商务智能与数据挖掘【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

商务智能与数据挖掘PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 商务智能概述1

1.1 商务智能的概念1

1.1.1 数据、信息与知识1

1.1.2 商务智能的定义3

1.1.3 商务智能的特点4

1.1.4 商务智能的过程5

1.2 商业决策需要商务智能5

1.2.1 管理就是决策5

1.2.2 决策需要信息和知识6

1.2.3 智能型企业6

1.2.4 商务智能支持商业决策6

1.2.5 新一代的决策支持系统7

1.3 商务智能的产生与发展8

1.3.1 商务智能的产生和发展过程9

1.3.2 商务智能与其他系统的关系10

1.4 商务智能的价值12

1.5 商务智能系统的功能14

1.6 主流商务智能产品16

1.6.1 主流商务智能产品简介16

1.6.2 商务智能的抉择17

1.7 商务智能的未来发展趋势18

1.8 商务智能的应用19

1.9 本章小结26

习题26

第2章 商务智能中的核心技术27

2.1 数据仓库27

2.1.1 数据仓库的产生与发展27

2.1.2 数据仓库的概念与特征28

2.1.3 ETL29

2.1.4 数据集市31

2.1.5 数据仓库的数据组织32

2.1.6 数据仓库的体系结构32

2.1.7 数据仓库的开发步骤33

2.2 在线分析处理36

2.2.1 OLAP简介36

2.2.2 OLAP的定义和相关概念37

2.2.3 OLAP与OLTP的区别38

2.2.4 OLAP的分类39

2.2.5 OLAP多维数据分析40

2.3 商务智能体系结构41

2.3.1 商务智能系统的组成41

2.3.2 商务智能的架构体系43

2.4 本章小结44

习题44

第3章 数据挖掘概述45

3.1 数据挖掘的起源与发展45

3.1.1 数据挖掘的起源45

3.1.2 数据挖掘的发展46

3.2 数据挖掘所要解决的问题47

3.3 数据挖掘的定义48

3.4 数据挖掘的过程49

3.5 数据挖掘系统52

3.5.1 数据挖掘系统的分类52

3.5.2 数据挖掘系统的发展53

3.6 数据挖掘的功能和方法54

3.6.1 数据挖掘的功能54

3.6.2 数据挖掘的方法55

3.7 数据挖掘的典型应用领域58

3.8 数据挖掘的发展趋势59

3.9 本章小结61

习题61

第4章 分类分析62

4.1 预备知识62

4.2 解决分类问题的一般方法64

4.3 分类算法65

4.3.1 贝叶斯分类器65

4.3.2 决策树74

4.3.3 支持向量机81

4.3.4 BP神经网络82

4.3.5 其他分类算法86

4.4 评估分类器的性能87

4.4.1 保持方法88

4.4.2 随机二次抽样88

4.4.3 交叉验证88

4.4.4 自助法89

4.5 本章小结89

习题89

第5章 关联分析92

5.1 引言92

5.2 基本概念93

5.3 关联规则的种类95

5.4 关联规则的研究现状96

5.5 关联规则挖掘算法97

5.5.1 Apriori算法97

5.5.2 FP增长算法103

5.5.3 其他关联规则挖掘算法106

5.6 改善关联规则挖掘质量问题107

5.6.1 用户主观层面107

5.6.2 系统客观层面108

5.7 约束数据挖掘问题108

5.8 本章小结109

习题110

第6章 聚类分析112

6.1 聚类的概念112

6.1 1聚类概念及应用112

6.1.2 聚类算法要求113

6.1.3 聚类技术类型划分114

6.2 聚类分析的统计量116

6.2.1 模型定义116

6.2.2 相似性度量116

6.3 常用聚类算法121

6.3.1 k均值算法121

6.3.2 k-medoids算法123

6.3.3 凝聚层次聚类算法124

6.3.4 DBSCAN算法129

6.3.5 STING算法131

6.3.6 CLIQUE算法132

6.4 簇评估133

6.4.1 概述134

6.4.2 非监督簇评估：使用凝聚度和分离度135

6.4.3 非监督簇评估：使用邻近度矩阵138

6.4.4 层次聚类的非监督评估139

6.4.5 确定正确的簇个数139

6.4.6 聚类趋势140

6.4.7 簇有效性的监督度量141

6.5 与分类比较143

6.6 本章小结144

习题144

第7章 异常检测146

7.1 预备知识147

7.1.1 异常的原因147

7.1.2 异常检测方法147

7.1.3 类标号的使用148

7.1.4 问题148

7.2 统计方法149

7.2.1 检测一元正态分布中的离群点150

7.2.2 多元正态分布的离群点150

7.2.3 异常检测的混合模型方法151

7.2.4 优点与缺点152

7.3 基于近邻度的离群点检测152

7.4 基于密度的离群点检测152

7.4.1 使用相对密度的离群点检测153

7.4.2 优点与缺点153

7.5 基于聚类的技术154

7.5.1 评估对象属于簇的程度154

7.5.2 离群点对初始聚类的影响155

7.5.3 使用簇的个数155

7.5.4 优点与缺点155

7.6 本章小结155

习题156

第8章 Web挖掘技术157

8.1 Web数据挖掘概述157

8.1.1 Web数据挖掘的概念157

8.1.2 Web数据挖掘的特点158

8.1.3 Web数据挖掘的处理流程158

8.1.4 Web数据挖掘与信息检索、信息抽取的区别159

8.2 Web数据挖掘分类160

8.2.1 Web内容挖掘概述160

8.2.2 Web结构挖掘概述161

8.2.3 Web使用挖掘概述161

8.3 Web内容挖掘162

8.3.1 特征提取和特征表示162

8.3.2 自动摘要163

8.3.3 文本分类163

8.3.4 文本聚类164

8.4 Web结构挖掘164

8.4.1 超链和页面内容的关系165

8.4.2 不同挖掘阶段的分析165

8.4.3 PageRank166

8.4.4 HITS172

8.4.5 两种算法的比较176

8.4.6 Web结构挖掘应用176

8.5 Web使用挖掘177

8.5.1 Web使用挖掘数据预处理177

8.5.2 Web使用挖掘模式发现180

8.5.3 Web使用挖掘模式分析183

8.5.4 Web使用挖掘模式应用183

8.6 本章小结185

习题185

第9章 RFID数据挖掘186

9.1 RFID数据挖掘的发展186

9.2 RFID数据挖掘的作用187

9.3 RFID数据分析的典型应用187

9.3.1 零售仓储188

9.3.2 通关检查189

9.3.3 运输管理189

9.3.4 医疗管理191

9.3.5 其他应用191

9.4 本章小结192

习题192

第10章 数据挖掘在电子商务中的应用193

10.1 电子商务中数据挖掘的发展状况193

10.2 电子商务中数据挖掘的特点195

10.2.1 电子商务中数据挖掘的数据源195

10.2.2 路径分析197

10.2.3 电子商务中数据挖掘的体系结构197

10.3 网站客户分群198

10.4 优化网站结构204

10.4.1 网站结构优化手段205

10.4.2 网站结构优化模型205

10.5 智能搜索引擎207

10.5.1 传统搜索引擎的特点207

10.5.2 智能搜索引擎的特点209

10.5.3 网络爬虫210

10.5.4 智能搜索引擎的技术与发展214

10.6 客户关系管理216

10.7 网络主动防御219

10.8 本章小结220

习题221

参考文献222