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　商务智能概论1

1.1 商务智能的概念2

1.1.1　数据、信息、知识与智慧3

1.1.2　商务智能的定义5

1.1.3　商务智能的功能7

1.1.4　商务智能的过程7

1.2　商务智能的产生与发展8

1.2.1　商务智能的产生和发展过程8

1.2.2　商务智能与其他系统的关系9

1.3　商务智能的体系结构和技术工具12

1.3.1 商务智能的架构体系12

1.3.2　商务智能的技术工具概述15

1.4　主流商务智能产品16

1.4.1　主流商务智能产品简介17

1.4.2　商务智能的抉择18

1.5 商务智能的未来发展趋势19

1.6　商务智能应用举例——Business Objects XI 3.019

本章小结21

习题21

第2章　商务智能中的核心技术24

2.1 数据仓库26

2.1.1　数据仓库的产生26

2.1.2　数据仓库的定义与特点26

2.1.3　数据仓库的几个重要概念27

2.1.4　数据仓库中的数据组织29

2.1.5　数据仓库基本架构及模型设计29

2.1.6　数据仓库的技术要求32

2.1.7　数据仓库和数据集市33

2.1.8　数据仓库的数据处理34

2.1.9　数据仓库的应用管理、维护和开发35

2.1.10　数据仓库的开发流程36

2.2　OLAP技术37

2.2.1　OLAP概况37

2.2.2　OLAP的定义和相关概念38

2.2.3 OLAP与OLTP39

2.2.4 OLAP系统结构40

2.2.5 OLAP多维数据分析40

本章小结41

习题41

第3章　商务智能与知识管理43

3.1　知识管理概述45

3.1.1 知识管理的概念45

3.1.2　知识管理的本质和意义47

3.2　知识管理技术49

3.2.1 知识管理技术概述49

3.2.2　知识管理技术的划分50

3.3　知识管理系统53

3.3.1 知识管理系统的概念53

3.3.2　知识管理系统模型55

3.3.3　知识管理系统的功能56

3.3.4　KMS和IMS58

3.4　知识管理与商务智能的关系61

3.4.1 知识管理和商务智能的不同点61

3.4.2　知识管理和商务智能的共同点63

3.4.3　知识管理与商务智能的密切联系64

3.4.4　知识管理与商务智能的整合65

3.5　商务智能环境下的企业知识管理67

3.5.1 企业知识管理67

3.5.2　基于数据挖掘的企业知识管理69

3.5.3　企业知识管理数据获得70

本章小结71

习题72

第4章　商务智能的应用73

4.1 商务智能的应用领域74

4.2　商务智能国内外应用情况75

4.2.1 国外应用情况75

4.2.2 国内应用情况76

4.3　商务智能在物流管理和决策中的应用77

4.3.1 商务智能在决策空间的地位77

4.3.2　商务智能和物流管理无缝联结78

4.3.3　面向物流管理的商务智能体系结构79

4.3.4　商务智能与物流管理的融合和特点80

4.3.5　基于商务智能的物流决策支持系统81

4.4　商务智能在客户关系管理中的应用85

4.4.1 客户关系管理概念85

4.4.2　客户关系管理结构85

4.4.3　客户关系管理与其他信息系统的关联86

4.4.4　商务智能与客户关系管理89

4.5　商务智能在商务过程中的应用91

4.5.1 商务过程的理论91

4.5.2　商务智能在商务过程中的实现91

4.5.3　商务过程信息模型改进研究94

4.5.4　商务流程优化96

4.6　商务智能在知识管理中的应用97

4.6.1　企业知识管理97

4.6.2　基于企业管理信息系统的知识管理98

4.6.3 知识获取中的来源分析及数据质量的保证99

4.6.4　知识发现（挖掘）的理论100

4.6.5　知识运用的范围研究101

4.6.6　商务智能中知识管理的评价103

4.6.7　建立商务智能中的知识评价方法107

4.7　商务智能在国内其他行业中的应用111

4.7.1 国家和行业方面111

4.7.2　企业方面111

4.7.3　软件方面112

4.7.4　管理咨询方面113

4.7.5　项目实施方面113

本章小结114

习题114

第5章　数据挖掘基础116

5.1 数据挖掘的产生与发展117

5.2　数据挖掘的定义118

5.3　数据挖掘过程119

5.4　数据挖掘系统121

5.4.1　数据挖掘系统的分类121

5.4.2　数据挖掘系统的发展122

5.5　数据挖掘的功能和方法123

5.5.1 数据挖掘的功能123

5.5.2　数据挖掘的方法125

5.6　数据挖掘的典型应用领域127

5.7　数据挖掘的发展趋势130

本章小结132

习题133

第6章　数据挖掘的目的任务134

6.1 关联分析135

6.1.1 引言136

6.1.2　基本概念137

6.1.3　关联规则的种类138

6.1.4　关联规则的研究现状138

6.2 分类分析139

6.2.1　分类的定义139

6.2.2　样本测度141

6.2.3　相似性测度141

6.2.4　分类的方法143

6.3 聚类分析144

6.3.1　聚类的概念144

6.3.2　数据挖掘领域的聚类方法145

6.3.3　聚类算法的特点147

6.4　离群数据分析148

6.4.1 离群点检测方法149

6.4.2　离群数据的特点153

6.4.3　数据挖掘领域中的离群值分析算法154

6.5　序列模式分析155

6.5.1　时间序列155

6.5.2　时间序列分析156

6.5.3　空间数据分析159

6.6　分形模式分析162

6.6.1　分形的基本概念162

6.6.2　分形维概述163

6.6.3　R/S分析方法概述164

6.6.4　基于分形理论的数据挖掘技术166

本章小结167

习题168

第7章　数据挖掘的技术方法170

7.1 决策树171

7.1.1　概述172

7.1.2　归纳学习中的知识表示173

7.1.3　决策树归纳学习174

7.1.4　关于决策树的深入讨论180

7.2　粗糙集182

7.2.1　粗糙集基本理论182

7.2.2　粗糙集概念的物理意义185

7.2.3　粗糙集理论的特点187

7.2.4　决策表达逻辑189

7.2.5　粗糙集的研究进展192

7.3　关联规则194

7.3.1 Apriori算法194

7.3.2　Apriori算法的改进196

7.3.3 FP-tree算法198

7.3.4　挖掘多层关联规则200

7.3.5　挖掘多维关联规则201

7.3.6　基于限制的关联规则挖掘204

7.4　神经网络方法205

7.4.1 前馈神经网络模型205

7.4.2　前馈神经网络的学习算法207

7.4.3　FP及覆盖算法211

7.4.4　SVM及其学习算法216

7.5　基于案例推理220

7.5.1　CBR的逻辑学基础220

7.5.2　CBR智能技术222

7.5.3　相似性研究226

7.5.4　案例修正技术228

7.6　遗传算法230

7.6.1　遗传算法的主要特征230

7.6.2　遗传算法的基本原理234

7.6.3　遗传算法的关键问题及方法236

7.6.4　挖掘关联规则的遗传算法241

7.7　模糊技术242

7.7.1　模糊集基本概念242

7.7.2　模糊集合运算246

7.7.3　模糊度及模糊关系246

本章小结249

习题250

第8章　Web挖掘技术252

8.1 Web数据挖掘流程253

8.2 Web数据挖掘分类254

8.2.1 Web内容挖掘概述255

8.2.2 Web结构挖掘概述256

8.2.3 Web访问挖掘概述256

8.3 WUM挖掘过程257

8.3.1 WUM数据预处理257

8.3.2 WUM模式发现261

8.3.3 WUM模式分析263

8.3.4 WUM模式应用263

8.4 Web结构挖掘265

8.4.1 Web结构挖掘概述265

8.4.2 网络结构挖掘的两种算法及改进267

8.4.3 Web结构挖掘应用272

8.5 Web内容挖掘272

本章小结274

习题275

第9章 数据挖掘在电子商务中的应用277

9.1 电子商务中数据挖掘的发展状况278

9.2 电子商务中数据挖掘的特点281

9.2.1 电子商务中数据挖掘的数据源281

9.2.2 路径分析283

9.2.3 电子商务中数据挖掘的体系结构283

9.3 网站客户分群284

9.4　优化网站结构292

9.4.1 网站结构优化手段293

9.4.2　网站结构优化模型294

9.5　智能搜索引擎296

9.5.1　传统搜索引擎的特点297

9.5.2　智能搜索引擎的特点298

9.5.3　网络爬虫300

9.5.4　智能搜索引擎的技术与发展303

9.6　客户关系管理307

9.6.1　粗糙集理论在CRM中的应用307

9.6.2 SOM神经网络在CRM中的应用310

9.7　网络主动防御312

本章小结314

习题314

参考文献316