商務(wù)智能方法與應(yīng)用（CIS 2011）

第Ⅰ部分 商務(wù)智能概念及過程
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
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)智能過程
2.1 商務(wù)智能系統(tǒng)的開發(fā)方法
2.1.1 商務(wù)智能系統(tǒng)的開發(fā)過程
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)庫與數(shù)據(jù)倉庫
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 頻繁項集的典型挖掘方法
3.2.1 逐層發(fā)現(xiàn)算法Apriori
3.2.2 無候選集發(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 決策樹分類方法
4.2.1 決策樹的構(gòu)建過程
4.2.2 屬性的類型及分裂條件
4.2.3 決策樹的剪枝
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 測試數(shù)據(jù)集的構(gòu)造
4.5.2 分類性能的度量指標
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
5.1 數(shù)值預(yù)測的概念
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 回歸樹與模型樹
5.3.1 模型樹的構(gòu)建
5.3.2 模型樹的剪枝
5.3.3 算法
5.4 k近鄰數(shù)值預(yù)測
5.5 預(yù)測誤差的度量
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)倉庫
8.1 數(shù)據(jù)倉庫的基本概念
8.2 數(shù)據(jù)倉庫的體系結(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)倉庫項目的開發(fā)
8.4.1 數(shù)據(jù)倉庫的開發(fā)模式
8.4.2 數(shù)據(jù)倉庫開發(fā)過程
練習(xí)題8
第9章 在線分析處理
9.1 在線分析處理簡介
9.2 多維數(shù)據(jù)模型中的層次設(shè)計
9.3 立方體的定義和計算
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 過程和結(jié)果可視化
10.4 積分卡和儀表盤
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)系營銷
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)同過濾
11.2.2 基于產(chǎn)品的協(xié)同過濾
11.2.3 基于內(nèi)容的推薦方法
11.3 意見挖掘
11.3.1 特征和意見的抽取
11.3.2 意見極性判斷
練習(xí)題11
第12章 商務(wù)智能系統(tǒng)
12.1 開源數(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)智能的社會影響與發(fā)展
14.1 商務(wù)智能中的隱私保護
14.2 移動商務(wù)智能
14.3 云商務(wù)智能
練習(xí)題14
參考文獻