商務智慧型與數據挖掘(第2版)

基本介紹

  • 書名:商務智慧型與數據挖掘(第2版)
  • 作者:蔡曉妍、楊黎斌、張曉婷、李梅
  • ISBN:9787302486312
  • 定價:39.50元
  • 出版時間:2018.03.01
商務智慧型與數據挖掘(第2版)
作者:蔡曉妍、楊黎斌、張曉婷、李梅
定價:39.50元
印次:2-1
ISBN:9787302486312
出版日期:2018.03.01
印刷日期:2018.02.09
    商務智慧型與數據挖掘是近年來企業信息化的熱點研究內容。本書共分為9章,包括商務智慧型概述、商務智慧型中的核心技術、數據挖掘概述、分類分析、關聯分析、聚類分析、深度學習、Web挖掘技術、數據挖掘在電子商務中的套用等內容,它匯集了統計學、機器學習資料庫、人工智慧等學科,具有多學科交叉以及技術與管理融合等特點。
    目錄
    第1章商務智慧型概述
    1.1商務智慧型的概念
    1.1.1數據、信息與知識
    1.1.2商務智慧型的定義
    1.1.3商務智慧型的特點
    1.1.4商務智慧型的過程
    1.2商務智慧型的產生與發展
    1.2.1商務智慧型的產生和發展過程
    1.2.2商務智慧型與其他系統的關係
    1.3商務智慧型的研究內容
    1.4商務智慧型系統的支撐技術
    1.5商務智慧型系統框架及數據流程
    1.5.1商務智慧型系統框架
    1.5.2商務智慧型系統的數據流程
    1.6主流商務智慧型產品
    1.6.1主流商務智慧型產品簡介
    1.6.2商務智慧型的抉擇
    1.7商務智慧型的未來發展趨勢
    1.8商務智慧型的套用
    小結
    習題
    第2章商務智慧型中的核心技術
    2.1數據倉庫
    2.1.1數據倉庫的產生與發展
    2.1.2數據倉庫的概念與特徵
    2.1.3ETL
    2.1.4數據集市
    2.1.5數據倉庫的數據組織
    2.1.6數據倉庫的體系結構
    2.1.7數據倉庫的開發步驟
    2.2線上分析處理
    2.2.1OLAP簡介
    2.2.2OLAP的定義和相關概念
    2.2.3OLAP與OLTP的區別
    2.2.4OLAP的分類
    2.2.5OLAP多維數據分析
    2.3數據可視化
    2.3.1什麼是數據可視化
    2.3.2數據可視化的優勢
    2.3.3數據可視化工具
    小結
    習題
    第3章數據挖掘概述
    3.1數據挖掘的起源與發展
    3.1.1數據挖掘的起源
    3.1.2數據挖掘的發展
    3.2數據挖掘所要解決的問題
    3.3數據挖掘的定義
    3.4數據挖掘的過程
    3.5數據挖掘系統
    3.5.1數據挖掘系統的分類
    3.5.2數據挖掘系統的發展
    3.6數據挖掘的功能和方法
    3.6.1數據挖掘的功能
    3.6.2數據挖掘的方法
    3.7數據挖掘的典型套用領域
    3.8數據挖掘的發展趨勢
    小結
    習題
    第4章分類分析
    4.1預備知識
    4.2解決分類問題的一般方法
    4.3分類算法
    4.3.1貝葉斯分類器
    4.3.2貝葉斯信念網路
    4.3.3決策樹
    4.3.4支持向量機
    4.3.5粗糙集
    4.3.6其他分類算法
    4.4評估分類器的性能
    4.4.1保持方法
    4.4.2隨機二次抽樣
    4.4.3交叉驗證
    4.4.4自助法
    小結
    習題
    第5章關聯分析
    5.1引言
    5.2基本概念
    5.3關聯規則的種類
    5.4關聯規則的研究現狀
    5.5關聯規則挖掘算法
    5.5.1Apriori算法
    5.5.2Apriori改進算法
    5.5.3FP增長算法
    5.6改善關聯規則挖掘質量問題
    5.6.1用戶主觀層面
    5.6.2系統客觀層面
    5.7約束數據挖掘問題
    小結
    習題
    第6章聚類分析
    6.1聚類的概念
    6.1.1聚類概念及套用
    6.1.2聚類算法要求
    6.1.3聚類技術類型劃分
    6.2聚類分析的統計量
    6.2.1模型定義
    6.2.2相似性度量
    6.3常用聚類算法
    6.3.1k均值算法
    6.3.2kmedoids算法
    6.3.3凝聚層次聚類算法
    6.3.4DBSCAN算法
    6.3.5STING算法
    6.3.6CLIQUE算法
    6.4簇評估
    6.4.1概述
    6.4.2非監督簇評估:使用凝聚度和分離度
    6.4.3非監督簇評估:使用鄰近度矩陣
    6.4.4層次聚類的非監督評估
    6.4.5確定正確的簇個數
    6.4.6聚類趨勢
    6.4.7簇有效性的監督度量
    6.5聚類與分類比較
    小結
    習題
    第7章深度學習
    7.1深度學習的由來
    7.1.1深度學習的神經學啟示
    7.1.2淺層結構函式表示能力的局限性
    7.1.3特徵提取的需要
    7.2深度學習的經典方法
    7.2.1深度學習表示模型和網路結構
    7.2.2自動編碼器
    7.2.3受限玻爾茲曼機
    7.2.4卷積神經網路
    7.3深度學習的套用
    7.3.1深度學習在語音識別、合成及機器翻譯中的套用
    7.3.2深度學習在圖像分類及識別中的套用
    7.3.3深度學習在視頻分類及行為識別中的套用
    7.4深度學習的研究近況及未來研究方向
    7.4.1研究近況
    7.4.2未來研究方向
    小結
    習題
    第8章Web挖掘技術
    8.1Web數據挖掘概述
    8.1.1Web數據挖掘的概念
    8.1.2Web數據挖掘的特點
    8.1.3Web數據挖掘的處理流程
    8.1.4Web數據挖掘與信息檢索、信息抽取的區別
    8.2Web數據挖掘分類
    8.2.1Web內容挖掘概述
    8.2.2Web結構挖掘概述
    8.2.3Web使用挖掘概述
    8.3Web內容挖掘
    8.3.1特徵提取和特徵表示
    8.3.2自動摘要
    8.3.3文本分類
    8.3.4文本聚類
    8.4Web結構挖掘
    8.4.1超鏈和頁面內容的關係
    8.4.2不同挖掘階段的分析
    8.4.3PageRank
    8.4.4HITS
    8.4.5兩種算法的比較
    8.4.6Web結構挖掘套用
    8.5Web使用挖掘
    8.5.1Web使用挖掘數據預處理
    8.5.2Web使用挖掘模式發現
    8.5.3Web使用挖掘模式分析
    8.5.4Web使用挖掘模式套用
    小結
    習題
    第9章數據挖掘在電子商務中的套用
    9.1網站結構最佳化
    9.2智慧型搜尋引擎
    9.2.1網路機器人
    9.2.2文本分析
    9.2.3搜尋條件的獲取和分析
    9.2.4信息的搜尋和排序
    9.3移動商務智慧型
    9.4客戶關係管理
    9.4.1行銷
    9.4.2銷售
    9.4.3客戶服務
    9.4.4客戶保持
    9.4.5風險評估和欺詐識別
    9.5客戶分類
    9.5.1傳統的客戶分類理論
    9.5.2基於客戶行為的客戶分類
    9.5.3基於客戶生命周期的客戶分類
    9.5.4基於客戶生命周期價值的客戶分類
    小結
    習題
    參考文獻

    相關詞條

    熱門詞條

    聯絡我們