商务智能与数据挖掘 / 21世纪高等学校规划教材·信息管理与信息系统
￥29.50定价
作者： 蔡晓妍、张阳等
出版时间：2016年4月
出版社：清华大学出版社
- 清华大学出版社
- 9787302417415
- 1-1
- 139600
- 0044178294-3
- 平装
- 16开
- 2016年4月
- 工学
- 计算机科学与技术
- F713.36
- 计算机
- 本科
内容简介
商务智能与数据挖掘是近年来企业信息化的热点内容，有着广阔的应用前景。蔡晓妍、张阳、李书琴编著的《商务智能与数据挖掘(信息管理与信息系统21世纪高等学校规划教材)》共分10章，包括商务智能概述、商务智能中的核心技术、数据挖掘概述、分类分析、关联分析、聚类分析、异常检测、Web挖掘技术、RFID数据挖掘、数据挖掘在电子商务中的应用等内容；汇集了统计学、机器学习、数据库、人工智能等学科，具有多学科交叉、技术与管理融合等特点。
本书内容全面、案例丰富，适合作为计算机应用、软件工程、信息管理、电子商务和管理科学等相关专业的本科生和研究生教材，也可作为一些企事业单位、政府部门、研究机构等从事商务智能理论研究工作的相关人员的参考资料。
本书内容全面、案例丰富，适合作为计算机应用、软件工程、信息管理、电子商务和管理科学等相关专业的本科生和研究生教材，也可作为一些企事业单位、政府部门、研究机构等从事商务智能理论研究工作的相关人员的参考资料。
目录
第l章 商务智能概述
1.1 商务智能的概念
1.1.1 数据、信息与知识
1.1.2 商务智能的定义
1.1.3 商务智能的特点
1.1.4 商务智能的过程
1.2 商业决策需要商务智能
1.2.1 管理就是决策
1.2.2 决策需要信息和知识
1.2.3 智能型企业
1.2.4 商务智能支持商业决策
1.2.5 新一代的决策支持系统
1.3 商务智能的产生与发展
1.3.1 商务智能的产生和发展过程
1.3.2 商务智能与其他系统的关系
1.4 商务智能的价值
1.5 商务智能系统的功能
1.6 主流商务智能产品
1.6.1 主流商务智能产品简介
1.6.2 商务智能的抉择
1.7 商务智能的未来发展趋势
1.8 商务智能的应用
1.9 本章小结
习题
第2章 商务智能中的核心技术
2.1 数据仓库
2.1.1 数据仓库的产生与发展
2.1.2 数据仓库的概念与特征
2.1.3 ETL
2.1.4 数据集市
2.1.5 数据仓库的数据组织
2.1.6 数据仓库的体系结构
2.1.7 数据仓库的开发步骤
2.2 在线分析处理
2.2.1 OLAP简介
2.2.2 OLAP的定义和相关概念
2.2.3 OLAP与OLTP的区别
2.2.4 OLAP的分类
2.2.5 OLAP多维数据分析
2.3 商务智能体系结构
2.3.1 商务智能系统的组成
2.3.2 商务智能的架构体系
2.4 本章小结
习题
第3章 数据挖掘概述
3.1 数据挖掘的起源与发展
3.1.1 数据挖掘的起源
3.1.2 数据挖掘的发展
3.2 数据挖掘所要解决的问题
3.3 数据挖掘的定义
3.4 数据挖掘的过程
3.5 数据挖掘系统
3.5.1 数据挖掘系统的分类
3.5.2 数据挖掘系统的发展
3.6 数据挖掘的功能和方法
3.6.1 数据挖掘的功能
3.6.2 数据挖掘的方法
3.7 数据挖掘的典型应用领域
3.8 数据挖掘的发展趋势
3.9 本章小结
习题
第4章 分类分析
4.1 预备知识
4.2 解决分类问题的一般方法
4.3 分类算法
4.3.1 贝叶斯分类器
4.3.2 决策树
4.3.3 支持向量机
4.3.4 BP神经网络
4.3.5 其他分类算法
4.4 评估分类器的性能
4.4.1 保持方法
4.4.2 随机二次抽样
4.4.3 交叉验证
4.4.4 自助法
4.5 本章小结
习题
第5章 关联分析
5.1 引言
5.2 基本概念
5.3 关联规则的种类
5.4 关联规则的研究现状
5.5 关联规则挖掘算法
5.5.1 Apriori算法
5.5.2 FP增长算法
5.5.3 其他关联规则挖掘算法
5.6 改善关联规则挖掘质量问题
5.6.1 用户主观层面
5.6.2 系统客观层面
5.7 约束数据挖掘问题
5.8 本章小结
习题
第6章 聚类分析
6.1 聚类的概念
6.1.1 聚类概念及应用
6.1.2 聚类算法要求
6.1.3 聚类技术类型划分
6.2 聚类分析的统计量
6.2.1 模型定义
6.2.2 相似性度量
6.3 常用聚类算法
6.3.1 k均值算法
6.3.2 k一medoids算法
6.3.3 凝聚层次聚类算法
6.3.4 DBSCAN算法
6.3.5 STING算法
6.3.6 CLIQUE算法
6.4 簇评估
6.4.1 概述
6.4.2 非监督簇评估：使用凝聚度和分离度
6.4.3 非监督簇评估：使用邻近度矩阵
6.4.4 层次聚类的非监督评估
6.4.5 确定正确的簇个数
6.4.6 聚类趋势
6.4.7 簇有效性的监督度量
6.5 与分类比较
6.6 本章小结
习题
第7章 异常检测
7.1 预备知识
7.1.1 异常的原因
7.1.2 异常检测方法
7.1.3 类标号的使用
7.1.4 问题
7.2 统计方法
7.2.1 检测一元正态分布中的离群点
7.2.2 多元正态分布的离群点
7.2.3 异常检测的混合模型方法
7.2.4 优点与缺点
7.3 基于近邻度的离群点检测
7.4 基于密度的离群点检测
7.4.1 使用相对密度的离群点检测
7.4.2 优点与缺点
7.5 基于聚类的技术
7.5.1 评估对象属于簇的程度
7.5.2 离群点对初始聚类的影响
7.5.3 使用簇的个数
7.5.4 优点与缺点
7.6 本章小结
习题
第8章 Web挖掘技术
8.1 Web数据挖掘概述
8.1.1 Web数据挖掘的概念
8.1.2 Web数据挖掘的特点
8.1.3 web数据挖掘的处理流程
8.1.4 web数据挖掘与信息检索、信息抽取的区别
8.2 web数据挖掘分类
8.2.1 Web内容挖掘概述
8.2.2 web结构挖掘概述
8.2.3 web使用挖掘概述
8.3 Web内容挖掘
8.3.1 特征提取和特征表示
8.3.2 自动摘要
8.3.3 文本分类
8.3.4 文本聚类
8.4 Web结构挖掘
8.4.1 超链和页面内容的关系
8.4.2 不同挖掘阶段的分析
8.4.3 PageRank
8.4.4 HITS
8.4.5 两种算法的比较
8.4.6 Web结构挖掘应用
8.5 web使用挖掘
8.5.1 Web使用挖掘数据预处理
8.5.2 web使用挖掘模式发现
8.5.3 web使用挖掘模式分析
8.5.4 Web使用挖掘模式应用
8.6 本章小结
习题
第9章 RFID数据挖掘
9.1 RFID数据挖掘的发展
9.2 RFID数据挖掘的作用
9.3 RFID数据分析的典型应用
9.3.1 零售仓储
9.3.2 通关检查
9.3.3 运输管理
9.3.4 医疗管理
9.3.5 其他应用
9.4 本章小结
习题
第10章 数据挖掘在电子商务中的应用
lO.1 电子商务中数据挖掘的发展状况
10.2 电子商务中数据挖掘的特点
10.2.1 电子商务中数据挖掘的数据源
10.2.2 路径分析
10.2.3 电子商务中数据挖掘的体系结构
10.3 网站客户分群
10.4 优化网站结构
10.4.1 网站结构优化手段
10.4.2 网站结构优化模型
10.5 智能搜索引擎
10.5.1 传统搜索引擎的特点
10.5.2 智能搜索引擎的特点
10.5.3 网络爬虫
10.5.4 智能搜索引擎的技术与发展
10.6 客户关系管理
10.7 网络主动防御
10.8 本章小结
习题
参考文献
1.1 商务智能的概念
1.1.1 数据、信息与知识
1.1.2 商务智能的定义
1.1.3 商务智能的特点
1.1.4 商务智能的过程
1.2 商业决策需要商务智能
1.2.1 管理就是决策
1.2.2 决策需要信息和知识
1.2.3 智能型企业
1.2.4 商务智能支持商业决策
1.2.5 新一代的决策支持系统
1.3 商务智能的产生与发展
1.3.1 商务智能的产生和发展过程
1.3.2 商务智能与其他系统的关系
1.4 商务智能的价值
1.5 商务智能系统的功能
1.6 主流商务智能产品
1.6.1 主流商务智能产品简介
1.6.2 商务智能的抉择
1.7 商务智能的未来发展趋势
1.8 商务智能的应用
1.9 本章小结
习题
第2章 商务智能中的核心技术
2.1 数据仓库
2.1.1 数据仓库的产生与发展
2.1.2 数据仓库的概念与特征
2.1.3 ETL
2.1.4 数据集市
2.1.5 数据仓库的数据组织
2.1.6 数据仓库的体系结构
2.1.7 数据仓库的开发步骤
2.2 在线分析处理
2.2.1 OLAP简介
2.2.2 OLAP的定义和相关概念
2.2.3 OLAP与OLTP的区别
2.2.4 OLAP的分类
2.2.5 OLAP多维数据分析
2.3 商务智能体系结构
2.3.1 商务智能系统的组成
2.3.2 商务智能的架构体系
2.4 本章小结
习题
第3章 数据挖掘概述
3.1 数据挖掘的起源与发展
3.1.1 数据挖掘的起源
3.1.2 数据挖掘的发展
3.2 数据挖掘所要解决的问题
3.3 数据挖掘的定义
3.4 数据挖掘的过程
3.5 数据挖掘系统
3.5.1 数据挖掘系统的分类
3.5.2 数据挖掘系统的发展
3.6 数据挖掘的功能和方法
3.6.1 数据挖掘的功能
3.6.2 数据挖掘的方法
3.7 数据挖掘的典型应用领域
3.8 数据挖掘的发展趋势
3.9 本章小结
习题
第4章 分类分析
4.1 预备知识
4.2 解决分类问题的一般方法
4.3 分类算法
4.3.1 贝叶斯分类器
4.3.2 决策树
4.3.3 支持向量机
4.3.4 BP神经网络
4.3.5 其他分类算法
4.4 评估分类器的性能
4.4.1 保持方法
4.4.2 随机二次抽样
4.4.3 交叉验证
4.4.4 自助法
4.5 本章小结
习题
第5章 关联分析
5.1 引言
5.2 基本概念
5.3 关联规则的种类
5.4 关联规则的研究现状
5.5 关联规则挖掘算法
5.5.1 Apriori算法
5.5.2 FP增长算法
5.5.3 其他关联规则挖掘算法
5.6 改善关联规则挖掘质量问题
5.6.1 用户主观层面
5.6.2 系统客观层面
5.7 约束数据挖掘问题
5.8 本章小结
习题
第6章 聚类分析
6.1 聚类的概念
6.1.1 聚类概念及应用
6.1.2 聚类算法要求
6.1.3 聚类技术类型划分
6.2 聚类分析的统计量
6.2.1 模型定义
6.2.2 相似性度量
6.3 常用聚类算法
6.3.1 k均值算法
6.3.2 k一medoids算法
6.3.3 凝聚层次聚类算法
6.3.4 DBSCAN算法
6.3.5 STING算法
6.3.6 CLIQUE算法
6.4 簇评估
6.4.1 概述
6.4.2 非监督簇评估：使用凝聚度和分离度
6.4.3 非监督簇评估：使用邻近度矩阵
6.4.4 层次聚类的非监督评估
6.4.5 确定正确的簇个数
6.4.6 聚类趋势
6.4.7 簇有效性的监督度量
6.5 与分类比较
6.6 本章小结
习题
第7章 异常检测
7.1 预备知识
7.1.1 异常的原因
7.1.2 异常检测方法
7.1.3 类标号的使用
7.1.4 问题
7.2 统计方法
7.2.1 检测一元正态分布中的离群点
7.2.2 多元正态分布的离群点
7.2.3 异常检测的混合模型方法
7.2.4 优点与缺点
7.3 基于近邻度的离群点检测
7.4 基于密度的离群点检测
7.4.1 使用相对密度的离群点检测
7.4.2 优点与缺点
7.5 基于聚类的技术
7.5.1 评估对象属于簇的程度
7.5.2 离群点对初始聚类的影响
7.5.3 使用簇的个数
7.5.4 优点与缺点
7.6 本章小结
习题
第8章 Web挖掘技术
8.1 Web数据挖掘概述
8.1.1 Web数据挖掘的概念
8.1.2 Web数据挖掘的特点
8.1.3 web数据挖掘的处理流程
8.1.4 web数据挖掘与信息检索、信息抽取的区别
8.2 web数据挖掘分类
8.2.1 Web内容挖掘概述
8.2.2 web结构挖掘概述
8.2.3 web使用挖掘概述
8.3 Web内容挖掘
8.3.1 特征提取和特征表示
8.3.2 自动摘要
8.3.3 文本分类
8.3.4 文本聚类
8.4 Web结构挖掘
8.4.1 超链和页面内容的关系
8.4.2 不同挖掘阶段的分析
8.4.3 PageRank
8.4.4 HITS
8.4.5 两种算法的比较
8.4.6 Web结构挖掘应用
8.5 web使用挖掘
8.5.1 Web使用挖掘数据预处理
8.5.2 web使用挖掘模式发现
8.5.3 web使用挖掘模式分析
8.5.4 Web使用挖掘模式应用
8.6 本章小结
习题
第9章 RFID数据挖掘
9.1 RFID数据挖掘的发展
9.2 RFID数据挖掘的作用
9.3 RFID数据分析的典型应用
9.3.1 零售仓储
9.3.2 通关检查
9.3.3 运输管理
9.3.4 医疗管理
9.3.5 其他应用
9.4 本章小结
习题
第10章 数据挖掘在电子商务中的应用
lO.1 电子商务中数据挖掘的发展状况
10.2 电子商务中数据挖掘的特点
10.2.1 电子商务中数据挖掘的数据源
10.2.2 路径分析
10.2.3 电子商务中数据挖掘的体系结构
10.3 网站客户分群
10.4 优化网站结构
10.4.1 网站结构优化手段
10.4.2 网站结构优化模型
10.5 智能搜索引擎
10.5.1 传统搜索引擎的特点
10.5.2 智能搜索引擎的特点
10.5.3 网络爬虫
10.5.4 智能搜索引擎的技术与发展
10.6 客户关系管理
10.7 网络主动防御
10.8 本章小结
习题
参考文献
