第一篇 导引 3
第1章 数据仓库概念与内涵 3
1.1数据仓库概念 3
1.1.1数据仓库的产生 4
1.1.2数据仓库应用实例：理解数据仓库的应用目标与作用 5
1.2数据仓库的四个基本特征 9
1.2.1数据仓库的数据是面向主题的 10
1.2.2数据仓库的数据是集成的 11
1.2.3数据仓库的数据是不可更新的 12
1.2.4数据仓库的数据是随时间不断变化的 13
1.3数据集市——部门级数据仓库 13
1.3.1自上而下构建数据集市 13
1.3.2自下而上构建数据集市 15
1.3.3自上而下与自下而上结合构建数据集市 16
习题 20
讨论题 20
第2章 数据挖掘概念与内涵 21
2.1数据挖掘概念 21
2.1.1数据挖掘的产生 22
2.1.2数据挖掘应用实例：理解数据挖掘的应用目标与作用 22
2.1.3数据挖掘的定义 26
2.2数据仓库与数据挖掘的关系 27
讨论题 27
第二篇 数据仓库 31
第3章 数据仓库的体系结构及其组成部分 31
3.1数据仓库的体系结构 31
3.2数据仓库的组成部分及其功能 32
3.2.1源数据部分 32
3.2.2数据准备部分 34
3.2.3数据存储部分 56
3.2.4信息传递部分 57
思考题 58
习题 58
讨论题 58
第4章 数据仓库数据的商业需求分析 60
4.1收集商业需求数据碰到的问题 60
4.2商业数据维度化分析 60
4.3商业维度实例分析 62
思考题 66
习题 66
第5章 数据仓库的维度建模 67
5.1维度建模基础 67
5.2星型模式及其查询的钻取 71
5.2.1星型模式维度表内容的特征 72
5.2.2星型模式事实表内容的特征 74
5.2.3星型模式的优势 76
5.3雪花型模式：对维度表的再处理 77
5.4聚集事实表：对关键指标的再处理 80
5.4.1理解事实表的数据量 81
5.4.2理解聚集事实表的作用 82
5.4.3对事实表进行聚集的三种方法 82
5.4.4聚集过程中相关问题讨论 85
思考题 87
习题 87
第6章 数据仓库中的联机分析处理——OLAP 88
6.1 OLAP的含义、规则与特征 88
6.1.1 OLAP的含义 89
6.1.2 OLAP的规则 89
6.1.3 OLAP的特征 91
6.2 OLAP的基本操作 92
6.2.1切片 92
6.2.2切块 93
6.2.3上钻与下钻 93
6.2. 46.24旋转 94
6.3 OLAP模型结构 95
6.3.1关系联机分析处理（ROLAP）结构 95
6.3.2多维联机分析处理（MOLAP）结构 95
6.3.3混合联机分析处理（HOLAP）结构 95
6.3.4桌面联机分析处理（DOLAP）结构 95
6.3.5客户联机分析处理（COLAP）结构 95
6.4典型OLAP模型的数据组织与应用 95
6.4.1 ROLAP的数据组织与应用 96
6.4.2 MOLAP的数据组织与应用 97
6.4.3 ROLAP与MOLAP的数据组织与应用比较 98
思考题 99
习题 100
讨论题 100
第7章 元数据 101
7.1数据仓库中元数据的重要性 102
7.1.1数据仓库的用户需要元数据 102
7.1.2数据仓库的开发者需要元数据 104
7.1.3数据仓库的管理员需要元数据 104
7.2关于数据仓库元数据的概念界定 105
7.3元数据的几种分类方法 106
7.3.1按用途对元数据进行分类 107
7.3.2按数据仓库功能区域划分的元数据分类 108
7.3.3按元数据的活动方式进行分类 110
7.4元数据的作用 111
7.5元数据管理的体系结构 112
7.5.1集中的方法 113
7.5.2分散的方法 115
7.5.3分布的方法 115
思考题 116
习题 116
讨论题 117
第三篇 数据挖掘 121
第8章 关联分析 121
8.1关联规则概念 121
8.1.1关联规则的支持度和置信度 121
8.1.2关联规则分类 124
8.2关联规则挖掘算法 125
8.2.1 Apriori算法 125
8.2.2强关联规则的有效性和可行性问题 133
习题 135
讨论题 136
第9章 神经网络算法 137
9.1神经网络概念 137
9.1.1神经网络原理 137
9.1.2人工神经网络 138
9.2人工神经网络模型 139
9.2.1感知器 139
9.2.2带隐层的人工神经网络 140
9.3前馈神经网络 141
9.3.1训练神经网络 141
9.3.2后向传播如何工作 145
9.3.3后向传播算法 148
9.4有关神经网络研究中应该关注的几个问题 149
9.4.1关于对神经网络的理解问题 149
9.4.2关于神经网络应用中数据准备的问题 150
9.4.3影响神经网络模型性能的部分因素 150
9.4.4学习神经网络，需要强调以下几个问题 151
习题 151
讨论题 151
第10章 决策树算法 152
10.1决策树分类概述 152
10.1.1决策树分类步骤 152
10.1.2决策树分类举例 153
10.2 ID3算法 158
10.2.1信息论基本原理 158
10.2.2 ID3算法的基本思想与实例 161
10.2.3 ID3算法应用中应该关注的几个问题 164
习题 165
讨论题 166
第11章 聚类分析 167
11.1聚类分析概述 167
11.1.1聚类分析中的数据类型 167
11.1.2聚类分析中相异度（相似性、差异度）测度方法 168
11.2聚类分析方法 174
11.2.1划分聚类方法 174
11.2.2基于密度的聚类方法 181
11.2.3聚类分析在数据挖掘应用中有待进一步研究的问题 185
习题 187
讨论题 188
第四篇 实验与工具 191
第12章 数据仓库实验与工具应用 191
第13章 神经网络建模实验与工具应用 225
第14章 决策树与关联分析实验与工具应用 236
参考文献 263