购买云解压PDF图书

当前位置: 决策支持与知识发现 > 购买云解压PDF图书
决策支持与知识发现
  • 作 者:马尚才,李爱军,石洪波编著
  • 出 版 社:北京:中国科学技术出版社
  • 出版年份:2005
  • ISBN:7504640131
  • 注意:在使用云解压之前,请认真核对实际PDF页数与内容!

在线云解压

价格(点数)

购买连接

说明

转为PDF格式

11

立即购买

(在线云解压服务)

云解压服务说明

1、本站所有的云解压默认都是转为PDF格式,该格式图书只能阅读和打印,不能再次编辑。

云解压下载及付费说明

1、所有的电子图书云解压均转换为PDF格式,支持电脑、手机、平板等各类电子设备阅读;可以任意拷贝文件到不同的阅读设备里进行阅读。

2、云解压在提交订单后一般半小时内处理完成,最晚48小时内处理完成。(非工作日购买会延迟)

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OLAP 145

二、基于关系数据库的OLAP 149

三、混合型的OLAP 151

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

购买PDF格式(11分)
返回顶部