第1章　绪论

1.1　MIS的开发方法

1.2　MIS的发展过程

1.3　MIS的应用发展

1.4　数据仓库现象的产生与理论

1.5　数据仓库研究的现状

1.6　数据挖掘研究及其现状

1.7　数据挖掘与企业信息资源再造的产生背景

1.8　建立一个完整的数据仓库系统需要解决的问题

1.9　建立数据仓库系统所做的工作

1.10　撰写《数据仓库与数据挖掘》一书的现实意义

第2章　数据仓库系统的术语及框架体系结构研究

2.1　数据仓库系统定义与特征

2.2　数据仓库理论的形成

2.3　数据仓库的技术

2.4　数据仓库的框架体系结构

第3章　数据仓库设计与元数据研究

3.1　数据仓库数据模型的设计

3.2　数据仓库的数据库概念、数据模型设计

3.3　建立信息包图

3.4　逻辑模型设计

3.5　物理模型设计

3.6　数据仓库数据模型设计方法的规范化

3.7　多维信息系统的开发方法

3.8　元数据相关理论

3.9　数据仓库与元数据

第4章　异构数据智能整合与建模

4.1　多平台异构数据智能整合

4.2　异构数据智能整合标准的建立

4.3　异构数据库的转换技术

4.4　全局水路公路货运客运数据仓库总体框架

4.5　数据聚类处理

第5章　联机分析处理与联机分析挖掘

5.1　联机分析处理OLAP

5.2　OLAP与数据仓库、数据挖掘

5.3　联机分析挖掘OLAM

5.4　OLAP应用

第6章　数据挖掘与数据库中知识发现

6.1　数据挖掘概念

6.2　数据挖掘技术与方法

6.3　数据挖掘产品

6.4　KDD概述

6.5　数据挖掘与数据库中知识发现

6.6　KDD的实例分析

第7章　基于神经网络的数据挖掘模型的应用研究

7.1　服装归档的现状及意义

7.2　主要介绍内容

7.3　人工神经网络理论

7.4　神经网络模型

7.5　神经网络学习

7.6　误差反向传播（BP）网络及其改进

7.7　神经网络在职业服装号型归档中的应用

7.8　总结

第8章　预测模型与应用

8.1　相关的预测知识

8.2　预测模型的具体应用

8.3　预测结果选择

8.4　辽宁省某市公路、水路的发展对策

第9章　基于GMDH原理的自组织数据挖掘模型研究

9.1 自组织数据挖掘介绍

9.2　自组织数据挖掘模型

9.3 自组织数据挖掘的建模技术

9.4　参数GMDH算法

9.5 自组织数据挖掘的应用实例分析

9.6　小结

第10章　快速发现关联规则的模型

10.1　概述

10.2　关联规则的定义与解释

10.3　关联规则在知识管理过程中的应用

10.4　关联规则应用举例

10.5　关联规则算法的流程

10.6　一个实例的运行结果与分析

10.7　关联规则的改进

第11章　粗熵的关联规则挖掘方法及其在肇事逃逸侦破中的应用

11.1　概述

11.2　数据挖掘与粗糙集

11.3　利用粗糙集进行数据挖掘问题的思路

11.4　粗糙集理论

11.5　知识的约简、核、依赖度和属性重要性

11.6　一种基于粗糙集的数据挖掘模型

11.7　关联规则的粗熵挖掘算法

11.8　对算法的评析

11.9　交通肇事逃逸侦破中的应用范例

11.10　结论

第12章　模糊层次分析法

12.1　层次分析法的理论基础

12.2　基于层次分析法的交通运输质量评价

12.3　模糊层次分析法

12.4　基于模糊综合评价的多准则决策模型

参考文献