| 书名： | 数据仓库与数据挖掘教程(第3版） |
| 出版社： | 清华大学出版社 |
| 出版日期 | 2021 |
| ISBN号： | 9787302566014 |
| |
| 本书的特点： 1．从数据库到数据仓库、从数据字典到元数据来说明数据仓库的兴起。 2．从联机事务处理（OLTP）到联机分析处理（OLAP）说明多维数据的兴起。 3．通过实例来说明多维数据分析的应用与数据立方体新技术。 4．从数据仓库的的决策支持和基于数据仓库的决策支持系统，来体现商务智能。 5．说明数据挖掘方法的原理：决策树方法的信息论原理；粗糙集方法和关联规则挖掘方法的集合论原理。 6．通过神经网络几何意义，说明神经网络的分类效果。 7．从神经网络引伸到深度学习算法。
|
| |
| 陈文伟，男，国防科学技术大学博士生导师。出版书有：《数据仓库与数据挖掘教程》、《知识工程与知识管理》、《决策支持系统及其开发》、《决策支持系统教程》等。2015年荣获国防科技大学资深研究生导师称号。 |
| |
| l 数据挖掘是从数据中获取知识，是人工智能的核心。本书增加了当前兴起的深度学习、强化学习和迁移学习新技术，对其原理、算法和实例进行了详细介绍。 l 本书增加了部分问答题的参考答案和设计题与计算题的答案。既可以帮助读者更好的熟悉书中的内容，又扩充了书中的内容。 l 问答题便利学生解惑，计算题便利学生上机实验。 l 本书有课程计划、教学大纲和教学课件，便利教学。 |
| |
|
第1章数据仓库与数据挖掘概述1 1.1数据仓库的兴起1 1.1.1从数据库到数据仓库1 1.1.2从OLTP到OLAP3 1.1.3数据字典与元数据5 1.1.4数据仓库的定义与特点6 1.2数据挖掘的兴起8 1.2.1从机器学习到数据挖掘8 1.2.2数据挖掘含义8 1.2.3数据挖掘与OLAP的比较9 1.2.4数据挖掘与统计学10 1.3智能技术11 1.3.1智能技术简述11 1.3.2数据仓库与商务智能15 1.3.3数据挖掘与人工智能18 习题119 第2章数据仓库原理21 2.1数据仓库结构体系21 2.1.1数据仓库结构21 2.1.2数据集市及其结构23 2.1.3数据仓库系统结构25 2.1.4数据仓库的运行结构27 2.2数据仓库数据模型27 2.2.1星型模型28 2.2.2雪花模型与星网模型29 2.2.3第三范式31数据仓库与数据挖掘教程(第3版)目录2.3数据抽取、转换和装载31 2.3.1数据抽取32 2.3.2数据转换33 2.3.3数据装载35 2.4元数据36 2.4.1元数据的重要性36 2.4.2关于数据源的元数据37 2.4.3关于数据模型的元数据37 2.4.4关于数据仓库映射的元数据38 2.4.5关于数据仓库使用的元数据40 习题240 第3章联机分析处理41 3.1OLAP概念41 3.1.1OLAP的定义41 3.1.2OLAP准则43 3.1.3OLAP的基本概念44 3.2OLAP的数据模型45 3.2.1MOLAP数据模型45 3.2.2ROLAP数据模型47 3.2.3MOLAP与ROLAP的比较47 3.3多维数据的显示50 3.3.1多维数据显示方法50 3.3.2多维类型结构51 3.3.3多维数据的分析视图52 3.4OALP的多维数据分析53 3.4.1多维数据分析的基本操作53 3.4.2多维数据分析实例56 3.4.3广义OLAP功能57 3.4.4数据立方体59 习题3 63 第4章数据仓库的决策支持65 4.1数据仓库的用户65 4.1.1信息查询65 4.1.2知识探索66 4.2数据仓库的决策支持与决策支持系统66 4.2.1查询与报表67 4.2.2多维分析与原因分析68 4.2.3预测未来69 4.2.4实时决策69 4.2.5自动决策71 4.2.6决策支持系统71 4.3数据仓库应用实例72 4.3.1航空公司数据仓库决策支持系统简例72 4.3.2统计业数据仓库系统76 4.3.3沃尔玛数据仓库系统79 习题481 第5章数据挖掘原理83 5.1数据挖掘综述83 5.1.1数据挖掘与知识发现83 5.1.2数据挖掘对象与分类84 5.1.3不完全数据处理88 5.1.4数据库的数据浓缩89 5.2数据挖掘方法和技术92 5.2.1归纳学习的信息论方法92 5.2.2归纳学习的集合论方法93 5.2.3仿生物技术的神经网络方法94 5.2.4仿生物技术的遗传算法94 5.2.5数值数据的公式发现94 5.3数据挖掘的知识表示95 5.3.1规则知识95 5.3.2决策树知识96 5.3.3知识基(浓缩数据)96 5.3.4神经网络权值96 5.3.5公式知识96 5.3.6案例97 习题598 第6章信息论方法99 6.1信息论原理99 6.1.1信道模型和学习信道模型100 6.1.2信息熵与条件熵100 6.1.3互信息与信息增益102 6.1.4信道容量与译码准则102 6.2决策树方法103 6.2.1决策树概念103 6.2.2ID3方法基本思想104 6.2.3ID3算法106 6.2.4实例与讨论106 6.2.5C4.5方法108 6.3决策规则树方法111 6.3.1IBLE方法基本思想111 6.3.2IBLE算法113 6.3.3IBLE方法实例115 习题6121 第7章集合论方法123 7.1粗糙集方法123 7.1.1粗糙集概念123 7.1.2属性约简的粗糙集理论126 7.1.3属性约简的粗糙集方法129 7.1.4粗糙集方法的规则获取130 7.1.5粗糙集方法的应用实例130 7.2K均值聚类133 7.2.1聚类方法简介133 7.2.2K均值聚类方法与实例136 7.3关联规则挖掘137 7.3.1关联规则的挖掘原理137 7.3.2Apriori算法基本思想141 7.3.3基于FPtree的关联规则挖掘算法143 习题7147 第8章神经网络与深度学习149 8.1神经网络概念与反向传播网络149 8.1.1神经网络原理149 8.1.2反向传播网络151 8.1.3BP网络学习公式推导151 8.1.4BP网络的典型实例156 8.2神经网络的几何意义157 8.2.1神经网络的超平面含义157 8.2.2异或问题的实例分析159 8.3深度学习160 8.3.1深度学习与多层网络的链式法则160 8.3.2卷积网络深度学习算法165 习题8171 第9章遗传算法与计算智能174 9.1遗传算法174 9.1.1遗传算法基本原理175 9.1.2遗传算子177 9.1.3遗传算法简例180 9.1.4遗传算法的特点182 9.2基于遗传算法的分类学习系统184 9.2.1概述184 9.2.2遗传分类学习系统GCLS的基本原理184 9.2.3遗传分类学习系统GCLS的应用188 9.3计算智能189 9.3.1计算智能概述189 9.3.2计算智能与人工智能191 习题9193 第10章强化学习与迁移学习和公式发现194 10.1强化学习194 10.1.1强化学习概念194 10.1.2强化学习算法与实例196 10.2迁移学习199 10.2.1迁移学习综述199 10.2.2迁移学习与类比学习比较202 10.2.3迁移学习与基于案例推理比较203 10.3公式发现204 10.3.1曲线拟合与发现学习204 11.3.2科学定律重新发现系统207 10.3.3经验公式发现系统211 习题10216 第11章知识挖掘217 11.1软件进化规律的知识挖掘217 11.1.1数值计算的进化 217 11.1.2计算机程序的进化222 11.1.3数据存储的进化224 11.1.4知识处理的进化227 11.1.5进化规律的知识挖掘229 11.2数学进化规律的知识挖掘233 11.2.1数学进化综述233 11.2.2数学进化的知识发现方法234 11.2.3数学发展中的映射变换237 11.2.4数学进化规律小结240 11.3变换规则的知识挖掘241 11.3.1适应变化环境的变换和变换规则241 11.3.2变换规则的知识挖掘的理论基础243 11.3.3变换规则的知识推理246 11.3.4变换规则链的知识挖掘248 11.3.5适应变化环境的变换规则元知识251 习题11254 第12章大数据与人工智能256 12.1大数据时代256 12.1.1从数据到决策的大数据时代256 12.1.2大数据的分析方法和决策支持方式259 12.1.3数据仓库与云计算262 12.2数据中相关性研究265 12.2.1寻找相关事物265 12.2.2科学研究中的相关性267 12.2.3矛盾与机遇两类相关性270 12.3人工智能277 12.3.1人工智能与知识277 12.3.2人工智能的本质280 12.3.3人工智能的发展方向282 习题12284 附录A各章习题中部分问答题的参考答案285 附录B各章习题中设计题和计算题的答案303 参考文献317
|
| |
| 前言
一、 系列教材背景 人类已经进入智能时代。云计算、大数据、物联网、人工智能、机器人、量子计算等是这个时代最重要的技术热点。为了适应和满足时代发展对人才培养的需要,2017年2月以来,教育部积极推进新工科建设,先后形成了“复旦共识”“天大行动”和“北京指南”,并发布了《教育部高等教育司关于开展新工科研究与实践的通知》《教育部办公厅关于推荐新工科研究与实践项目的通知》,全力探索形成领跑全球工程教育的中国模式、中国经验,助力高等教育强国建设。新工科有两个内涵: 一是新的工科专业;二是传统工科专业的新需求。新工科建设将促进一批新专业的发展,这批新专业有的是依托于现有计算机类专业派生、扩展而成的,有的是多个专业有机整合而成的。由计算机类专业派生、扩展形成的新工科专业有计算机科学与技术、软件工程、网络工程、物联网工程、信息管理与信息系统、数据科学与大数据技术等。由“计算机类”学科交叉融合形成的新工科专业有网络空间安全、人工智能、机器人工程、数字媒体技术、智能科学与技术等。 在新工科建设的“九个一批”中,明确提出“建设一批体现产业和技术最新发展的新课程”“建设一批产业急需的新兴工科专业”,新课程和新专业的持续建设,都需要以适应新工科教育的教材作为支撑。由于各个专业之间的课程相互交叉,但是又不能相互包含,所以在选题方向上,既考虑由计算机类专业派生、扩展形成的新工科专业的选题,又考虑由计算机类专业交叉融合形成的新工科专业的选题,特别是网络空间安全专业、智能科学与技术专业的选题。基于此,清华大学出版社计划出版“面向新工科专业建设计算机系列教材”。 二、 教材定位 教材使用对象为“211工程”高校或同等水平及以上高校计算机类专业及相关专业学生。 三、 教材编写原则 (1) 借鉴Computer Science Curricula 2013(以下简称CS2013)。CS2013的核心知识领域包括算法与复杂度、体系结构与组织、计算科学、离散结构、图形学与可视化、人机交互、信息保障与安全、信息管理、智能系统、网络与通信、操作系统、基于平台的开发、并行与分布式计算、程序设计语言、软件开发基础、软件工程、系统基础、社会问题与专业实践等内容。 (2) 处理好理论与技能培养的关系,注重理论与实践相结合,加强对学生思维方式的训练和计算思维的培养。计算机专业学生能力的培养特别强调理论学习、计算思维培养和实践训练。本系列教材以“重视理论,加强计算思维培养,突出案例和实践应用”为主要目标。 (3) 为便于教学,在纸质教材的基础上,融合多种形式的教学辅助材料。每本教材可以有主教材、教师用书、习题解答、实验指导等。特别是在数字资源建设方面,可以结合当前出版融合的趋势,做好立体化教材建设,可考虑加上微课、微视频、二维码、MOOC等扩展资源。 数据仓库与数据挖掘教程(第3版)出版说明四、 教材特点1. 满足新工科专业建设的需要系列教材涵盖计算机科学与技术、软件工程、物联网工程、数据科学与大数据技术、网络空间安全、人工智能等专业的课程。 2. 案例体现传统工科专业的新需求 编写时,以案例驱动,任务引导,特别是有一些新应用场景的案例。 3. 循序渐进,内容全面 讲解基础知识和实用案例时,由简单到复杂,循序渐进,系统讲解。 4. 资源丰富,立体化建设 除了教学课件外,还可以提供教学大纲、教学计划、微视频等扩展资源,以方便教学。 五、 优先出版1. 精品课程配套教材主要包括国家级或省级的精品课程和精品资源共享课的配套教材。 2. 传统优秀改版教材 对于已经出版过的优秀教材,经过市场认可,由于新技术的发展,给图书配上新的教学形式、教学资源,计划改版的教材。 3. 前沿技术与热点教材 反映计算机前沿和当前热点的相关教材，例如云计算、大数据、人工智能、物联网、网络空间安全等方面的教材。 六、 联系方式 联系人: 白立军 联系电话: 01083470179 联系和投稿邮箱: bailj@tup.tsinghua.edu.cn
“面向新工科专业建设计算机系列教材”编委会 2019年6月
|
非常抱歉，您前期未参加预订活动，
无法支付尾款哦！
![[正版] 数据仓库与数据挖掘教程(第3版) 陈文伟 清华大学出版社](http://imgservice.suning.cn/uimg1/b2c/image/jgynSALvr44WZUmHxhcTHQ.jpg_400w_400h_4e)
![[正版] 数据仓库与数据挖掘教程(第3版) 陈文伟 清华大学出版社](http://imgservice.suning.cn/uimg1/b2c/image/jgynSALvr44WZUmHxhcTHQ.jpg_60w_60h_4e)
![[正版] 数据仓库与数据挖掘教程(第3版) 陈文伟 清华大学出版社](http://imgservice.suning.cn/uimg1/b2c/image/avU-NBi5_5_WGdP8Eh2HdA.jpg_60w_60h_4e)
![[正版] 数据仓库与数据挖掘教程(第3版) 陈文伟 清华大学出版社](http://imgservice.suning.cn/uimg1/b2c/image/PGSIOZPQPit5Jf_XKVR8NA.jpg_60w_60h_4e)
![[正版] 数据仓库与数据挖掘教程(第3版) 陈文伟 清华大学出版社](http://imgservice.suning.cn/uimg1/b2c/image/mxJ4H9jhuK3Q3dXscRM9wA.jpg_60w_60h_4e)
![[正版] 数据仓库与数据挖掘教程(第3版) 陈文伟 清华大学出版社](http://imgservice.suning.cn/uimg1/b2c/image/HagmKg1r4YXrNBbGW2zhWA.jpg_60w_60h_4e)
