商务智能与数据挖掘

1星价 ¥27.4 (7.2折)

2星价￥27.4 定价￥38.0

作者：张公让主编

出版社：北京大学出版社

本类榜单：计算机/网络

所属丛书： 21世纪全国应用型本科电子商务与信息管理系列实用规划教材

分类：计算机/网络 > 人工智能

暂无评论

图文详情

ISBN：9787301176719
装帧：暂无
册数：暂无
重量：暂无
开本：16开
页数：318页
出版时间：2010-08-01
条形码：9787301176719 ; 978-7-301-17671-9

本书特色

《商务智能与数据挖掘》特点：突出创造能力和创新意识。关注专业背景，拓宽理论基础、强调计算机应用与网络技术应用技能和专业知识，着眼于增强教学内容的实际和应用性。符合各学校专业课程设置要求。以高等教育的培养目标为依据，注重教材的科学性、实用性和通用性，准确定位教材在人才培养过程中的地位和作用，满足各院校教学需求。面向就业，突出应用。作者多为在电子商务与信息管理专业教学方面具有丰富经验的一线教师和研究人员，准确把握就业市场动向，注重培养学生实际操作能力。合理选材和编排。传统内容与现代内容合理融合，补充了大量新知识、新技术和新成果；遵循*新准则或规范，根据教学内容、学时、教学大纲的要求，突出重点和难点。侧重案例教学。对大量当前*新典型案例进行分析讲解，理论联系实际，通俗易懂。

第1章商务智能概论1.1 商务智能的概念1.1.1 数据、信息、知识与智慧1.1.2 商务智能的定义1.1.3 商务智能的功能1.1.4 商务智能的过程1.2 商务智能的产生与发展1.2.1 商务智能的产生和发展过程1.2.2 商务智能与其他系统的关系1.3 商务智能的体系结构和技术工具13.1 商务智能的架构体系1.3.2 商务智能的技术工具概述1.4 主流商务智能产品1.4.1 主流商务智能产品简介1.4.2 商务智能的抉择1.5 商务智能的未来发展趋势1.6 商务智能应用举例——Business Objects XI 3.0本章小结习题第2章商务智能中的核心技术2.1 数据仓库2.1.1 数据仓库的产生2.1.2 数据仓库的定义与特点2.1 .3数据仓库的几个重要概念2.1.4 数据仓库中的数据组织2.1.5 数据仓库基本架构及模型设计2.1.6 数据仓库的技术要求2.1.7 数据仓库和数据集市2.1.8 数据仓库的数据处理2.1.9 数据仓库的应用管理、维护和开发2.1.10 数据仓库的开发流程2.2 OLAP技术2.2.1 0LAP概况2.2.2 OLAP的定义和相关概念2.2.3 OLAP与OLTP2.2.4 OLAP系统结构2.2.5 OLAP多维数据分析本章小结习题第3章商务智能与知识管理3.1 知识管理概述3.1.1 知识管理的概念3.1.2 知识管理的本质和意义3.2 知识管理技术3.2.1 知识管理技术概述3.2.2 知识管理技术的划分3.3 知识管理系统3.3.1 知识管理系统的概念3.3.2 知识管理系统模型3.3 3知识管理系统的功能3.3.4 KMS和IMS3.4 知识管理与商务智能的关系3.4.1 知识管理和商务智能的不同点3.4.2 知识管理和商务智能的共同点3.4.3 知识管理与商务智能的密切联系3.4.4 知识管理与商务智能的整合3.5 商务智能环境下的企业知识管理3.5.1 企业知识管理3.5.2 基于数据挖掘的企业知识管理3.5 .3企业知识管理数据获得本章小结习题第4章商务智能的应用4.1 商务智能的应用领域4.2 商务智能国内外应用情况4.2.1 国外应用情况4.2.2 国内应用情况4.3商务智能在物流管理和决策中的应用4.3.1 商务智能在决策空间的地位4.3.2 商务智能和物流管理无缝联结4.3.3 面向物流管理的商务智能体系结构4.3.4 商务智能与物流管理的融合和特点4.3.5 基于商务智能的物流决策支持系统4.4 商务智能在客户关系管理中的应用4.4.1 客户关系管理概念4.4.2 客户关系管理结构4.4.3 客户关系管理与其他信息系统的关联4.4.4 商务智能与客户关系管理4.5 商务智能在商务过程中的应用4.5.1 商务过程的理论4.5.2 商务智能在商务过程中的实现4.5.3 商务过程信息模型改进研究4.5.4 商务流程优化4.6 商务智能在知识管理中的应用4.6.1 企业知识管理4.6.2 基于企业管理信息系统的知识管理4.6.3 知识获取中的来源分析及数据质量的保证4.6.4 知识发现（挖掘）的理论4.6.5 知识运用的范围研究4.6.6 商务智能中知识管理的评价4.6.7 建立商务智能中的知识评价方法4.7 商务智能在国内其他行业中的应用4.7.1 国家和行业方面4.7.2 企业方面4.7.3 软件方面4.7.4 管理咨询方面4.7.5 项目实施方面本章小结习题第5章数据挖掘基础5.1 数据挖掘的产生与发展5.2 数据挖掘的定义5.3数据挖掘过程5.4 数据挖掘系统5.4.1 数据挖掘系统的分类5.4.2 数据挖掘系统的发展5.5 数据挖掘的功能和方法5.5.1 数据挖掘的功能5.5.2 数据挖掘的方法5.6 数据挖掘的典型应用领域5.7 数据挖掘的发展趋势本章小结习题第6章数据挖掘的目的任务6.1 关联分析6.1.1 引言6.1.2 基本概念6.1.3 关联规则的种类6.1.4 关联规则的研究现状6.2 分类分析6.2.1 分类的定义6.2.2 样本测度6.2.3 相似性测度6.2.4 分类的方法6.3 聚类分析6.3.1 聚类的概念6.3.2 数据挖掘领域的聚类方法6.3 .3聚类算法的特点6.4 离群数据分析6.4.1 离群点检测方法6.4.2 离群数据的特点6.4..3 数据挖掘领域中的离群值分析算法6.5 序列模式分析6.5.1 时间序列6.5.2 时间序列分析6.5.3 空间数据分析6.6 分形模式分析6.6.1 分形的基本概念6.6.2 分形维概述6.6.3 R／S分析方法概述6.6.4 基于分形理论的数据挖掘技术本章小结习题第7章数据挖掘的技术方法7.1 决策树7.1.1 概述7.1.2 归纳学习中的知识表示7.1 .3决策树归纳学习7.1.4 关于决策树的深入讨论7.2 粗糙集7.2.1 粗糙集基本理论7.2.2 粗糙集概念的物理意义7.2.3 粗糙集理论的特点7.2.4 决策表达逻辑7.2.5 粗糙集的研究进展7.3 关联规则7.3.1 Apriori算法7.3.2 Apriori算法的改进7.3.3 FP-tree算法7.3.4 挖掘多层关联规则7.3.5 挖掘多维关联规则7.3.6 基于限制的关联规则挖掘7.4 神经网络方法7.4.1 前馈神经网络模型7.4.2 前馈神经网络的学习算法7.4.3FP及覆盖算法7.4.4 SVM及其学习算法7.5 基于案例推理7.5.1 CBR。的逻辑学基础7.5.2 CBR.智能技术7.5.3 相似性研究7.5.4 案例修正技术7.6 遗传算法7.6.1 遗传算法的主要特征7.6.2 遗传算法的基本原理7.6.3 遗传算法的关键问题及方法7.6.4 挖掘关联规则的遗传算法7.7 模糊技术7.7.1 模糊集基本概念7.7.2 模糊集合运算7.7.3 模糊度及模糊关系本章小结习题第8章 Web挖掘技术8.1 Web数据挖掘流程8.2 Web数据挖掘分类8.2.1 Web内容挖掘概述8.2.2 Web结构挖掘概述8.2.3 Web访问挖掘概述8.3 WUM挖掘过程8.3.1 WUM数据预处理8.3.2 WUM模式发现8.3.3 WUM模式分析8.3.4 WUM模式应用8.4 Web结构挖掘8.4.1 Web结构挖掘概述8.4.2 网络结构挖掘的两种算法及改进8.4.3 Web结构挖掘应用8.5 Web内容挖掘本章小结习题第9章数据挖掘在电子商务中的应用9.1 电子商务中数据挖掘的发展状况9.2 电子商务中数据挖掘的特点9.2.1 电子商务中数据挖掘的数据源9.2.2 路径分析9.2 .3电子商务中数据挖掘的体系结构9.3 网站客户分群9.4 优化网站结构9.4.1 网站结构优化手段9.4.2 网站结构优化模型9.5 智能搜索引擎9.5.1 传统搜索引擎的特点9.5.2 智能搜索引擎的特点9.5.3 网络爬虫9.5.4 智能搜索引擎的技术与发展9.6 客户关系管理9.6.1 粗糙集理论在CRM中的应用9.6.2 SOM神经网络在CRM中的应用9.7 网络主动防御本章小结习题参考文献

展开全部

节选

《商务智能与数据挖掘》内容简介：商务智能与数据挖掘是高等院校电子商务、信息管理等专业的课程，是近年来企业信息化的热点内容。《商务智能与数据挖掘》共分9章，包括商务智能概论、商务智能中的核心技术、商务智能与知识管理、商务智能的应用、数据挖掘基础、数据挖掘的目的任务、数据挖掘的技术方法、web挖掘技术、数据挖掘在电子商务中的应用等内容；汇集了统计学、机器学习、数据库、人工智能等内容，具有多学科交叉、技术与管理融合等特点。《商务智能与数据挖掘》在借鉴和吸收国内外同类著作的基础上，强调了理论与实践的结合；在归纳和总结商务智能的*新理论研究成果及行业*新发展动态的基础上，编写了相应的案例，以期反映国内外的商务智能实践经验，将*新的国际商务智能的相关内容和关键技术介绍给读者。《商务智能与数据挖掘》内容全面，案例新颖，每章附有教学目标与要求、习题，使学生能把握各章要点并且及时巩固所学知识。《商务智能与数据挖掘》适合电子商务、信息管理和管理科学等相关专业的本、专科的学生作为教材使用，也可作为一些企事业单位、政府部门、研究机构等从事商务智能理论研究工作的相关人员的学习参考书。

相关资料

插图：由于企业积累的这些海量的数据不仅没能给企业带来财富，相反却使得企业淹没于数据之中，形成一个个信息孤岛和数据坟墓。企业面临着由于数据库变得越来越庞大而带来的对数据管理的困难。如何充分利用这些数据，为企业的经营决策服务？这就需要一种合适的数据处理和数据分析工具。1.1.1 数据、信息、知识与智慧1.数据数据是用来记录、描述和识别事物的按一定规则排列组合的物理符号，是一组表示数量、行动和目标的非随机的可鉴别的符号，是客观事物的属性、数量、位置及其相互关系等的抽象表示，以适合于用人工或自然的方式进行保存、传递和处理。它既可以是数字、文字、图形、图像、声音或者味道，也可以是计算机代码。在计算机科学中，数据是指所有能输入到计算机中具有一定意义的数字、字母、符号和模拟量等并能够被计算机程序处理的符号的介质的总称，是计算机能够识别的二进制数的形式。数据本身是孤立的、互不关联的客观事实、文字、数字和符号，没有上下文和解释。数据表达的仅仅是一个描述，如19491001，我们只知道这是一个数字，或者可以看做日期，对于这个数字来说，它就是数字，不表示别的什么含义。数据用属性描述，属性也称变量、特征、字段或维。数据经过处理仍然是数据，只有经过解释，数据才有意义，才能成为信息。2.信息信息是指人们对数据进行系统地收集、整理、管理和分析的结果，是经过一系列的提炼、加工和集成后的数据。信息是对客观世界各种事物的特征的反映。数据是信息的符号表示，或称载体，数据不经加工只是一种原始材料，其价值只是在于记录了客观数据的事实。信息是数据的内涵，是对数据的解释。如对某先生来说，19491001可以是他的生日，也可以是中华人民共和国成立的日期。信息来源于数据，是对数据进行加工处理的产物，信息对决策或行动是有价值的，其价值在于人类认识世界和改造世界活动的现实意义。数据资料中所含信息量的多少是由消除对事物认识的不确定程度来决定的，数据资料所消除的人们认识上的不确定性的大小也就是数据资料中所含信息量的大小。3.知识所谓知识，就它反映的内容而言，是客观事物的属性与联系的反映，是客观世界在人脑中的相对正确的反映。就它反映的活动形式而言，有时表现为主体对事物的感性知觉或表象，属于感性知识，有时表现为关于事物的概念或规律，属于理性知识。知识是人们在实践活动中获得的关于世界的*本质的认识，是对信息的提炼、比较、挖掘、分析、概括、判断和推论。一般而言知识具有共享性、传递性、非损耗性（可以反复使用，其价值不会减小）及再生性等特点。

本类五星书