数据仓库原理、设计与应用2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

数据仓库原理、设计与应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

目录1

前言1

第1章　数据仓库与数据挖掘概述1

1.1　数据仓库的发展与展望1

1.1.1　从传统数据库到数据仓库1

1.1.2　数据仓库的定义与基本特性3

1.1.3　数据仓库的未来发展7

1.2　数据仓库的体系结构8

1.2.1　数据仓库的概念结构8

1.2.2　虚拟数据仓库结构8

1.2.3　数据集市结构9

1.2.4　单一数据仓库结构9

1.2.5　分布式数据仓库结构10

1.3　数据仓库的参照结构11

1.3.1　数据仓库基本功能层11

1.3.2　数据仓库的管理层18

1.3.3　数据仓库的元数据管理层19

1.3.4　数据仓库的环境支持层20

1.4　数据挖掘技术概述21

1.4.1　数据挖掘的发展21

1.4.2　数据挖掘的定义22

1.5　数据挖掘技术与工具24

1.5.1　常用的数据挖掘技术24

1.5.2　常用数据挖掘工具26

1.5.3　数据挖掘工具的评价标准28

1.5.4　常用数据挖掘工具的选择29

1.6.1　数据挖掘与数据仓库30

1.6　数据挖掘的应用30

1.6.2　数据挖掘过程31

1.6.3　数据挖掘的用户35

第2章　数据仓库开发模型36

2.1　数据仓库开发模型概述36

2.2　数据仓库概念模型37

2.2.1　概念数据模型37

2.2.2　规范的数据模型40

2.2.3　星型模型41

2.2.4　雪花模型43

2.3　数据仓库的逻辑模型43

2.3.1　事实表模型设计45

2.4.1　数据仓库物理模型的存储结构47

2.4　数据仓库的物理模型47

2.3.2　维模型设计47

2.4.2　数据仓库物理模型的索引构建48

2.4.3　数据仓库物理模型的优化问题52

2.5　数据仓库的元数据模型53

2.5.1　元数据的类型与组成53

2.5.2　元数据在数据仓库中的作用55

2.5.3　元数据的收集58

2.6　数据仓库的粒度和聚集模型59

2.6.1　数据粒度的划分60

2.6.2　确定粒度的级别61

2.6.3　数据仓库的聚集模型确定62

2.6.4　聚集模型的处理62

2.6.5　聚集模型的管理63

3.1　数据仓库开发应用的特点64

3.1.1　数据仓库开发应用的阶段性64

第3章　数据仓库开发应用过程64

3.1.2　数据仓库的螺旋式开发方法65

3.1.3　数据仓库的开发特点66

3.2　数据仓库的规划67

3.2.1　选择数据仓库的实现策略67

3.2.2　确定数据仓库的开发目标和实现范围68

3.2.3　数据仓库的结构70

3.2.4　数据仓库使用方案和项目规划预算71

3.3　数据仓库的概念模型设计72

3.3.1　概念模型的需求调查72

3.3.2　概念模型的定义73

3.3.3　概念模型的分析76

3.3.4　概念模型的设计77

3.3.5　概念模型文档与评审79

3.4　数据仓库的逻辑模型设计80

3.4.1　分析主题域81

3.4.2　粒度层次和聚集的确定82

3.4.3　确定数据分割策略82

3.4.4　关系模型定义83

3.4.5　数据仓库的实体定义83

3.4.6　数据仓库的数据抽取模型84

3.4.7　数据仓库元数据模型的建立与应用89

3.4.8 逻辑模型的评审90

3.5　数据仓库的物理模型设计91

3.5.1　数据仓库设计的规范91

3.5.2　确定数据结构的类型92

3.5.3　数据仓库索引的创建93

3.5.5　确定存储分配94

3.5.4　确定数据的存放位置94

3.5.6　数据仓库物理模型的评审95

3.6　数据仓库的实施96

3.6.1　数据仓库与业务处理系统接口的设计97

3.6.2　数据仓库的创建97

3.6.3　数据仓库的数据加载、复制与发行98

3.6.4　数据仓库的中间件设计99

3.6.5　数据仓库的测试99

3.7　数据仓库的应用、支持和增强100

3.7.1　数据仓库的用户培训及支持100

3.7.2　数据仓库的使用方式101

3.7.3　数据仓库使用中的数据刷新102

3.7.4　数据仓库的增强103

4.1.1　OLAP的发展105

4.1.2　OLAP的特性105

4.1 OLAP技术概述105

第4章　OLAP技术105

4.2　OLAP与多维分析106

4.2.1　多维基本概念106

4.2.2　多维分析109

4.2.3　维的层次关系111

4.2.4　维的类关系111

4.2.5　OLAP与数据仓库的关系112

4.3　OLAP的实施113

4.4 多维OLAP与关系OLAP114

4.4.1　多维数据库114

4.4.2　多维数据库的数据存储116

4.4.3　多维数据库与数据仓库116

4.4.4　MOLAP的创建与功能117

4.4.5　ROLAP实现的三个规则118

4.4.6　ROLAP的多维表示方法119

4.4.7　ROLAP的创建与功能121

4.5　OLAP技术评价122

4.5.1　MOLAP与ROLAP的比较122

4.5.2　OLAP的衡量标准124

4.5.3　OLAP服务器和工具的评价标准126

第5章　传统数据挖掘技术128

5.1　传统的统计分析类数据挖掘技术128

5.1.1　统计与统计类数据挖掘技术128

5.1.2　数据的聚集与度量技术129

5.1.3　柱状图数据挖掘技术129

5.1.4　线性回归数据挖掘技术131

5.1.6　聚类数据挖掘技术133

5.1.5　非线性回归数据挖掘技术133

5.1.7　最近邻数据挖掘技术140

5.2　统计分析类工具141

5.2.1　统计类数据挖掘工具141

5.2.2　统计类数据挖掘的商业分析142

5.2.3　统计类数据挖掘工具的功能142

5.2.4　统计类数据挖掘工具——SPSS143

5.3　统计分析类工具的应用146

5.3.1　趋势分析146

5.3.2　时序分析147

5.3.3　周期分析147

5.4　统计分析类工具应用的问题148

5.4.1　统计类数据挖掘的预处理问题148

5.4.2　统计分析应遵循的基本原则150

5.4.4　统计类数据挖掘的性能问题151

5.4.3　统计分析的步骤151

第6章　现代数据挖掘技术与发展153

6.1 知识挖掘系统的体系结构153

6.1.1　知识发现的定义153

6.1.2　知识发现系统的结构154

6.2　现代挖掘技术及应用156

6.2.1 规则型现代挖掘技术及应用156

6.2.2　神经网络型现代挖掘技术161

6.2.3　遗传算法型现代挖掘技术166

6.2.4　粗糙集型现代挖掘技术170

6.2.5　决策树型现代挖掘技术172

6.3 知识发现的工具与应用175

6.3.1 知识挖掘工具的系统结构175

6.3.2　知识挖掘工具运用中的问题177

6.3.3　知识挖掘的价值179

6.3.4　现代数据挖掘工具简介180

6.4　数据挖掘技术的发展181

6.4.1　文本挖掘181

6.4.2　Web挖掘技术183

6.4.3　可视化数据挖掘技术186

6.4.4　空间数据挖掘187

6.4.5　分布式数据挖掘190

第7章　数据仓库的应用与管理193

7.1　数据仓库的用户193

7.1.1 数据仓库的用户——信息的使用者与知识的挖掘者193

7.1.2　信息使用者的数据仓库使用方式193

7.1.3　知识挖掘者的数据仓库使用方式194

7.2.1　分层决策体系195

7.2　数据仓库应用案例195

7.2.2　数据抽样分析197

7.2.3　发挥历史数据的经济效益198

7.2.4　回扣分析199

7.2.5　客户关系管理199

7.3　数据仓库的运行技术管理200

7.3.1　数据加载的一些问题200

7.3.2　故障恢复管理201

7.3.3　访问控制与安全管理201

7.3.4　数据增长的管理202

7.4　数据仓库的元数据管理203

7.4.1　元数据的存储、管理与维护203

7.4.2　元数据的用户与使用方法204

7.4.3　元数据管理模型206

7.5　数据仓库应用中的法律问题208

7.5.1　数据的隐私权问题209

7.5.2　数据隐私权的处理209

7.6　数据仓库的成本与效益分析211

7.6.1　数据仓库的投资回报的定量分析211

7.6.2　数据仓库的投资回报的定性分析212

第8章　数据仓库开发实例214

8.1　超市销售数据仓库的规划与分析214

8.1.1　超市销售数据仓库的需求分析214

8.1.2　超市销售数据仓库E-R模型的构造215

8.1.3　超市数据仓库事实表模型216

8.1.4　超市数据仓库维表模型设计218

8.1.5　超市数据仓库模型的关键字设计223

8.1.6　超市数据仓库的元数据设计225

8.2.1　数据仓库开发工具228

8.2　数据仓库开发工具简介228

8.2.2　SQL Server数据仓库开发应用工具230

8.3　SQL Server的数据仓库创建232

8.3.1　创建数据库233

8.3.2　创建表234

8.4　SQL Server数据仓库事实表与多维数据集的建立235

8.4.1　Analysis Manager数据库的创建与数据源确定235

8.4.2　SQL Server数据仓库的维创建239

8.4.3　SQL Server的多维数据集创建246

第9章　数据仓库应用实例253

9.1　数据仓库的数据加载与钻取253

9.1.1　数据仓库的数据加载253

9.1.2　超市数据仓库系统的数据加载256

9.1.3　多维数据集的更新262

9.1.4　数据仓库的钻取访问267

9.1.5　数据仓库的多维表达式MDX应用270

9.2　数据挖掘模型的设计272

9.2.1　数据挖掘对象的分析272

9.2.2　数据挖掘模型与相关数据的准备273

9.2.3 数据挖掘模型的应用276

9.3 SQL Server中的数据挖掘工具276

9.3.1 决策类数据挖掘工具的应用277

9.3.2 聚类分析数据挖掘工具的应用282

9.4 数据仓库客户端界面的设计287

9.4.1 客户端界面展现内容的设计287

9.4.2 客户端界面展现工具的选择288

9.4.3 Excel展现界面的实现289

参考文献294