面向物流企业数据在线分析挖掘及应用电子书籍txtpdf网盘下载网站

前言

　　数据挖掘的目的在于使用所发现的模式帮助解释当前的行为或预测未来的结果。数据挖掘技术涉及下列各方面：数据仓库及在线分析处理技术、数据预处理、挖掘工具选择、关联规则、分类和预测、聚类分析及时序和序列数据的挖掘。　　本书分为三个部分：　　第一部分：数据挖掘理论体系研究　　第一部分即本书前3章内容。介绍了数据挖掘的基本理论体系，对数据挖掘常用算法、数据仓库、在线分析处理等相关理论及应用进行了总体阐述，为本书的其余部分奠定理论基础。　　第二部分：数据挖掘过程阐述　　第二部分即第4～6章，针对数据挖掘过程的各个环节，如数据预处理、数据仓库的构建、报表的制作进行了必要的理论阐述，提供了详细的基于sQLserver2005软件环境的操作实例，并通过案例建立和检验数据挖掘过程。　　第三部分：数据挖掘实例设计与实现　　本书侧重研究在线分析处理和数据挖掘结合的在线分析挖掘及其多维可视化技术，本书第三部分即第7—9章通过三个综合案例着重研究数据挖掘算法、在线分析挖掘及其多维可视化技术在物流企业、制造业辅助决策方面的实际应用。　　第7章研究了基于关联规则的在线分析挖掘（OLAM）及其多维可视化的若干关键技术。基于某企业实际销售主题数据仓库，对产品销售的数据进行了序列关联分析并将其可视化，剖析了销售产品之间的关联规律，为企业的促销策略等决策支持提供依据。对产品销售额、订单量等交易数据通过多维度多层次的上卷、下钻、横切、纵切等在线分析，以可视化、可理解的方式剖析了深层的客户属性因素。

内容概要

本书对数据挖掘及联机分析理论体系进行了概述，通过案例示范了数据挖掘的各个环节，并结合物流企业的三个综合案例进行了数据挖掘及联机分析理论的系统设计和应用。全书共分9章，第1～3章介绍了数据挖掘的基本理论体系，对数据挖掘常用算法及相关理论的发展过程进行了总体阐述；第4～6章针对数据挖掘过程的各个环节进行了理论阐述，并通过案例建立和检验数据挖掘过程；第7～9章介绍了三个综合案例，设计并实现了一个联机客户分析挖掘系统，构建了一个面向SOA的数据挖掘服务平台，研究数据挖掘算法、联机分析挖掘及其多维可视化技术在物流企业、制造业辅助决策方面的实际应用。 本书可供从事物流工程、物流管理、制造业信息化、计算机应用等领域的相关高校师生参考，也适合对复杂海量信息处理有兴趣的专业技术研究人员使用。

书籍目录

前言第1章 数据挖掘原理 1*1 知识发现与数据挖掘 1*2 数据挖掘概论 1*2*1 数据挖掘的对象和任务 1*2*2 数据挖掘的应用 1*2*3 在线分析数据挖掘系统、软件工具 1*2*4 数据挖掘发展第2章 数据仓库、数据挖掘与OLAM 2*1 数据仓库 2*1*1 从数据库到数据仓库 2*1*2 数据仓库常用模型 2*1*3 MDX查询及分析 2*1*4 数据仓库建模工具 2*1*5 数据清洗 2*2 数据挖掘 2*2*1 从报表到数据挖掘 2*2*2 数据挖掘过程 2*2*3 数据挖掘的可视化技术 2*2*4 数据挖掘工具 2*3 OLAM 2*3*1 从OLTP到OLAP 2*3*2 从OLAP到OLAM 2*3*3 OLAM发展第3章 常用数据挖掘模型与算法 3*1 贝叶斯算法 3*1*1 贝叶斯算法原理 3*1*2 贝叶斯算法的应用 3*2 决策树 3*2*1 决策树算法 3*2*2 决策树方法的应用 3*3 神经网络 3*3*1 神经网络的原理 3*3*2 神经网络方法的应用 3*4 关联规则 3*4*1 关联规则的原理 3*4*2 关联规则方法的应用 3*5 聚类分析 3*5*1 聚类分析原理 3*6 时间序列 3*6*1 时间序列与时间序列分析 3*6*2 时间序列方法的应用 3*7 统计和可视化 3*7*1 统计 3*7*2 可视化第4章 实例一：物流信息系统源数据清洗实例 4*1 ETL在企业数据管理工作的重要性 4*1*1 ETL在企业数据平台中的作用 4*1*2 ETL工具需要解决的问题 4*2 SSIS功能 4*3 SSIS的体系结构 4*3*1 程序包 4*3*2 任务 4*3*3 数据源元素 4*3*4 数据源视图 4*4 SSIS程序包设计 4*4*1 控制流 4*4*2 Connection Manager 4*4*3 变量 4*4*4 数据流 4*4*5 Event Handler 4*4*6 Pkage Explorer ……第5章 实例二：多维数据仓库模型创建第6章 实例三：物流企业复合报表设计与制作实例第7章 实例四：物流企业销售OLAM实例第8章 实例五：OLAM在客户分析中的综合应用第9章 实例六：面向第三方物流企业的数据挖掘服务构建实例参考文献

章节摘录

　　第2章 数据仓库、数据挖掘与OLAM　　2*1 数据仓库　　2*1*1 从数据库到数据仓库　　人们对数据的处理需求可以分为两种类型，在线事务处理型（On*Hne Transtion Process，OLTP）和在线分析处理型（OLAP）。传统的数据库主要是面向OLTP，注重数据的计算、记录的插入、删除与修改，以及简单的查询和统计。它的主要任务是进行事务处理，所关注的是事务处理的及时性、完整性和正确性，而在数据的分析处理方面存在着严重的不足，主要表现在以下一些方面。　　首先是集成性的缺乏，业务数据库系统的条块与部门分割，导致数据分布的分散化与无序化。业务数据库缺乏统一的定义与规划，导致数据的定义存在歧义。其次是主题不明确，建立数据库的目的就是为了满足事务处理的需要，库和表的定义与设计完全以此为基础而进行，对于数据分析而言，这些库和表无疑缺少明确的主题。　　设计基于传统数据库的应用系统的核心准则，是要确保事务得到及时、准确的处理。因此，在业务数据库系统的构建过程中，除了库和表的精心设计之外，索引的建立、存储过程的优化等工作，也均以此为中心展开，这样虽然充分提高了事务处理的效率，但是数据分析处理的效率却无法得到保证。　　……

图书封面

评论、评分、阅读与下载

---

    面向物流企业数据在线分析挖掘及应用 PDF格式

---