决策支持与知识发现

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/5E
五、偏差分析/51
第四节知识发现的方法/5S
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/8l
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0LAP技术/135
第一节0LAP的技术概念/135
一、0LAP的定义和准则/135
二、0LAP的特性/138
三、0LAP和OLTP的区别/139
第二节0LAP多维分析/140
第三节0LAP的实现方式/145
一、基于多维数据库的0LAP/145
二、基于关系数据库的0LAP/149
三、混合型的0LAP/15l
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/22l
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