《数据仓库与数据挖掘》是2009年清华大学出版社出版的图书，作者是陈志泊,主要介绍数据仓库和数据挖掘技术的基本原理和应用方法，全书共分为12章，主要内容包括数据仓库的概念和体系结构、数据仓库的数据存储和处理、数据仓库系统的设计与开发、关联规则、数据分类、数据聚类、贝叶斯网络、粗糙集、神经网络、遗传算法、统计分析、文本和Web挖掘。
本书既重视理论知识的讲解，又强调应用技能的培养。每章首先介绍算法的主要思想和理论基础，之后利用算法去解决实例中给出的任务，而且对于数据仓库的组建方法和多数章节中的数据挖掘算法，本书都使用Microsoft SQL Server 2005进行了操作实现。本书通过对具体实例的学习和实践，使读者掌握数据仓库和数据挖掘中必要的知识点，达到学以致用的目的。
本书每章均配有习题，习题形式为选择题、简答题和操作题，可以帮助读者进一步巩固和掌握所学知识。此外，本书提供多媒体教学课件和习题参考答案。
本书可以作为高等学校计算机及相关专业本科、研究生的数据仓库和数据挖掘教材，也可供相关领域的广大科技工作人员和高校师生参考。
目录
- 第1章 数据仓库的概念与体系结构
- 1.1 数据仓库的概念、特点与组成
- 1.2 数据挖掘的概念与方法
- 1.3 数据仓库的技术、方法与产品
- 1.4 数据仓库系统的体系结构
- 1.5 数据仓库的产生、发展与未来
- 1.6 小结
- 1.7 习题
- 第2章 数据仓库的数据存储与处理
- 2.1 数据仓库的数据结构
- 2.2 数据仓库的数据特征
- 2.3 数据仓库的数据ETL过程
- 2.4 多维数据模型
- 2.5 小结
- 2.6 习题
- 第3章 数据仓库系统的设计与开发
- 3.1 数据仓库系统的设计与开发概述
- 3.2 基于SQL Server 2005的数据仓库数据库设计
- 3.3 使用SQL Server 2005建立多维数据模型
- 3.4 小结
- 3.5 习题
- 第4章 关联规则
- 4.1 概述
- 4.2 引例
- 4.3 经典算法
- 4.4 相关研究与应用
- 4.5 小结
- 4.6 习题
- 第5章 数据分类
- 5.1 引例
- 5.2 分类问题概述
- 5.3 决策树
- 5.4 支持向量机
- 5.5 近邻分类方法
- 5.6 小结
- 5.7 习题
- 第6章 数据聚类
- 6.1 引例
- 6.2 聚类分析概述
- 6.3 聚类分析中相似度的计算方法
- 6.4 kmeans聚类算法
- 6.5 层次聚类方法
- 6.6 小结
- 6.7 习题
- 第7章 贝叶斯网络
- 第8章 粗糙集
- 第9章 神经网络
- 第10章 遗传算法
- 第11章 统计分析
- 第12章 文本和Web挖掘
- 参考文献
