数据挖掘是近年来伴随着人工智能和数据库技术的发展而出现的一门新兴技术。本书讨论数据挖掘理论与应用专题，包括数据挖掘和数据仓库简介、数据挖掘方法论、数据挖掘核心技术、联机分析处理、DM与CRM工具软件、21世纪的数据挖掘等内容。 本书可供信息技术、信息工程、信息管理、统计、电子商务、生物信息和计算分子生物学等相关科系及研究所学生作为教科书或参考书籍使用，也可作为统计信息软件公司、电子商务网络公司、设计/制造业、服务业(大型百货公司及超市)等相关行业的研发人员及客服中心人员的参考教材。 本书繁体字版书名为《资料采掘与OLAP理论与实务》，由文魁资讯股份有限公司出版，版权属林杰斌、刘明德和陈湘所有。本书简体字中文版由文魁资讯股份有限公司授权清华大学出版社独家出版。未经本书原版出版者和本书出版者书面许可，任何单位和个人均不得以任何形式或任何手段复制或传播本书的部分或全部内容。
第1章 数据挖掘简介 1
1.1 什么是数据挖掘 1
1.2 新世纪的统计科学 1
1.3 数据挖掘是掌握商机的命脉 2
1.4 点式行销 2
1.5 门户网站的信息挖掘法 3
1.6 尿布与啤酒 3
1.7 千禧年新问题：不缺信息缺知识 4
1.8 为客户量身定做 4
1.9 数据挖掘的数字物理学 5
第2章 数据仓库简介 7
2.1 配备数据仓库的产业优势 7
2.2 数据仓库系统 9
2.3 数据仓库的应用 10
2.4 数据仓库的定义 10
2.5 数据仓库的类型 11
2.6 数据筛选、过滤和转换工具简介 11
2.6.1 ECT处理过程 12
2.6.2 数据筛选、过滤和转换 的工具类型 12
2.6.3 3种工具类型的实例分析 13
2.7 传统数据库与数据仓库的比较 15
2.8 多维数据仓库中度量的建模 16
2.9 数据仓库的决策支持工具 17
2.9.1 前言 17
2.9.2 数据仓库与决策支持系统 18
2.9.3 决策支持工具分析比较 19
2.10 数据仓库的多维数据模型 22
2.11 数据仓库的执行策略 24
2.11.1 数据市集 24
2.11.2 元数据 24
2.11.3 数据仓库的执行策略 25
2.11.4 数据仓库系统的结构 30
2.11.5 结束语 31
2.12 企业财务管理辅助决策 31
2.12.1 引言 31
2.12.2 系统设计 31
2.12.3 系统执行 34
2.13 数据仓库环境下面向知识 的智能型查询 34
2.13.1 引言 34
2.13.2 KBIQ方法简介 35
2.13.3 类自然语言NQL 36
2.13.4 领域模糊知识库及 KBDL语言 37
2.13.5 KBIQ的特点及其 执行方式 39
2.14 数据仓库技术研究和应用 40
2.14.1 数据仓库概述 40
2.14.2 数据仓库中的联机 分析处理 41
2.14.3 数据挖掘 42
2.14.4 电力系统数据仓库 建议方案 42
2.15 数据仓库结构说明 44
2.16 专业顾问对于企业创建数据 仓库的重要性 45
2.17 面向数据仓库的GISOLAP 及其应用 46
2.17.1 引言 46
2.17.2 数据仓库的OLAP技术 46
2.17.3 GIS与GIS的组件化 47
2.17.4 GISOLAP 48
2.17.5 GISOLAP在PSGIS 中的应用 49
2.17.6 结论和意义 50
2.18 OLAP系统对面向查询结构的 用户浏览 51
2.18.1 引言 51
2.18.2 多维数据模型 51
2.18.3 OLAP系统用户 查询的结构 53
2.18.4 OLAP系统用户浏览 53
2.18.5 结束语 56
2.19 数据仓库的未来 56
第3章 数据挖掘方法论 58
3.1 数据挖掘的基本方法及其与 专家系统的差异 58
3.1.1 数据挖掘的任务 58
3.1.2 数据挖掘方法 59
3.1.3 关联规则挖掘举例 60
3.1.4 分类规则挖掘举例 62
3.1.5 数据挖掘与专家系统 的区别 64
3.2 知识发现 65
3.2.1 数据库知识发现系统及领域 知识在其中的功能 65
3.2.2 KDD中规划提取的收敛网络 方法及其应用 68
3.2.3 农业专家系统中知识发现的 遗传算法 72
3.3 关联规则 75
3.3.1 兴趣度——关联规则的又 一个门限值 76
3.3.2 数据库中加权关联 规则的发现 84
3.3.3 挖掘所关注规则的 多策略方法 91
3.4 粗糙集 96
3.4.1 通过粗糙集理论的 知识发现 96
3.4.2 一种面向粗糙集的属性化简 及其规则筛选方法 97
3.4.3 一种面向粗糙集的数据 过滤方法 103
3.4.4 一种面向粗糙集的默认规则 挖掘算法 107
3.4.5 RSL：面向粗糙集的 表示语言 111
3.4.6 面向粗糙集的 “数据浓缩” 118
3.4.7 粗糙集算子的决策规则及 数据挖掘中的软计算 124
3.5 运用数据挖掘方法来构造客户 的轮廓 129
第4章 数据挖掘核心技术 137
4.1 群集分析 137
4.1.1 PCCS部分群集分类： 一种快速的Web文件 群集方法 137
4.1.2 IR领域的文件群集研究 138
4.1.3 PCCS部分群集分类法 138
4.1.4 算法性能 144
4.1.5 结论 144
4.2 遗传算法 145
4.2.1 遗传程序设计方法综述 145
4.2.2 理论、技术和应用 145
4.2.3 结束语 154
第5章 联机信息分析处理 156
5.1 数据仓库前端用户接口的概念 说明OLAP/Data Mining 156
5.1.1 联机分析处理 156
5.1.2 数据挖掘 156
5.2 可视化数据挖掘技术及其应用 157
5.2.1 引言 157
5.2.2 方案设计 157
5.2.3 软件执行及应用 158
5.2.4 结束语 160
5.3 时间序列数据块的储存与 聚集计算 160
5.3.1 时序数据挖掘的 意义及难点 160
5.3.2 多维空间位置向量与一维 串行互换 161
5.3.3 数据块的储存方案 162
5.3.4 聚集计算 163
5.3.5 测试 165
5.4 OLAP研究及其在现代企业中 的应用 166
5.4.1 引言 166
5.4.2 从OLTP到OLAP 166
5.4.3 OLAP在现代企业 中的应用 166
5.4.4 结束语 170
5.5 一种面向企业资源规划的OLAP 的执行方法 170
5.5.1 引言 170
5.5.2 MOLAP ADT的储存结构 170
5.5.3 MOLAP ADT多维查询的
执行算法 172
5.5.4 结束语 174
第6章 DM与CRM工具软件 175
6.1 ERM 175
6.1.1 什么是ERM 175
6.1.2 为什么要引入ERM 175
6.1.3 ERM给予企业什么回报 175
6.2 哪些企业需要CRM 176
6.3 企业综合与转型：IBM WebSphere 产品系列 177
6.3.1 WebSphere解决方案介绍 178
6.3.2 发掘信息宝藏：IBM DB2 信息管理产品系列 179
6.3.3 DB2信息管理解决方案 产品介绍 180
6.4 数据仓库与挖掘系统DBMiner 的成功与不足 181
6.4.1 DBMiner的安装 181
6.4.2 建立数据仓库和 多维数据库 181
6.4.3 数据仓库可视化 浏览和查询 182
6.4.4 挖掘各种类型的知识 182
6.4.5 数据挖掘语言 184
6.4.6 DBMiner的成功之处 与特色 184
6.4.7 DBMiner目前版本的不足 184
6.5 多策略通用数据挖掘工具 MS Miner 185
6.5.1 引言 185
6.5.2 数据仓库 186
6.5.3 综合工具 187
6.5.4 元数据 190
6.5.5 结束语 191
6.6 NBA球场决策利器：IBM数据 挖掘软件 191
6.7 企业建立客服中心及CRM软件 192
第7章 21世纪的数据挖掘 194
7.1 联机文本挖掘 194
7.2 电子商务与网络数据挖掘 195
7.2.1 引言 195
7.2.2 电子商务中进行Web数据 挖掘的数据来源 195
7.2.3 电子商务中应用的数据 挖掘技术 196
7.2.4 在电子商务活动中的 几点应用 197
7.2.5 结论 199
7.3 WWW上的信息挖掘技术及执行 199
7.3.1 WWW上的信息挖掘 200
7.3.2 实例系统的设计与执行 202
7.3.3 结束语 205
7.4 如何精选挖掘文字的技巧 205
7.4.1 挖掘非结构性数据 206
7.4.2 群集技术 206
7.4.3 目录分类 207
7.4.4 数据检索 207
7.4.5 电子邮件的应用 208
7.4.6 文字挖掘的全球使用 209
7.5 网络文本挖掘技术 209
7.5.1 引言 209
7.5.2 Web挖掘与Web信息 检索 210
7.5.3 Web挖掘的任务 211
7.5.4 Web文本挖掘方法 214
7.5.5 Web文本挖掘系统原型 WebMiner 216
7.5.6 结束语 217
7.6 网络挖掘 217
7.6.1 引言 217
7.6.2 Web挖掘的分类 218
7.6.3 Web结构挖掘 220
7.6.4 Web使用记录的挖掘 222
7.6.5 多层次Web数据仓库 的建立与操作： MLDB与WEBML 225
7.6.6 结束语 228
7.7 数据挖掘技术在网络上的应用及 其工具设计 229
7.7.1 数据挖掘技术介绍 229
7.7.2 Web上的数据挖掘 230
7.7.3 Web上的数据挖掘的 执行和工具 231
7.7.4 结论 233
7.8 网络日志序列模式挖掘 233
7.8.1 引言 233
7.8.2 项目背景及相关工作 234
7.8.3 疑难及解决方案 235
7.8.4 SPMiner的设计 237
7.8.5 结论 239
7.9 路径群集：在网站中的知识发现 239
7.9.1 引言 239
7.9.2 识别客户查找业务 241
7.9.3 实验 242
7.9.4 结论和将来的工作 242
7.10 走向全球化的“商业智能” 243
7.11 数据挖掘九大注意事项 243
