商務(wù)智能方法與應(yīng)用（CIS 2011）

定　價(jià)：￥25.00

作　者：	劉紅巖著，陳國(guó)青編
出版社：	清華大學(xué)出版社
叢編項(xiàng)：	中國(guó)高等院校信息系統(tǒng)學(xué)科課程體系規(guī)劃教材
標(biāo)　簽：	暫缺

購(gòu)買(mǎi)這本書(shū)可以去

ISBN：	9787302310099	出版時(shí)間：	2013-05-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	196	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　商務(wù)智能是從大量數(shù)據(jù)中發(fā)現(xiàn)隱含的知識(shí)，輔助管理人員做出科學(xué)決策的方法、系統(tǒng)和應(yīng)用?！吨袊?guó)高等院校信息系統(tǒng)學(xué)科課程體系（CIS2011）規(guī)劃教材：商務(wù)智能方法與應(yīng)用》主要介紹商務(wù)智能的基本概念、主要功能、系統(tǒng)架構(gòu)，以及數(shù)據(jù)分析和數(shù)據(jù)管理的主要方法和技術(shù)。全書(shū)內(nèi)容分為5個(gè)部分，分別介紹了數(shù)據(jù)倉(cāng)庫(kù)、在線分析處理以及數(shù)據(jù)挖掘的建模、分析和評(píng)價(jià)方法，涵蓋多維數(shù)據(jù)模型的建模、多維分析方法以及各種知識(shí)發(fā)現(xiàn)方法（包括關(guān)聯(lián)分析、分類、聚類、數(shù)值預(yù)測(cè)、序列模式挖掘、社會(huì)網(wǎng)絡(luò)分析、數(shù)據(jù)流數(shù)據(jù)挖掘、多關(guān)系數(shù)據(jù)挖掘以及協(xié)同過(guò)濾和意見(jiàn)挖掘等）；通過(guò)案例介紹了商務(wù)智能系統(tǒng)的應(yīng)用；還介紹了常用軟件系統(tǒng)及其使用方法，并對(duì)商務(wù)智能對(duì)社會(huì)的影響和未來(lái)發(fā)展進(jìn)行了分析和展望?！吨袊?guó)高等院校信息系統(tǒng)學(xué)科課程體系（CIS2011）規(guī)劃教材：商務(wù)智能方法與應(yīng)用》內(nèi)容具體、新穎、豐富、易于理解，反映了商務(wù)智能的最新發(fā)展趨勢(shì)，適合作為信息管理、計(jì)算機(jī)應(yīng)用、電子商務(wù)以及管理專業(yè)本科生和碩士生的教材，也可以作為數(shù)據(jù)分析人員的參考資料。

作者簡(jiǎn)介

暫缺《商務(wù)智能方法與應(yīng)用（CIS 2011）》作者簡(jiǎn)介

圖書(shū)目錄

第Ⅰ部分商務(wù)智能概念及過(guò)程
第1章導(dǎo)言
1.1 商務(wù)智能的基本概念
1.1.1 數(shù)據(jù)
1.1.2 信息和知識(shí)
1.2 商務(wù)智能的系統(tǒng)構(gòu)成
1.3 商務(wù)智能的發(fā)展歷史
練習(xí)題1
第2章商務(wù)智能過(guò)程
2.1 商務(wù)智能系統(tǒng)的開(kāi)發(fā)方法
2.1.1 商務(wù)智能系統(tǒng)的開(kāi)發(fā)過(guò)程
2.1.2 商務(wù)智能系統(tǒng)成功的關(guān)鍵因素
2.2 數(shù)據(jù)庫(kù)與數(shù)據(jù)倉(cāng)庫(kù)
2.3 在線分析處理與在線事務(wù)處理
2.4 商務(wù)智能與決策支持系統(tǒng)
練習(xí)題2
第Ⅱ部分商務(wù)智能方法
第3章關(guān)聯(lián)分析
3.1 頻繁模式與關(guān)聯(lián)規(guī)則
3.2 頻繁項(xiàng)集的典型挖掘方法
3.2.1 逐層發(fā)現(xiàn)算法Apriori
3.2.2 無(wú)候選集發(fā)現(xiàn)算法FP-growth
3.3 關(guān)聯(lián)規(guī)則的生成方法
3.4 關(guān)聯(lián)規(guī)則的其他類型
3.4.1 多層次關(guān)聯(lián)規(guī)則
3.4.2 負(fù)模式
3.4.3 結(jié)構(gòu)化數(shù)據(jù)中的關(guān)聯(lián)分析
3.5 關(guān)聯(lián)規(guī)則的興趣度的其他度量
練習(xí)題3
第4章分類
4.1 分類的概念
4.2 決策樹(shù)分類方法
4.2.1 決策樹(shù)的構(gòu)建過(guò)程
4.2.2 屬性的類型及分裂條件
4.2.3 決策樹(shù)的剪枝
4.3 樸素貝葉斯分類
4.4 k近鄰分類
4.5 分類性能的度量方法
4.5.1 測(cè)試數(shù)據(jù)集的構(gòu)造
4.5.2 分類性能的度量指標(biāo)
4.5.3 不同分類模型的比較
練習(xí)題4
第5章數(shù)值預(yù)測(cè)
5.1 數(shù)值預(yù)測(cè)的概念
5.2 回歸方法
5.2.1 一元線性回歸
5.2.2 多元線性回歸
5.2.3 非線性回歸
5.3 回歸樹(shù)與模型樹(shù)
5.3.1 模型樹(shù)的構(gòu)建
5.3.2 模型樹(shù)的剪枝
5.3.3 算法
5.4 k近鄰數(shù)值預(yù)測(cè)
5.5 預(yù)測(cè)誤差的度量
練習(xí)題5
第6章聚類分析
6.1 概述
6.1.1 聚類的概念
6.1.2 聚類方法分類
6.2 相似度衡量方法
6.2.1 數(shù)據(jù)類型
6.2.2 基于內(nèi)容的相似度衡量
6.2.3 基于鏈接的相似度衡量
6.3 k均值聚類法
6.4 層次聚類方法
6.5 DBSCAN方法
6.6 聚類效果衡量方法
練習(xí)題6
第Ⅲ部分基礎(chǔ)技術(shù)
第7章數(shù)據(jù)預(yù)處理
7.1 數(shù)據(jù)預(yù)處理的原因和任務(wù)
7.2 數(shù)據(jù)規(guī)范化
7.3 數(shù)據(jù)離散化
7.3.1 分箱離散化
7.3.2 基于熵的離散化
7.3.3 離散化方法ChiMerge
7.4 數(shù)據(jù)清洗
7.5 特征提取與特征選擇
7.5.1 特征選擇
7.5.2 特征提取
練習(xí)題7
第8章數(shù)據(jù)倉(cāng)庫(kù)
8.1 數(shù)據(jù)倉(cāng)庫(kù)的基本概念
8.2 數(shù)據(jù)倉(cāng)庫(kù)的體系結(jié)構(gòu)
8.3 多維數(shù)據(jù)模型
8.3.1 多維數(shù)據(jù)模型的概念
8.3.2 多維數(shù)據(jù)模型的構(gòu)建方法
8.4 數(shù)據(jù)倉(cāng)庫(kù)項(xiàng)目的開(kāi)發(fā)
8.4.1 數(shù)據(jù)倉(cāng)庫(kù)的開(kāi)發(fā)模式
8.4.2 數(shù)據(jù)倉(cāng)庫(kù)開(kāi)發(fā)過(guò)程
練習(xí)題8
第9章在線分析處理
9.1 在線分析處理簡(jiǎn)介
9.2 多維數(shù)據(jù)模型中的層次設(shè)計(jì)
9.3 立方體的定義和計(jì)算
9.4 OLAP的多維數(shù)據(jù)分析
練習(xí)題9
第10章商務(wù)智能可視化
10.1 商務(wù)智能可視化的類型
10.2 數(shù)據(jù)可視化
10.3 過(guò)程和結(jié)果可視化
10.4 積分卡和儀表盤(pán)
練習(xí)題10
第Ⅳ部分應(yīng)用與系統(tǒng)
第11章商務(wù)智能應(yīng)用
11.1 商務(wù)智能應(yīng)用領(lǐng)域
11.1.1 關(guān)系營(yíng)銷(xiāo)
11.1.2 生產(chǎn)管理
11.2 推薦系統(tǒng)
11.2.1 基于用戶的協(xié)同過(guò)濾
11.2.2 基于產(chǎn)品的協(xié)同過(guò)濾
11.2.3 基于內(nèi)容的推薦方法
11.3 意見(jiàn)挖掘
11.3.1 特征和意見(jiàn)的抽取
11.3.2 意見(jiàn)極性判斷
練習(xí)題11
第12章商務(wù)智能系統(tǒng)
12.1 開(kāi)源數(shù)據(jù)挖掘軟件
12.1.1 概述
12.1.2 Weka
12.2 商品化的商務(wù)智能系統(tǒng)
練習(xí)題12
第Ⅴ部分深度應(yīng)用與發(fā)展
第13章復(fù)雜數(shù)據(jù)的商務(wù)智能分析方法
13.1 序列模式挖掘
13.1.1 序列模式的定義
13.1.2 序列模式挖掘算法
13.2 社會(huì)網(wǎng)絡(luò)分析
13.2.1 中心度分析
13.2.2 鏈接分析
13.3 數(shù)據(jù)流數(shù)據(jù)挖掘
13.4 多關(guān)系數(shù)據(jù)挖掘
練習(xí)題13
第14章商務(wù)智能的社會(huì)影響與發(fā)展
14.1 商務(wù)智能中的隱私保護(hù)
14.2 移動(dòng)商務(wù)智能
14.3 云商務(wù)智能
練習(xí)題14
參考文獻(xiàn)