第 1 章數據倉庫概述 （1）
1.1 數據倉庫及其歷史 （1）
1.1.1 數據庫技術的發展· （1）
1.1.2 什么是數據倉庫····· （2）
1.2 數據倉庫系統及其開發工具···· （5）
1.2.1 數據倉庫系統的組成···· （5）
1.2.2 ETL ············ （6）
1.2.3 數據倉庫和數據集市的關系····· （6）
1.2.4 元數據及其管理····· （7）
1.3 數據倉庫系統開發工具······ （8）
1.4 數據倉庫與操作型數據庫的關系········· （9）
1.4.1 從數據庫到數據倉庫···· （9）
1.4.2 數據倉庫為什么是分離的········（10）
1.4.3 數據倉庫與操作型數據庫的對比·········（10）
1.4.4 ODS ··········（11）
1.5 商務智能與數據倉庫的關系···（11）
練習題 1 ···········（12）
思考題 1 ···········（13）
第 2 章數據倉庫設計···· （14）
2.1 數據倉庫設計概述············（14）
2.1.1 數據倉庫設計原則（14）
2.1.2 數據倉庫構建模式（14）
2.1.3 數據倉庫設計步驟（15）
2.2 數據倉庫的規劃和需求分析···（15）
2.2.1 數據倉庫的規劃····（15）
2.2.2 數據倉庫的需求分析···（16）
2.3 數據倉庫的建模···（17）
2.3.1 多維數據模型及相關概念········（17）
·VI·
2.3.2 多維數據模型的實現··（18）
2.3.3 數據倉庫建模的主要工作········（19）
2.3.4 幾種常見的基于關系數據庫的多維數據模型···（21）
2.4 數據倉庫的物理模型設計·（26）
2.4.1 確定數據的存儲結構··（27）
2.4.2 確定索引策略········（27）
2.4.3 確定存儲分配········（27）
2.5 數據倉庫的部署和維護····（28）
2.5.1 數據倉庫的部署····（28）
2.5.2 數據倉庫的維護····（28）
2.6 一個簡單的數據倉庫SDWS 設計示例············（29）
2.6.1 SDWS 的需求分析（29）
2.6.2 SDWS 的建模········（29）
2.6.3 基于SQL Server 2008 設計SDWS·······（35）
練習題 2···········（42）
思考題 2···········（43）
第 3 章 OLAP 技術·· （44）
3.1 OLAP 概述···········（44）
3.1.1 什么是OLAP ········（44）
3.1.2 OLAP 技術的特性·（44）
3.1.3 OLAP 和OLTP 的區別············（45）
3.1.4 數據倉庫與OLAP 的關系·······（46）
3.1.5 OLAP 分類············（46）
3.2 OLAP 的多維數據模型·····（48）
3.2.1 多維數據模型的定義··（48）
3.2.2 OLAP 的基本分析操作············（49）
3.2.3 一個簡單的多維數據模型········（53）
3.3 OLAP 實現···········（56）
3.3.1 數據立方體的有效計算···········（56）
3.3.2 索引OLAP 數據···（61）
3.3.3 OLAP 查詢的有效處理············（62）
練習題 3···········（63）
思考題 3···········（64）
第 4 章數據挖掘概述···· （65）
4.1 什么是數據挖掘···（65）
4.1.1 數據挖掘的定義····（65）
4.1.2 數據挖掘的知識表示··（66）
4.1.3 數據挖掘的主要任務··（66）
4.1.4 數據挖掘的發展····（67）
·VII·
4.1.5 數據挖掘的對象····（67）
4.1.6 數據挖掘的分類····（68）
4.1.7 數據挖掘與數據倉庫及OLAP 的關系·（68）
4.1.8 數據挖掘的應用····（69）
4.2 數據挖掘系統·······（70）
4.2.1 數據挖掘系統的結構···（70）
4.2.2 數據挖掘系統的設計···（71）
4.2.3 常用的數據挖掘系統及其發展（73）
4.3 數據挖掘過程·······（74）
4.3.1 數據挖掘步驟········（74）
4.3.2 數據清理···（74）
4.3.3 數據集成···（75）
4.3.4 數據變換···（76）
4.3.5 數據歸約···（77）
4.3.6 離散化和概念分層生成············（79）
4.3.7 數據挖掘的算法····（81）
4.4 數據挖掘的未來展望·········（83）
練習題 4 ···········（83）
思考題 4 ···········（84）
第 5 章關聯分析····· （85）
5.1 關聯分析的概念···（85）
5.1.1 事務數據庫············（85）
5.1.2 關聯規則及其度量（86）
5.1.3 頻繁項集···（87）
5.1.4 挖掘關聯規則的基本過程········（87）
5.2 Apriori 算法··········（88）
5.2.1 Apriori 性質···········（88）
5.2.2 Apriori 算法···········（89）
5.2.3 由頻繁項集產生關聯規則········（93）
5.2.4 提高Apriori 算法的有效性······（96）
5.2.5 非二元屬性的關聯規則挖掘····（99）
5.3 頻繁項集的緊湊表示·······（100）
5.3.1 最大頻繁項集······（100）
5.3.2 頻繁閉項集··········（101）
5.4 FP-growth 算法···（103）
5.4.1 FP-growth 算法框架··（103）
5.4.2 FP 樹構造············（104）
5.4.3 由FP 樹產生頻繁項集···········（107）
5.5 多層關聯規則的挖掘·······（109）
·VIII·
5.5.1 多層關聯規則的挖掘概述······ （109）
5.5.2 多層關聯規則的挖掘算法······ （111）
5.5.3 多維關聯規則······ （114）
5.6 其他類型的關聯規則······ （114）
5.6.1 基于約束的關聯規則 （114）
5.6.2 負關聯規則·········· （114）
5.7 SQL Server 挖掘關聯規則的示例······ （115）
5.7.1 建立DM 數據庫· （115）
5.7.2 建立關聯挖掘項目···· （116）
5.7.3 部署關聯挖掘項目并瀏覽結果··········· （120）
練習題 5········· （122）
思考題 5········· （126）
第 6 章序列模式挖掘···（127）
6.1 序列模式挖掘概述·········· （127）
6.1.1 序列數據庫·········· （127）
6.1.2 序列模式挖掘算法···· （129）
6.2 Apriori 類算法···· （130）
6.2.1 AprioriAll 算法···· （130）
6.2.2 AprioriSome 算法 （135）
6.2.3 DynamicSome 算法··· （138）
6.2.4 GSP 算法 （140）
6.2.5 SPADE 算法········ （144）
6.3 模式增長框架的序列挖掘算法·········· （150）
6.3.1 FreeSpan 算法······ （150）
6.3.2 PrefixSpan 算法··· （152）
練習題 6········· （155）
思考題 6········· （157）
第 7 章分類方法····（158）
7.1 分類過程············ （158）
7.1.1 學習階段 （158）
7.1.2 分類階段 （160）
7.2 k-最鄰近分類算法··········· （160）
7.3 決策樹分類算法· （162）
7.3.1 決策樹···· （162）
7.3.2 建立決策樹的ID3 算法········· （163）
7.3.3 建立決策樹的C4.5 算法········ （173）
7.4 貝葉斯分類算法· （175）
7.4.1 貝葉斯分類概述·· （175）
7.4.2 樸素貝葉斯分類·· （177）
·IX·
7.4.3 樹增強樸素貝葉斯分類··········（183）
7.5 神經網絡算法·····（185）
7.5.1 生物神經元和人工神經元······（185）
7.5.2 人工神經網絡······（187）
7.5.3 前饋神經網絡用于分類··········（189）
7.5.4 SQL Server 中神經網絡分類示例·······（196）
7.6 支持向量機·········（199）
7.6.1 線性可分時的二元分類問題··（199）
7.6.2 線性不可分時的二元分類問題···········（203）
練習題 7 ·········（206）
思考題 7 ·········（209）
第 8 章回歸分析和時序挖掘·····（210）
8.1 線性和非線性回歸分析···（210）
8.1.1 一元線性回歸分析····（210）
8.1.2 多元線性回歸分析····（213）
8.1.3 非線性回歸分析··（214）
8.2 邏輯回歸分析·····（217）
8.2.1 邏輯回歸原理······（217）
8.2.2 邏輯回歸模型······（218）
8.2.3 SQL Server 中邏輯回歸分析示例·······（219）
8.3 時序分析模型·····（221）
8.3.1 時序分析概述······（221）
8.3.2 時序預測的常用方法·（222）
8.3.3 回歸分析與時序分析的關系··（223）
8.3.4 確定性時序模型··（223）
8.3.5 隨機時序模型······（226）
8.3.6 SQL Server 建立隨機時序模型示例····（228）
8.4 時序的相似性搜索··········（231）
8.4.1 相似性搜索的概念····（231）
8.4.2 完全匹配·（232）
8.4.3 基于離散傅里葉變換的子序列匹配····（232）
8.4.4 基于規范變換的子序列匹配··（234）
練習題 8 ·········（236）
思考題 8 ·········（237）
第 9 章粗糙集理論（238）
9.1 粗糙集理論概述·（238）
9.1.1 粗糙集理論的產生····（238）
9.1.2 粗糙集理論的特點····（238）
9.1.3 粗糙集理論在數據挖掘中的應用·······（239）
·X·
9.2 粗糙集理論中的基本概念····· （239）
9.2.1 集合的基本概念·· （239）
9.2.2 信息系統和粗糙集···· （240）
9.2.3 分類的近似度量·· （244）
9.3 信息系統的屬性約簡······ （245）
9.3.1 約簡和核 （245）
9.3.2 分辨矩陣求核······ （246）
9.4 決策表及其屬性約簡······ （247）
9.4.1 決策表及相關概念···· （247）
9.4.2 決策表的屬性約簡算法········· （251）
9.5 決策表的值約簡及其算法····· （258）
9.5.1 決策規則及其簡化···· （258）
9.5.2 決策規則的極小化···· （261）
9.6 粗糙集在數據挖掘中的應用示例······ （265）
練習題 9········· （266）
思考題 9········· （269）
第 10 章聚類方法··（270）
10.1 聚類概述·········· （270）
10.1.1 什么是聚類········ （270）
10.1.2 相似性測度········ （270）
10.1.3 聚類過程··········· （272）
10.1.4 聚類算法的評價 （272）
10.1.5 聚類方法的分類 （274）
10.1.6 聚類分析在數據挖掘中的應用········· （275）
10.1.7 聚類算法的要求 （275）
10.2 基于劃分的聚類算法···· （276）
10.2.1 k-均值算法········· （276）
10.2.2 k-中心點算法····· （283）
10.3 基于層次的聚類算法···· （285）
10.3.1 層次聚類算法概述·· （285）
10.3.2 DIANA 算法和AGNES 算法············ （287）
10.3.3 BIRCH 算法······ （289）
10.3.4 CURE 算法········ （292）
10.3.5 ROCK 算法········ （294）
10.3.6 Chameleon 算法· （295）
10.4 基于密度的聚類算法···· （299）
10.4.1 DBSCAN 算法··· （299）
10.4.2 OPTICS 算法····· （302）
10.5 基于網格的聚類算法···· （305）
·XI·
10.5.1 STING 算法·······（305）
10.5.2 WaveCluster 算法·····（307）
10.5.3 CLIQUE 算法·····（309）
10.6 基于模型的聚類算法·····（310）
10.6.1 EM 算法（310）
10.6.2 COBWEB 算法··（316）
10.7 離群點分析·······（320）
10.7.1 離群點概述········（320）
10.7.2 常見的離群點檢測方法········（321）
練習題 10 ·······（322）
思考題 10 ·······（323）
第 11 章其他挖掘方法·（324）
11.1 文本挖掘···········（324）
11.1.1 文本挖掘概述····（324）
11.1.2 數據預處理技術（325）
11.1.3 文本結構分析····（327）
11.1.4 文本分類············（328）
11.1.5 文本聚類············（330）
11.1.6 文本摘要············（332）
11.1.7 文本關聯分析····（332）
11.2 Web 挖掘··········（333）
11.2.1 Web 挖掘概述····（333）
11.2.2 Web 結構挖掘····（334）
11.2.3 Web 內容挖掘····（341）
11.2.4 Web 使用挖掘····（341）
11.2.5 Web 挖掘的發展方向···········（343）
11.3 空間數據挖掘···（343）
11.3.1 空間數據概述····（344）
11.3.2 空間數據立方體和空間OLAP··········（345）
11.3.3 空間數據挖掘方法···（346）
練習題 11 ·······（348）
思考題 11 ·······（348）
附錄A 常用的優化方法············（350）
參考文獻·····（354）