决策支持与知识发现2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

决策支持与知识发现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

第一章 传统的决策支持系统1

第一节 决策支持系统的概念2

一、决策支持系统的定义和特征3

二、决策支持系统的功能5

三、决策支持系统的分类7

第二节 决策支持系统的系统结构8

一、决策支持系统的基本组成9

二、决策支持系统的体系结构28

三、决策支持系统的三个技术层次36

第三节 传统决策支持系统存在的问题38

一、数据管理问题38

二、模型分析问题40

第二章 知识发现：决策支持的新思路42

第一节 知识发现的概念43

一、知识发现的定义和基本概念43

二、知识发现的处理过程45

三、知识发现与数据挖掘51

第二节 知识发现的数据基础51

一、数据的组织存储方式52

二、数据的类型52

第三节 知识发现的目标53

一、广义知识55

二、分类和预测55

三、聚类知识57

四、关联规则58

五、偏差分析59

第四节 知识发现的方法59

一、数据库访问技术60

二、统计方法61

三、机器学习63

四、智能计算65

第五节 决策支持与知识发现66

第三章 数据仓库原理68

第一节 数据仓库的基本概念68

一、数据仓库的定义68

二、数据仓库的特征69

第二节 数据仓库的体系结构72

一、数据仓库中的数据组织72

二、数据仓库中的体系结构75

第三节 数据仓库中的数据存储与组织形式77

一、数据的组织方式77

二、数据的存储方式79

三、元数据81

第四节 数据仓库的粒度和数据分割88

第四章 数据仓库的数据模型92

第一节 数据仓库建模基本原则92

第二节 数据仓库中的基本概念94

一、维94

二、数据立方体95

三、视图96

第三节 高层模型98

一、E-R图98

二、信息包图99

第四节 中层模型103

一、事实表和维表103

二、三种中层模型106

第五节 低层模型108

第五章 数据仓库数据集成和维护113

第一节 数据集成概述113

一、数据集成的概念113

二、数据集成的步骤114

三、影响数据集成的关键因素115

四、数据集成的作用116

第二节 数据抽取117

一、数据抽取的任务117

二、数据抽取时应考虑的问题119

第三节 数据转换120

一、数据转换的任务120

二、如何实施转换122

三、数据转换时应考虑的问题122

第四节 数据清理123

第五节 数据装载126

一、数据装载的任务126

二、数据装载应考虑的问题128

第六节 数据集成工具129

第七节 数据维护策略132

第六章 OLAP技术135

第一节 OLAP的技术概念135

一、OLAP的定义和准则135

二、OLAP的特性138

三、OLAP和OLTP的区别139

第二节 OLAP多维分析140

第三节 OLAP的实现方式145

一、基于多维数据库的OLAP145

二、基于关系数据库的OLAP149

三、混合型的OLAP151

第七章 智能计算153

第一节 人工神经网络153

一、人工神经元及感知机模型155

二、前馈神经网络158

三、径向基函数神经网络164

四、自组织特征映射神经网络173

五、神经网络集成179

第二节 遗传算法185

一、遗传算法的一般框架186

二、遗传算法的实现技术189

第八章 统计方法194

第一节 关联分析194

一、基本概念194

二、关联规则挖掘算法196

三、关联规则价值衡量方法202

第二节 聚类分析203

一、聚类原理204

二、经典聚类算法209

三、概念聚类212

第三节 支持向量机215

一、支持向量机的基本思想215

二、模式分类的支持向量机221

三、非线性回归支持向量机223

第四节 粗糙集224

一、粗糙集基本概念225

二、粗糙集的知识约简229

三、粗糙集的分类算法232

第九章 机器学习235

第一节 决策树235

一、决策树学习238

二、选择最佳分类属性238

三、控制决策树规模245

第二节 规则归纳250

一、序列覆盖算法（sequential covering）250

二、AQ学习255

三、学习谓词逻辑形式规则259

四、反转归并264

第三节 基于案例的学习267

一、最近邻方法268

二、基于案例的推理269

第四节 贝叶斯学习273

一、贝叶斯学习理论273

二、贝叶斯网络276

三、贝叶斯网络学习278

四、贝叶斯分类器286

参考文献291