圖書盲袋，以書為“藥”
歡迎光臨中圖網(wǎng) 請 | 注冊
> >>
數(shù)據(jù)倉庫與數(shù)據(jù)挖掘概念、方法及圖書館應(yīng)用

數(shù)據(jù)倉庫與數(shù)據(jù)挖掘概念、方法及圖書館應(yīng)用

作者：朱東妹著
出版社：安徽師范大學(xué)出版社出版時間：2017-08-01
開本： 24cm 頁數(shù)： 242頁
中 圖 價:¥30.6(7.2折) 定價  ¥42.5 登錄后可看到會員價
加入購物車 收藏
運費6元，滿39元免運費
?新疆、西藏除外
本類五星書更多>

數(shù)據(jù)倉庫與數(shù)據(jù)挖掘概念、方法及圖書館應(yīng)用 版權(quán)信息

數(shù)據(jù)倉庫與數(shù)據(jù)挖掘概念、方法及圖書館應(yīng)用 本書特色

本書以圖書館信息化為基點，從理論與實際應(yīng)用角度，介紹了數(shù)據(jù)倉庫與數(shù)據(jù)挖掘的概念、方法及在圖書館的應(yīng)用。主要內(nèi)容包括：以圖書館自動化集成系統(tǒng)日常工作中產(chǎn)生的數(shù)據(jù)為基礎(chǔ)，詳細(xì)介紹了應(yīng)用微軟SQL Server 2012數(shù)據(jù)倉庫與數(shù)據(jù)挖掘工具進(jìn)行圖書館數(shù)據(jù)倉庫開發(fā)、數(shù)據(jù)集成服務(wù)、聯(lián)機分析處理及常見數(shù)據(jù)挖掘技術(shù)挖掘過程。本書注重實踐性，可操作性強，可作為企事業(yè)單位數(shù)據(jù)倉庫與數(shù)據(jù)挖掘工作人員、研究人員參考用書

數(shù)據(jù)倉庫與數(shù)據(jù)挖掘概念、方法及圖書館應(yīng)用 內(nèi)容簡介

本書以圖書館信息化為基點，從理論與實際應(yīng)用角度，介紹了數(shù)據(jù)倉庫與數(shù)據(jù)挖掘的概念、方法及在圖書館的應(yīng)用。主要內(nèi)容包括：以圖書館自動化集成系統(tǒng)日常工作中產(chǎn)生的數(shù)據(jù)為基礎(chǔ)，詳細(xì)介紹了應(yīng)用微軟SQL Server 2012數(shù)據(jù)倉庫與數(shù)據(jù)挖掘工具進(jìn)行圖書館數(shù)據(jù)倉庫開發(fā)、數(shù)據(jù)集成服務(wù)、聯(lián)機分析處理及常見數(shù)據(jù)挖掘技術(shù)挖掘過程。 本書注重實踐性，可操作性強，可作為企事業(yè)單位數(shù)據(jù)倉庫與數(shù)據(jù)挖掘工作人員、研究人員參考用書。

數(shù)據(jù)倉庫與數(shù)據(jù)挖掘概念、方法及圖書館應(yīng)用 目錄

第1章　概述 1.1　初識數(shù)據(jù)倉庫 1.1.1　數(shù)據(jù)倉庫的產(chǎn)生過程 1.1.2　數(shù)據(jù)倉庫的體系結(jié)構(gòu) 1.1.3　數(shù)據(jù)倉庫的關(guān)鍵技術(shù) 1.2　初識數(shù)據(jù)挖掘 1.2.1　數(shù)據(jù)挖掘?qū)ο? 1.2.2　數(shù)據(jù)挖掘過程 1.2.3　數(shù)據(jù)挖掘方法 1.3　數(shù)據(jù)倉庫與數(shù)據(jù)挖掘的關(guān)系 1.4　數(shù)據(jù)倉庫與數(shù)據(jù)挖掘工具 1.5　圖書館為什么需要數(shù)據(jù)倉庫與數(shù)據(jù)挖掘第2章　數(shù)據(jù)倉庫 2.1　數(shù)據(jù)倉庫概述 2.2　數(shù)據(jù)倉庫與數(shù)據(jù)庫的區(qū)別 2.3　數(shù)據(jù)倉庫數(shù)據(jù)組織結(jié)構(gòu) 2.4　數(shù)據(jù)倉庫開發(fā)過程 2.4.1　規(guī)劃分析階段 2.4.2　設(shè)計實現(xiàn)階段 2.4.3　使用維護(hù)階段 2.5　案例：利用SQL Server 2012創(chuàng)建數(shù)據(jù)倉庫 2.5.1　概念模型設(shè)計 2.5.2　邏輯模型設(shè)計 2.5.3　物理模型設(shè)計第3章　數(shù)據(jù)抽取轉(zhuǎn)換加載 3.1　ETL過程 3.1.1　數(shù)據(jù)抽取 3.1.2　數(shù)據(jù)轉(zhuǎn)換 3.1.3　數(shù)據(jù)加載 3.2　T-SQL語句 3.2.1　數(shù)據(jù)定義語句 3.2.2　數(shù)據(jù)控制語句 3.2.3　數(shù)據(jù)操縱語句 3.3　SSIS服務(wù) 3.3.1　SSIS工具箱 3.3.2　SSIS包 3.4　案例：利用SQL Server 2012抽取、轉(zhuǎn)換及加載數(shù)據(jù) 3.4.1　數(shù)據(jù)抽取 3.4.2　數(shù)據(jù)清理、轉(zhuǎn)換3.4.3　數(shù)據(jù)加載第4章　聯(lián)機分析處理 4.1　聯(lián)機分析處理特性及評價 4.1.1　OLAP特性 4.1.2　OLAP評價準(zhǔn)則 4.2　OLAP的一些基本概念 4.3　OLAP的基本操作 4.4　案例：利用SQL Server 2012創(chuàng)建OLAP立方 4.4.1　建立數(shù)據(jù)源 4.4.2　創(chuàng)建數(shù)據(jù)源視圖 4.4.3　根據(jù)向?qū)?chuàng)建多維數(shù)據(jù)集 4.4.4　修改Cube中的維度和度量 4.4.5　部署項目 4.4.6　分析多維數(shù)據(jù)集第5章　關(guān)聯(lián)規(guī)則 5.1　基本概念 5.2　關(guān)聯(lián)規(guī)則的分類 5.3　Apriori算法 5.3.1　Apriori性質(zhì) 5.3.2　Apriori算法步驟 5.3.3　Apriori算法示例 5.4　Microsoft關(guān)聯(lián)規(guī)則算法 5.4.1　Microsoft關(guān)聯(lián)規(guī)則算法的參數(shù) 5.4.2　Microsoft關(guān)聯(lián)規(guī)則算法的要求 5.5　案例：利用SQL Server 2012進(jìn)行Microsoft關(guān)聯(lián)規(guī)則挖掘 5.5.1　數(shù)據(jù)準(zhǔn)備 5.5.2　實現(xiàn)挖掘任務(wù) 5.5.3　瀏覽模型 5.5.4　關(guān)聯(lián)預(yù)測第6章　分類 6.1　決策樹算法 6.1.1　基本概念 6.1.2　ID3算法 6.1.3　ID3算法示例 6.1.4　由決策樹提取分類規(guī)則 6.1.5　Microsoft決策樹算法 6.2　貝葉斯分類算法 6.2.1　貝葉斯分類的基礎(chǔ)——貝葉斯定理 6.2.2　樸素貝葉斯分類器 6.2.3　樸素貝葉斯分類示例 6.2.4　Microsoft Naive Bayes算法6.3　神經(jīng)網(wǎng)絡(luò)算法 6.3.1　生物神經(jīng)元與人工神經(jīng)元 6.3.2　神經(jīng)網(wǎng)絡(luò)的激發(fā)函數(shù) 6.3.3　多層感知器 6.3.4　Microsoft神經(jīng)網(wǎng)絡(luò)算法 6.4　邏輯回歸算法 6.4.1　邏輯回歸算法概述 6.4.2　Microsoft邏輯回歸算法 6.5　案例：利用SQL Server 2012進(jìn)行分類挖掘 6.5.1　數(shù)據(jù)準(zhǔn)備 6.5.2　實現(xiàn)挖掘任務(wù) 6.5.3　瀏覽模型 6.5.4　挖掘性能分析第7章　聚類 7.1　聚類分析 7.1.1　聚類分析中的數(shù)據(jù)結(jié)構(gòu) 7.1.2　聚類分析中的數(shù)據(jù)類型 7.2　[k]-平均算法 7.3　EM算法 7.4　Microsoft聚類算法 7.4.1　Microsoft聚類算法的參數(shù) 7.4.2　Microsoft聚類算法的要求 7.5　案例：利用SQL Server 2012進(jìn)行Microsoft聚類分析挖掘 7.5.1　數(shù)據(jù)準(zhǔn)備 7.5.2　實現(xiàn)挖掘任務(wù) 7.5.3　瀏覽模型第8章　線性回歸 8.1　一元線性回歸 8.2　多元線性回歸 8.3　Microsoft線性回歸算法 8.3.1　Microsoft線性回歸算法的參數(shù) 8.3.2　Microsoft線性回歸算法的要求 8.4　案例：利用SQL Server 2012進(jìn)行Microsoft線性回歸挖掘 8.4.1　數(shù)據(jù)準(zhǔn)備 8.4.2　實現(xiàn)挖掘任務(wù) 8.4.3　瀏覽模型第9章　時序 9.1　基本概念 9.2　簡單平均法 9.3　移動平均法 9.3.1　簡單移動平均 9.3.2　加權(quán)移動平均 9.4　指數(shù)平滑法 9.4.1　簡單指數(shù)平滑法 9.4.2　考慮趨勢調(diào)整的指數(shù)平滑法 9.4.3　考慮季節(jié)性調(diào)整的指數(shù)平滑法 9.5　ARIMA模型 9.5.1　平穩(wěn)時間序列ARIMA模型的一般形式 9.5.2　非平穩(wěn)時間序列ARIMA模型的一般形式 9.5.3　方法性工具 9.6　ARIMA模型示例 9.7　Microsoft時序算法 9.7.1　Microsoft時序算法的參數(shù) 9.7.2　Microsoft時序算法的要求 9.8　案例：利用SQL Server 2012進(jìn)行Microsoft時序算法挖掘 9.8.1　數(shù)據(jù)準(zhǔn)備 9.8.2　實現(xiàn)挖掘任務(wù) 9.8.3　瀏覽模型
展開全部

數(shù)據(jù)倉庫與數(shù)據(jù)挖掘概念、方法及圖書館應(yīng)用 作者簡介

朱東妹，女， 1975年生，江蘇鹽城人，2006年畢業(yè)于昆明理工大學(xué)計算機應(yīng)用技術(shù)專業(yè)，獲工學(xué)碩士學(xué)位。2006年7月至今于安徽師范大學(xué)圖書館信息技術(shù)部工作，目前主要研究領(lǐng)域為智慧圖書館、數(shù)據(jù)挖掘等。發(fā)表學(xué)術(shù)論文10余篇，獲得軟件著作權(quán)1項。2014年獲得安徽省高等學(xué)校圖書情報工作委員會學(xué)術(shù)成果二等獎，2014年獲得中國高校圖書館發(fā)展論壇征文二等獎， 2015年獲得全國師范院校圖書館聯(lián)盟學(xué)術(shù)會議征文二等獎

商品評論(0條)
暫無評論……
書友推薦
返回頂部
中圖網(wǎng)
在線客服