目 录__eol__基 础 篇__eol__第1章 引言 003__eol__1.1 商务智能简介 004__eol__1.2 商务智能与信息社会 007__eol__1.2.1 信息技术提升信息社会发展水平 007__eol__1.2.2 商务智能是信息社会的产物 010__eol__1.2.3 商务智能是信息社会繁荣的推动力 011__eol__1.3 商务智能与企业管理 013__eol__1.3.1 商务智能在企业管理中的作用 013__eol__1.3.2 商务智能协助企业管理的方式 014__eol__1.3.3 商务智能的商业价值 015__eol__1.4 商务智能的方法 016__eol__1.5 商务智能的数据 019__eol__小结 020__eol__思考与练习 021__eol__第2章 商务智能应用 022__eol__2.1 制造领域应用 023__eol__2.2 金融领域应用 026__eol__2.3 通信领域应用 029__eol__2.4 生物和医药领域应用 031__eol__2.5 零售和营销领域应用 033__eol__2.6 移动商务应用 036__eol__2.7 社会化商务应用 037__eol__小结 039__eol__思考与练习 040__eol__第3章 商务智能过程 041__eol__3.1 数据库与事务处理 043__eol__3.1.1 数据库与数据库管理系统 043__eol__3.1.2 在线事务处理 044__eol__3.2 数据仓库与在线分析处理 045__eol__3.2.1 从事务处理到分析处理 045__eol__3.2.2 数据仓库 047__eol__3.3 企业知识发现 050__eol__3.3.1 OLAP与知识发现 051__eol__3.3.2 企业内部知识发现 052__eol__3.3.3 企业外部知识发现 052__eol__小结 054__eol__思考与练习 054__eol__第4章 数据平台 055__eol__4.1 数据处理技术演进 056__eol__4.2 数据仓库过程与体系结构 058__eol__4.3 数据集成、提取与转换 060__eol__4.3.1 数据提取 060__eol__4.3.2 数据转换 062__eol__4.3.3 数据加载 063__eol__4.3.4 ETL设计与开发 063__eol__4.4 数据仓库开发、管理与安全 064__eol__4.4.1 数据仓库开发模式 064__eol__4.4.2 数据仓库设计 066__eol__4.4.3 数据仓库的逻辑数据模型 068__eol__4.4.4 元数据 070__eol__4.4.5 数据仓库的安全 072__eol__4.5 分布式数据平台 074__eol__4.5.1 分布式数据平台概念 074__eol__4.5.2 分布式数据平台与功能组件 075__eol__4.6 云数据平台 078__eol__4.6.1 云数据平台概念 078__eol__4.6.2 云数据平台与商务智能 079__eol__小结 081__eol__思考与练习 081__eol__第5章 构建商务智能环境 083__eol__5.1 商务智能环境 084__eol__5.1.1 确定数据可用的能力 084__eol__5.1.2 数据挖掘的能力 085__eol__5.1.3 用户与系统交互的能力 085__eol__5.2 商务智能组织 086__eol__5.2.1 外包商务智能 088__eol__5.2.2 内给商务智能 089__eol__5.2.3 商务智能组织成员 090__eol__5.3 商务智能系统 090__eol__5.3.1 商务智能基础设施 090__eol__5.3.2 商务智能系统软件 091__eol__5.3.3 商务智能系统产品 094__eol__小结 096__eol__思考与练习 096__eol__方 法 篇__eol__第6章 数据预处理 099__eol__6.1 数据预处理简介 100__eol__6.1.1 数据预处理的原因 100__eol__6.1.2 数据预处理的目的 102__eol__6.1.3 数据预处理的方法 102__eol__6.2 数据清洗 103__eol__6.2.1 缺失数据处理 103__eol__6.2.2 噪声数据处理 105__eol__6.3 数据集成、规范与归纳 107__eol__6.3.1 数据集成处理 107__eol__6.3.2 数据规范化处理 108__eol__6.3.3 数据归纳处理 110__eol__6.4 数据消减 115__eol__6.4.1 数据冗余清除 115__eol__6.4.2 数据采样 116__eol__6.4.3 数据立方合计 117__eol__6.4.4 数据属性选取与生成 118__eol__6.4.5 数据压缩 120__eol__6.4.6 数据离散化与概念分层 121__eol__小结 124__eol__思考与练习 125__eol__第7章 关联规则 126__eol__7.1 关联规则简介 127__eol__7.2 关联规则挖掘方法 130__eol__7.3 关联规则兴趣性 133__eol__7.4 关联规则知识形式扩展 136__eol__7.4.1 广义关联规则 136__eol__7.4.2 数量关联规则 138__eol__7.4.3 时态关联规则 139__eol__7.5 简单关联规则 140__eol__小结 143__eol__思考与练习 144__eol__第8章 分类分析 145__eol__8.1 分类分析简介 146__eol__8.2 决策树分类 147__eol__8.2.1 决策树构建 148__eol__8.2.2 决策树剪枝 151__eol__8.3 贝叶斯分类 153__eol__8.3.1 贝叶斯定理 153__eol__8.3.2 简单贝叶斯分类器 153__eol__8.3.3 贝叶斯信念网络 155__eol__8.4 其他分类方法 157__eol__8.4.1 神经元网络分类 157__eol__8.4.2 支持向量机分类 157__eol__8.4.3 懒惰型分类器 158__eol__8.5 分类准确率 159__eol__8.5.1 分类准确率比较与评估 159__eol__8.5.2 提高分类器的准确率 164__eol__小结 165__eol__思考与练习 165__eol__第9章 聚类分析 167__eol__9.1 聚类分析简介 168__eol__9.2 相似度与距离测度 169__eol__9.3 聚类分析方法 172__eol__9.3.1 划分方法 172__eol__9.3.2 层次方法 173__eol__9.3.3 基于密度的方法 175__eol__9.3.4 基于网格的方法 175__eol__9.3.5 基于模型的方法 176__eol__9.4 k-means方法 176__eol__9.5 DBSCAN方法 179__eol__小结 184__eol__思考与练习 185__eol__第10章 社会网络分析 186__eol__10.1 社会网络的中心性 187__eol__10.1.1 度中心性 188__eol__10.1.2 贴近中心性 188__eol__10.1.3 中介中心性 189__eol__10.2 社会网络的权威 190__eol__10.2.1 度权威 190__eol__10.2.2 邻近权威 191__eol__10.2.3 等级权威 192__eol__10.3 引用社会网络 192__eol__10.3.1 同引分析 192__eol__10.3.2 引文耦合 193__eol__10.4 社会网络的链接分析 193__eol__10.4.1 PageRank算法 194__eol__10.4.2 HITS算法 196__eol__10.5 社会网络中的社区 198__eol__小结 199__eol__思考与练习 200__eol__第11章 概率图模型 201__eol__11.1 概率图模型简介 202__eol__11.2 朴素贝叶斯模型 203__eol__11.3 隐马尔可夫模型 205__eol__11.3.1 马尔可夫过程 205__eol__11.3.2 隐马尔可夫建模与处理 206__eol__11.4 高斯混合模型 209__eol__11.5 LDA模型 211__eol__小结 214__eol__思考与练习 215__eol__第12章 神经元网络 216__eol__12.1 神经元网络简介 217__eol__12.2 前馈神经元网络 218__eol__12.2.1 神经元 218__eol__12.2.2 激活函数 218__eol__12.2.3 前馈神经元网络 220__eol__12.3 卷积神经元网络 222__eol__12.3.1