商務(wù)智能原理與方法

基礎(chǔ)篇
第1章 引言
1.1 商務(wù)智能簡介
1.2 商務(wù)智能與信息社會
1.2.1 商務(wù)智能是信息社會的產(chǎn)物
1.2.2 商務(wù)智能是信息社會繁榮的推動力
1.3 商務(wù)智能與企業(yè)管理
1.3.1 商務(wù)智能在企業(yè)管理中的作用
1.3.2 商務(wù)智能協(xié)助企業(yè)管理的方式
1.3.3 商務(wù)智能的商業(yè)價值
1.4 商務(wù)智能與數(shù)據(jù)挖掘
1.4.1 數(shù)據(jù)挖掘的概念
1.4.2 數(shù)據(jù)挖掘的特點
1.5 商務(wù)智能與新技術(shù)融合
1.6 小結(jié)
思考練習(xí)題
第2章 商務(wù)智能過程
2.1 數(shù)據(jù)庫與事務(wù)處理
2.1.1 數(shù)據(jù)庫與數(shù)據(jù)庫管理系統(tǒng)
2.1.2 在線事務(wù)處理
2.2 數(shù)據(jù)倉庫與在線分析處理
2.2.1 從事務(wù)處理到分析處理
2.2.2 數(shù)據(jù)倉庫
2.3 知識發(fā)現(xiàn)與可持續(xù)競爭優(yōu)勢
2.3.1 OLAP與知識發(fā)現(xiàn)
2.3.2 使用數(shù)據(jù)挖掘增強企業(yè)競爭優(yōu)勢
2.4 小結(jié)
思考練習(xí)題
第3章 數(shù)據(jù)倉庫
3.1 數(shù)據(jù)處理技術(shù)演進(jìn)
3.2 數(shù)據(jù)倉庫過程與體系結(jié)構(gòu)
3.3 數(shù)據(jù)集成、提取與轉(zhuǎn)換
3.3.1 數(shù)據(jù)提取
3.3.2 數(shù)據(jù)轉(zhuǎn)換
3.3.3 數(shù)據(jù)加載
3.3.4 ETL設(shè)計與開發(fā)
3.4 數(shù)據(jù)倉庫開發(fā)、管理與安全
3.4.1 數(shù)據(jù)倉庫開發(fā)模式
3.4.2 數(shù)據(jù)倉庫設(shè)計
3.4.3 數(shù)據(jù)倉庫的數(shù)據(jù)模型
3.4.4 元數(shù)據(jù)
3.4.5 數(shù)據(jù)倉庫的安全
3.5 小結(jié)
思考練習(xí)題
第4章 商務(wù)智能應(yīng)用
4.1 制造領(lǐng)域應(yīng)用
4.2 金融領(lǐng)域應(yīng)用
4.3 電信領(lǐng)域應(yīng)用
4.4 生物與醫(yī)藥領(lǐng)域應(yīng)用
4.5 零售與營銷領(lǐng)域應(yīng)用
4.6 Web應(yīng)用
4.7 商務(wù)智能系統(tǒng)與產(chǎn)品
4.7.1 商務(wù)智能解決方案系統(tǒng)結(jié)構(gòu)
4.7.2 商務(wù)智能系統(tǒng)產(chǎn)品
4.8 小結(jié)
思考練習(xí)題
第5章 構(gòu)建商務(wù)智能環(huán)境
5.1 商務(wù)智能環(huán)境
5.1.1 確定什么數(shù)據(jù)可用的能力
5.1.2 數(shù)據(jù)挖掘的能力
5.1.3 用戶-系統(tǒng)交互能力
5.2 商務(wù)智能組織
5.2.1 外包商務(wù)智能
5.2.2 內(nèi)給商務(wù)智能
5.2.3 商務(wù)智能組織成員
5.3 商務(wù)智能基礎(chǔ)設(shè)施
5.4 商務(wù)智能系統(tǒng)軟件
5.5 小結(jié)
思考練習(xí)題
方法篇
第6章 關(guān)聯(lián)規(guī)則
6.1 關(guān)聯(lián)規(guī)則簡介
6.2 關(guān)聯(lián)規(guī)則挖掘方法
6.3 關(guān)聯(lián)規(guī)則興趣性
6.4 關(guān)聯(lián)規(guī)則知識形式擴展
6.4.1 廣義關(guān)聯(lián)規(guī)則
6.4.2 數(shù)量關(guān)聯(lián)規(guī)則
6.5 簡單關(guān)聯(lián)規(guī)則
6.6 小結(jié)
思考練習(xí)題
第7章 分類分析
7.1 分類分析簡介
7.2 決策樹分類
7.2.1 決策樹構(gòu)建
7.2.2 決策樹剪枝
7.3 貝葉斯分類
7.3.1 貝葉斯定理
7.3.2 簡單貝葉斯分類器
7.3.3 貝葉斯信念網(wǎng)絡(luò)
7.4 其他分類方法
7.4.1 神經(jīng)元網(wǎng)絡(luò)分類
7.4.2 支持向量機分類
7.4.3 懶惰型分類器
7.5 分類準(zhǔn)確率
7.5.1 分類準(zhǔn)確率比較與評估
7.5.2 提高分類器的準(zhǔn)確率
7.6 小結(jié)
思考練習(xí)題
第8章 聚類分析
8.1 聚類分析簡介
8.2 相似度及距離測度
8.3 聚類分析方法
8.3.1 劃分方法
8.3.2 層次方法
8.3.3 基于密度的方法
8.3.4 基于網(wǎng)格的方法
8.3.5 基于模型的方法
8.4 k-means方法
8.5 DBSCAN方法
8.6 小結(jié)
思考練習(xí)題
第9章 概念描述
9.1 概念描述簡介
9.2 描述統(tǒng)計學(xué)方法
9.3 數(shù)據(jù)歸納
9.3.1 屬性概化
9.3.2 屬性消減
9.3.3 數(shù)據(jù)表示
9.4 數(shù)據(jù)對比
9.4.1 數(shù)據(jù)對比方法
9.4.2 數(shù)據(jù)對比表示
9.5 小結(jié)
思考練習(xí)題
第10章 數(shù)據(jù)預(yù)處理
10.1 數(shù)據(jù)預(yù)處理簡介
10.1.1 數(shù)據(jù)預(yù)處理的原因
10.1.2 數(shù)據(jù)預(yù)處理的目的
10.1.3 數(shù)據(jù)預(yù)處理的方法
10.2 數(shù)據(jù)清洗
10.2.1 缺失數(shù)據(jù)處理
10.2.2 噪聲數(shù)據(jù)處理
10.3 數(shù)據(jù)集成與規(guī)范
10.3.1 數(shù)據(jù)集成處理
10.3.2 數(shù)據(jù)規(guī)范處理
10.4 數(shù)據(jù)消減
10.4.1 清除冗余數(shù)據(jù)
10.4.2 采樣
10.4.3 數(shù)據(jù)立方合計
10.4.4 屬性選取與生成
10.4.5 數(shù)據(jù)壓縮
10.4.6 離散化與概念分層方法
10.5 小結(jié)
思考練習(xí)題
專題篇
第11章 時態(tài)模式
11.1 時態(tài)數(shù)據(jù)類型與模式
11.2 時態(tài)關(guān)聯(lián)規(guī)則
11.3 序列相似性
11.3.1 距離測度法
11.3.2 模式匹配法
11.4 時態(tài)關(guān)系模式
11.5 時態(tài)數(shù)據(jù)的表達(dá)與轉(zhuǎn)換
11.6 小結(jié)
思考練習(xí)題
第12章 關(guān)聯(lián)分類
12.1 生成分類關(guān)聯(lián)規(guī)則
12.2 分類關(guān)聯(lián)規(guī)則剪枝
12.2.1 后剪枝方法
12.2.2 先剪枝方法
12.3 構(gòu)建分類器
12.3.1 單一規(guī)則分類器
12.3.2 多規(guī)則分類器
12.4 混合型關(guān)聯(lián)分類
12.5 GARC方法解析
12.5.1 GARC思路與算法框架
12.5.2 數(shù)據(jù)實驗與方法比較
12.6 小結(jié)
思考練習(xí)題
第13章 不確定性知識發(fā)現(xiàn)
13.1 不確定性信息表達(dá)
13.2 分區(qū)中的邊界問題
13.3 數(shù)據(jù)間的部分隸屬性
13.4 不完整數(shù)據(jù)依賴
13.5 小結(jié)
思考練習(xí)題
第14章 復(fù)雜類型數(shù)據(jù)的挖掘
14.1 復(fù)雜類型數(shù)據(jù)
14.2 多維分析和描述性挖掘
14.3 空間數(shù)據(jù)挖掘
14.4 多媒體數(shù)據(jù)挖掘
14.5 文本數(shù)據(jù)挖掘
14.6 Web挖掘
14.7 小結(jié)
思考練習(xí)題
第15章 商務(wù)智能經(jīng)濟社會影響與發(fā)展
15.1 商務(wù)智能經(jīng)濟社會影響
15.1.1 “長尾”與“利基”市場
15.1.2 隱私與安全
15.2 商務(wù)智能的發(fā)展趨勢
15.2.1 商務(wù)智能技術(shù)標(biāo)準(zhǔn)
15.2.2 實時商務(wù)智能
15.2.3 移動商務(wù)智能
15.3 小結(jié)
思考練習(xí)題
參考文獻(xiàn)