第一篇 数据仓库技术

第一章 从数据库到数据仓库

1.1 数据仓库产生的原因

  1.1.1 操作型数据处理

  1.1.2 分析型数据处理

  1.1.3 两种数据处理模式的差别

  1.1.4 数据库系统的局限性

1.2 数据仓库的基本概念

  1.2.1 主题与面向主题

  1.2.2 数据仓库的其他三个特征

  1.2.3 数据仓库的功能

1.3 数据仓库的体系结构

  1.3.1 体系结构

  1.3.2 数据集市

小结

习题

第二章 操作数据存储

2.1 什么是ODS

  2.1.1 ODS的定义及特点

  2.1.2 ODS的功能和实现机制

2.2 DB～ODS～DW体系结构

  2.2.1 ODS与DW

  2.2.2 DB～ODS～DW三层体系结构

小结

习题

第三章 数据仓库中的数据及组织

3.1 数据仓库中的数据组织

3.2 数据仓库中数据的追加

3.3 数据仓库中的元数据

  3.3.1 元数据的定义

  3.3.2 元数据的分类

  3.3.3 元数据管理的标准化

小结

习题

第二篇 联机分析处理技术

第四章 概述及模型

4.1 OLAP技术概述

  4.1.1 OLAP的起源

  4.1.2 OLAP的定义

  4.1.3 OLAP与OLTP的区别

  4.1.4 OLAP核心技术

4.2 多维数据模型

  4.2.1 基本概念

  4.2.2 星形、雪片和事实群模型

4.3 多维分析操作

  4.3.1 多维分析基础：聚集

  4.3.2 常用多维分析操作

  4.3.3 其他多维分析操作

  4.3.4 聚集的一些限制

  4.3.5 水平层次结构和非水平层次结构

4.4 多维查询语言

  4.4.1 MDX简介

  4.4.2 MDX对象模型

4.5 多维数据展示

  4.5.1 三维数据展示

  4.5.2 高维数据展示

小结

习题

第五章 数据方体的存储、预计算和缩减

5.1 数据方体的存储

  5.1.1 MOLAP

  5.1.2 ROLAP

  5.1.3 MOLAP和ROLAP实现机制的比较

5.2 数据方体的预计算

  5.2.1 预计算的相关概念

  5.2.2 数据方体格结构

  5.2.3 数据方体格存储方法

5.3 完整数据方体的预计算方法

  5.3.1 流水线算法

  5.3.2 BUC算法

5.4 部分数据方体的预计算方法

  5.4.1 BPUS算法

  5.4.2 PBS算法

5.5 数据方体的缩减技术

  5.5.1 Drawf数据方体

  5.5.2 Condensed数据方体

  5.5.3 Quotient数据方体

小结

习题

第六章 数据方体的索引、查询和维护

6.1 数据方体的索引技术

  6.1.1 树索引

  6.1.2 位图索引

6.2 数据方体的查询处理和优化技术

  6.2.1 子查询划分技术

  6.2.2 子查询处理及优化技术

6.3 数据方体的维护技术

小结

习题

第三篇 数据挖掘技术

第七章 数据挖掘概述

7.1 数据挖掘简介

  7.1.1 数据挖掘的特点

  7.1.2 数据挖掘与KDD

  7.1.3 数据挖掘与OLAP

  7.1.4 数据挖掘与数据仓库

  7.1.5 数据挖掘的分类

  7.1.6 数据挖掘的应用

7.2 数据挖掘算法的组件化思想

  7.2.1 模型或模式结构

  7.2.2 数据挖掘的任务

  7.2.3 评分函数

  7.2.4 搜索和优化方法

  7.2.5 数据管理策略

  7.2.6 组件化思想的应用

小结

习题

第八章 频繁模式挖掘

8.1 频繁项集和关联规则

  8.1.1 问题描述

  8.1.2 关联规则分类

  8.1.3 关联规则挖掘的经典算法Apriori

  8.1.4 关联规则挖掘的重要算法FP—Growth

  8.1.5 其他关联规则挖掘方法

  8.1.6 关联规则的兴趣度

8.2 序列模式挖掘

  8.2.1 问题描述

  8.2.2 GSP算法

  8.2.3 PrefixSpan算法

8.3 频繁子图挖掘

  8.3.1 问题描述

  8.3.2 基于Apriori的宽度优先算法

  8.3.3 基于FP-Growth的深度优先

搜索算法

小结

习题

第九章 预测建模：分类和回归

9.1 预测建模简介

  9.1.1 预测的模型结构

  9.1.2 用于预测的评分函数

  9.1.3 用于预测的搜索和优化策略

9.2 决策树分类

  9.2.1 建树阶段

  9.2.2 剪枝阶段

  9.2.3 分类规则的生成

  9.2.4 可扩展性问题

  9.2.5 其他问题

9.3 贝叶斯分类

  9.3.1 基本概念

  9.3.2 朴素贝叶斯分类

9.4 支持向量机分类

  9.4.1 线性可分时的二元分类问题

  9.4.2 线性不可分时的二元分类问题

  9.4.3 多元分类问题

  9.4.4 可扩展性问题

9.5 人工神经网络分类

  9.5.1 神经网络的组成

  9.5.2 神经网络的分类方法

小结

习题

第十章 描述建模：聚类

10.1 聚类分析简介

  10.1.1 对象间的相似性

  10.1.2 其他相似性度量

10.2 聚类方法概述

  10.2.1 基于划分的聚类方法

  10.2.2 基于密度的聚类方法

  10.2.3 基于层次的聚类方法

  10.2.4.基于模型的聚类方法

  10.2.5 基于方格的聚类方法

小结

习题

附录产品与工具

附录A IBM数据仓库解决方案

附录B Oracle数据仓库解决方案

附录C Microsoft SQL Server 2005数据仓库解决方案

附录D Sybase数据仓库解决方案

附录E Group 1 Sagem介绍

附录F Informatica介绍

参考文献