第1章 绪论

1.1 数据仓库概述

1.1.1 从传统数据库到数据仓库

1.1.2 数据仓库的4个特征

1.1.3 数据仓库系统

1.1.4 数据仓库系统体系结构

1.1.5 数据仓库数据的粒度与组织

1.2 数据挖掘概述

1.2.1 数据挖掘产生的背景

1.2.2 数据挖掘与知识发现

1.2.3 数据挖掘的数据来源

1.2.4 数据挖掘的任务

1.2.5 数据挖掘的步骤

1.2.6 数据挖掘的应用

1.3 数据仓库与数据挖掘

1.3.1 数据仓库与数据挖掘的区别

1.3.2 数据仓库与数据挖掘的关系

1.4 教程章节组织与学时建议

习题1

第2章 数据仓库原理

2.1 多数据源问题

2.2 数据预处理

2.2.1 数据清洗

2.2.2 数据变换

2.2.3 数据归约

2.3 E-R模型

2.4 数据仓库的概念模型

2.4.1 多维数据模型

2.4.2 维度与粒度

2.5 数据仓库的逻辑模型

2.5.1 多维数据库系统

2.5.2 星形模型

2.5.3 雪花模型

2.6 数据仓库的物理模型

2.6.1 位图索引模型

2.6.2 广义索引模型

2.6.3 连接索引模型

2.6.4 RAID存储结构

习题2

第3章 数据仓库的设计开发应用

3.1 数据仓库设计的特点

3.2 数据仓库系统开发过程

3.3 数据仓库系统的规划

3.4 数据仓库的设计

3.4.1 需求分析

3.4.2 概念设计

3.4.3 逻辑设计

3.4.4 物理设计

3.5 数据仓库的实施

3.5.1 数据仓库的创建

3.5.2 数据的抽取、转换和加载

3.6 数据仓库系统的开发

3.6.1 开发任务

3.6.2 开发方法

3.6.3 系统测试

3.7 数据仓库系统的应用

3.7.1 用户培训

3.7.2 决策支持

3.7.3 维护评估

习题3

第4章 警务数据仓库的实现

4.1 SQL Server 2008 R2

4.1.1 SQL Server的服务功能

4.1.2 SQL Server Management Studio

4.1.3 Microsoft Visual Studio

4.2 创建集成服务项目与SSIS包

4.3 配置“旅馆_ETL”数据流任务

4.3.1 创建“旅馆_ETL”对象

4.3.2 配置“旅馆_ETL”参数

4.4 配置“人员_ETL”数据流任务

4.4.1 创建“人员_ETL”对象

4.4.2 配置“人员_ETL”参数

4.5 配置“时间_ETL”数据流任务

4.5.1 创建“时间_ETL”对象

4.5.2 配置“时间_ETL”参数

4.6 配置“入住_ETL”数据流任务

4.6.1 创建“入住_ETL”对象

4.6.2 配置“入住_ETL”参数

4.7 部署前面配置的SSIS包

4.7.1 将包另存到SSIS服务器

4.7.2 创建作业代理

习题4

第5章 联机分析处理技术

5.1 OLAP概述

5.1.1 OLAP的定义

5.1.2 OLAP的12条准则

5.1.3 OLAP的简要准则

5.1.4 OLAP系统的基本结构

5.2 OLAP的多维分析操作

5.2.1 切片

5.2.2 切块

5.2.3 旋转

5.2.4 钻取

5.3 OLAP系统的分类

5.3.1 多维OLAP

5.3.2 关系OLAP

5.3.3 MOLAP与ROLAP的比较

5.3.4 混合OLAP

5.4 OLAP、DW与DM的关系

5.4.1 OLAP、DW与DM的联系

5.4.2 OLAP、DW与DM的区别

5.4.3 OLAP与DW的关系

5.4.4 OLAP与DM的关系

5.5 DOLAM决策支持系统方案

习题5

第6章 警务数据仓库的OLAP应用

6.1 创建分析服务项目

6.1.1 进入商业智能开发平台

6.1.2 创建分析服务项目

6.2 配置项目的数据源

6.3 构建数据源视图

6.4 创建多维数据集

6.5 配置维的层次结构

6.5.1 配置日期维的层次

6.5.2 配置地址维的层次

6.5.3 配置人员维的层次

6.5.4 配置旅馆维的层次

6.6 添加人口来源地址维

6.7 分析服务项目的部署

6.8 浏览多维数据集

习题6

第7章 数据的属性与相似性

7.1 数据集的结构

7.1.1 二维表

7.1.2 数据矩阵

7.2 属性的类型

7.2.1 连续属性

7.2.2 离散属性

7.2.3 分类属性

7.2.4 二元属性

7.2.5 序数属性

7.2.6 数值属性

7.3 相似度与相异度

7.3.1 数值属性的距离

7.3.2 分类属性的相似度

7.3.3 余弦相似度

7.3.4 混合属性的相异度

习题7

第8章 关联规则挖掘

8.1 关联规则的概念

8.1.1 基本概念

8.1.2 项集的性质

8.2 关联规则的Apriori算法

8.2.1 发现频繁项集

8.2.2 产生关联规则

8.3 FP-增长算法

8.3.1 算法的背景

8.3.2 构造FP-树

8.3.3 生成频繁项集

8.4 关联规则的评价

8.4.1 支持度和置信度的不足

8.4.2 相关性分析

8.5 序列模式发现算法

8.5.1 序列模式的概念

8.5.2 类Apriori算法

8.6 关联规则其他算法

8.6.1 频繁项集算法优化

8.6.2 CLOSE算法

8.6.3 时态关联规则

8.6.4 含负项的关联规则

习题8

第9章 分类规则挖掘

9.1 分类问题概述

9.2 k-最近邻分类法

9.3 决策树分类方法

9.3.1 决策树生成框架

9.3.2 ID3分类方法

9.3.3 决策树的剪枝

9.3.4 C4.5 算法

9.4 贝叶斯分类方法

9.4.1 贝叶斯定理

9.4.2 朴素贝叶斯分类器

9.4.3 朴素贝叶斯分类方法的改进

9.5 其他分类方法

习题9

第10章 聚类分析方法

10.1 聚类分析原理

10.1.1 聚类分析概述

10.1.2 聚类的数学定义

10.1.3 簇的常见类型

10.1.4 聚类框架及性能要求

10.1.5 簇的距离

10.2 划分聚类算法

10.2.1 划分聚类框架

10.2.2 划分聚类的质量

10.2.3 k-means算法

10.2.4 空簇与离群点

10.2.5 k-中心点算法

10.3 层次聚类方法

10.3.1 层次聚类策略

10.3.2 AGNES算法

10.3.3 DIANA算法

10.4 密度聚类方法

10.4.1 基本概念

10.4.2 算法描述

10.4.3 计算实例

10.4.4 算法的性能分析

10.5 聚类的质量评价

10.5.1 簇的数目估计

10.5.2 外部质量评价

10.5.3 内部质量评价

10.6 离群点挖掘

10.6.1 相关问题概述

10.6.2 基于距离的方法

10.6.3 基于相对密度的方法

10.7 其他聚类方法

习题10

第11章 混合属性数据的聚类分析

11.1 混合属性数据集聚类

11.1.1 混合属性数据普遍存在

11.1.2 k-prototypes算法

11.1.3 k-prototypes算法的不足

11.2 改进的k-prototypes算法

11.2.1 加权频率最大原型

11.2.2 离散属性的频率相异度

11.2.3 改进的k-prototypes算法

11.3 强连通聚类融合算法

11.3.1 聚类融合方法

11.3.2 强连通聚类融合

11.3.3 聚类融合优化算法

习题11

第12章 数据流挖掘与聚类分析

12.1 数据流挖掘的概念

12.1.1 数据流的定义

12.1.2 数据流挖掘的任务

12.2 数据流处理技术

12.2.1 概要数据结构

12.2.2 时间倾斜技术

12.2.3 数据流聚类的要求

12.2.4 数据流聚类的一般步骤

12.3 两层数据流聚类框架

12.4 三层数据流聚类框架

12.5 最优2k-近邻聚类算法

12.5.1 算法设计动因

12.5.2 定义2k-最近邻集

12.5.3 在线2k-最近邻集生成

12.5.4 最优2k-近邻集算法

12.5.5 最优2k-近邻聚类算法

12.5.6 实例计算结果

习题12

第13章 不确定数据的聚类分析

13.1 不确定数据挖掘概述

13.1.1 不确定数据的产生

13.1.2 不确定数据的种类

13.1.3 不确定数据的聚类

13.2 基于相对密度的不确定数据聚类算法

13.2.1 基于相对密度的聚类思想

13.2.2 不确定相异度与k-最近邻集

13.2.3 不确定k-最近邻密度

13.2.4 RDBCAU算法描述

13.2.5 计算实例

13.3 不确定分类属性数据聚类算法

13.3.1 传统分类属性相似度

13.3.2 分类属性加权相似度

13.3.3 分类属性双重加权相似度

13.3.4 不确定分类属性双重加权相似度

13.3.5 基于连通分支的不确定分类属性聚类算法

习题13

第14章 量子计算与量子遗传聚类算法

14.1 量子计算与数据挖掘

14.1.1 量子计算的诞生

14.1.2 量子计算研究

14.1.3 量子数据挖掘算法

14.2 量子计算原理

14.2.1 量子态与量子比特

14.2.2 量子门与基本运算

14.2.3 量子纠缠特性

14.3 经典量子算法

14.3.1 量子傅里叶变换

14.3.2 Shor因子分解算法

14.3.3 Grover算法

14.4 基于3D角度编码的量子遗传算法

14.4.1 量子遗传算法

14.4.2 量子3D角度编码

14.4.3 解空间的映射

14.4.4 量子染色体更新

14.4.5 量子位的变异

14.4.6 QGAB3DC算法

14.5 量子遗传聚类算法

14.5.1 属性值q分位数与极差

14.5.2 基于极差的广义加权距离

14.5.3 量子遗传聚类算法

习题14

参考文献