第1章绪论              

  1．1数据挖掘的基础概念     

  1.1．1数据          

  1．1．2知识          

  1．1．3信息          

  1．1．4数据挖掘的定义      

  1．2数据挖掘与数据库的关系    

  1．2．1数据库简介        

  1．2．2数据挖掘与数据库     

  1．3数据挖掘的过程        

  1．4数据挖掘的体系结构      

  1．5数据挖掘在商务智能中的位置  

  1．6数据挖掘常见技术       

  1．7数据挖掘标准的发展      

  1．7．1预测模型标记语言PMML 

  1．7．2公共仓库元模型CWM   

  1．7．3跨行业数据挖掘标准流程CRIsP

  1．8习题             

第2章数据仓库与OLAP分析    

  2．1数据仓库           

  2．1．1数据仓库与数据挖掘的关系 

  2．1．2数据仓库的数据模型

  2．1．3元数据     

  2．2 ETL过程         

  2．2．1数据抽取        

  2．2．2数据转换         

  2．2．3数据加载        

  2．3联机分析处理OLAP    

  2．3．1  OLAP概念        

  2．3．2  OLAP的操作      

  2．3．3 OLAP多维数据分析  

  2．4习题            

第3章关联分析         

  3．1关联概述          

  3．2关联规则的定义       

  3．3。关联分析的过程       

  3．4关联分析的基本算法     

  3．5关联规则的分类       

  3．6关联分析的发展       

  3．7习题           

第4章分类分析   

  4．1分类概述         

4．2基于决策树的分类    

  4．2．1决策树的概念      

  4．2．2决策树的基本算法    

  4．2．3决策树修剪      

  4.  2．4决策树的改进      

  4．3分类分析的其他技术   

  4．3．1支持向量机     

  4．3．2贝叶斯网络   

  4．4习题

第5章聚类分析            

5．1，．聚类概述

5．2．相似性度量   

  5．2．1明氏(Minkowski)距离   

  5．2．2兰氏(Canberra)距离    

5．2．3马氏(Mahalanobj_s)距离 

5．3层次聚类法          

  5．3. 1．最短距离法         

  5．3．2最长距离法       

  5．3．3二元变量度量        

5．4 K一均值聚类算法

  5．5习题  

第6章数据挖掘的仿生技术    

6.1．人工神经网络         

  6.1.1人脑神经元与神经元模型  

6.1.2人工神经网络模型     

  6．1．3 BP网络的基本原理    

6．2，遗传算法

6．3．蚁群算法   

6．4习题  

第7章数据挖掘的集合论技术      

7．1粗糙集理论        

  7．1．1信息系统

  7．1．．2粗糙集

7．1．3属性约简  

7．2模糊集理论  

7．2．1 3次数学危机与模糊数学的诞生

  7．2．2模糊集合论的基础知识   

  7．2．3 A截集和支集

  7．2．4怎样度量模糊性        

  7．2．5模糊数学应用         

  7．3习题               

    第2篇实践篇

第8章数据挖掘工具           

8．1 SPSS工具            

8．2 WEKA工具            

    8．2．1 WEKA的背景         

    8．2．2 WEKA的功能         

    8．2．3 WEKA的使用          

  8．3 IBM Data MiFleE工具        

  8．4．MS SQLServei2008数据分析引擎   

  8．5  ETL工具Data Stage        

  8．5．1 Datastage过程理论       

  8．5．2 Datastage的并行机制      

8．6习题               

第9章关联分析在客户关系管理的应用   

9．1客户关系管理基本理论       

  9．1．1客户关系管理定义       

  9．1．2 RM中的客户类型       

  9．1.3  CRM系统体系理论       

  9．1.4数据挖掘在客户关系管理中的应用

  9．2  实例研究背景——Foodmart简介及DB分秽

  9．3购物数据的预处理         

  9．4数据集成与转换          

  9．5建立Foodmart公司购物篮分析模型 

  9．6 wEKA软件挖掘过程        

  9．7结果分析             

  9．8习题

第10章分类分析和聚类分析在客户关系管理的综合应用

 10．1 Foodmart DB客户数据分析         

10．2决策树分类算法数据准备           

  10．2．1数据的预处理              

  10．2．2数据集成与转换             

 10．3零售业客户决策树分类模型的建立       

  10．3．1聚类分析               

  10．3．2决策树分析              

  10．3．3挖掘模型及流程             

  10．4结果分析                  

  10．5习题                     

第11章机场场区商务智能系统解决方案       

11．1 OMC_I)MS需求分析             

11．2方案设计思路                

11．2．1 0MC商务智能的理念          

11．2．2 OMC数据挖掘系统            

11．3 OM(：数据挖掘系统的部署          

11．4应用数据挖掘的oMC_I)MS决策支持示例  

11．5 OMC_I)MS的职位需求            

11．6习题                   

参考文献                      

后记