.3  ID3演算法
    6.2.4  實例與討論
    6.2.5  C4.5演算法
  6.3  決策規則樹方法
    6.3.1  IBLE演算法基本思想
    6.3.2  IBLE演算法
    6.3.3  IBLE演算法實例
  習題6
第7章  集合論方法
  7.1  粗糙集方法
    7.1.1  粗糙集概念
    7.1.2  粗糙集方法的屬性約簡與實例
    7.1.3  粗糙集方法的規則知識獲取
    7.1.4  粗糙集方法規則獲取實例
    7.1.5  約簡集的選擇
  7.2  k均值聚類
    7.2.1  聚類方法簡介
    7.2.2  k均值聚類演算法與實例
  7.3  關聯規則挖掘
    7.3.1  關聯規則挖掘的原理
    7.3.2  Apriori演算法基本思想
    7.3.3  基於FP-tree的關聯規則挖掘演算法
  習題7
第8章  神經網路與深度學習
  8.1  神經網路原理與反向傳播網路
    8.1.1  神經網路原理
    8.1.2  反向傳播網路
    8.1.3  BP網路學習公式推導
    8.1.4  BP網路的典型實例
  8.2  神經網路的幾何意義
    8.2.1  神經網路的超平面含義
    8.2.2  異或問題的實例分析
  8.3  深度學習
    8.3.1  深度學習與多層網路的鏈式法則
    8.3.2  卷積網路深度學習演算法
    8.3.3  深度學習實例
  習題8
第9章  遺傳演算法與計算智能
  9.1  遺傳演算法
    9.1.1  遺傳演算法基本原理
    9.1.2  遺傳運算元
    9.1.3  遺傳演算法簡例
    9.1.4  遺傳演算法的特點
  9.2  基於遺傳演算法的分類學習系統
    9.2.1  概述
    9.2.2  遺傳分類學習系統的基本原理
    9.2.3  遺傳分類學習系統的應用
  9.3  計算智能
    9.3.1  計算智能概述

    9.3.2  計算智能與人工智慧
  習題9
第10章  強化學習、遷移學習和公式發現
  10.1  強化學習
    10.1.1  強化學習概念
    10.1.2  強化學習演算法與實例
  10.2  遷移學習
    10.2.1  遷移學習綜述
    10.2.2  遷移學習與類比學習比較
    10.2.3  遷移學習與基於案例的推理比較
  10.3  公式發現
    10.3.1  曲線擬合與發現學習
    10.3.2  科學定律發現系統
    10.3.3  經驗公式發現系統
  習題10
第11章  知識挖掘
  11.1  軟體進化規律的知識挖掘
    11.1.1  數值計算的進化
    11.1.2  電腦程序的進化
    11.1.3  數據存儲的進化
    11.1.4  知識處理的進化
    11.1.5  進化規律的知識挖掘
    11.1.6  小結
  11.2  數學進化規律的知識挖掘
    11.2.1  數學進化綜述
    11.2.2  數學進化的知識發現方法
    11.2.3  數學發展中的映射變換
    11.2.4  數學進化規律小結
  11.3  變換規則的知識挖掘
    11.3.1  適應變化環境的變換和變換規則
    11.3.2  變換規則的知識挖掘的理論基礎
    11.3.3  變換規則的知識推理
    11.3.4  變換規則鏈的知識挖掘
    11.3.5  適應變化環境的變換規則元知識
  習題11
第12章  大數據與人工智慧
  12.1  大數據時代
    12.1.1  從數據到決策的大數據時代
    12.1.2  大數據的分析方法和決策支持方式
    12.1.3  數據倉庫與雲計算
  12.2  大數據型科學研究
    12.2.1  大數據型科學研究範式
    12.2.2  大數據中的小數據
    12.2.3  科學研究中的相關性
    12.2.4  矛盾與機遇兩類相關性
    12.2.5  大數據應用現狀
  12.3  人工智慧
    12.3.1  人工智慧發展過程
    12.3.2  人工智慧目前研究的主要內容
    12.3.3  人工智慧的最新進展——生成式人工智慧

    12.3.4  中國人工智慧研究的進展
  習題12
附錄A  各章習題中部分問答題的參考答案
附錄B  各章習題中設計題和計算題的參考答案
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032