数据库与智能数据分析 技术、实践与应用PDF格式文档图书下载

第1章 数据库基础知识 1

1.1 概念 1

1.1.1 从文件系统到数据库系统 1

1.1.2 数据库系统 2

1.1.3 数据模型 3

1.1.4 数据库系统的体系结构 3

1.1.5 与数据库相关的人员 4

1.2 数据库发展 4

1.2.1 第一代：层次数据库和网状数据库 5

1.2.2 第二代：关系数据库 5

1.2.3 第三代：后关系数据库 6

1.2.4 数据库发展大事记 7

1.3.2 根据体系结构分类 8

1.3.1 根据数据模型分类 8

1.3 数据库分类 8

1.3.3 根据数据类型分类 9

1.4 数据库研究 11

1.4.1 数据库理论 11

1.4.2 数据模型 11

1.4.3 数据库语言 11

1.4.4 数据的安全性 12

第2章 数据库设计与数据建模 13

2.1 数据库应用系统 13

2.1.1 EDP 14

2.1.2 MIS 14

2.1.3 DSS 14

2.2 数据库设计 14

2.2.1 为什么要数据库设计 14

2.2.2 数据库设计的工作 16

2.2.3 数据库生命周期 17

2.2.4 数据库设计方法 18

2.3 数据需求分析与数据建模 19

2.3.1 什么是数据需求分析 19

2.3.2 数据需求分析与系统生命周期 19

第3章 ER模型及其建模 23

3.1 基本ER构造 23

3.1.1 实体 23

3.1.2 联系 24

3.1.3 属性 25

3.2 高级ER构造 26

3.2.1 泛化 27

3.2.2 汇集 28

3.3 建立ER模型 29

3.2.3 弱实体、存在依赖和标识依赖 29

3.3.1 需求分析与ER建模 31

3.3.2 区分实体和属性 31

3.3.3 找出汇集层次 32

3.3.4 找出泛化层次 33

3.3.5 找出弱实体 33

3.3.6 定义联系 34

3.3.7 建立ER模型的几点原则 35

3.4 视图集成 36

3.4.1 视图集成的基本问题 36

3.4.2 简单的视图集成 37

3.4.3 视图集成的基本步骤 38

3.4.4 举例 40

4.1 语义对象 42

4.1.1 定义 42

第4章 语义对象模型及其建模 42

4.1.2 属性 43

4.1.3 语义对象标识符 44

4.1.4 语义对象实例 45

4.1.5 语义对象视图 46

4.2 语义对象建模的过程 46

4.2.1 某大学管理数据库 47

4.2.2 描述语义对象 50

4.2.3 语义对象建模的步骤 52

4.3 数据分析与语义对象建模 52

4.3.1 简单语义对象 52

4.3.2 组合语义对象 53

4.3.3 复合语义对象 54

4.3.4 混合语义对象 56

4.3.5 关联语义对象 57

4.3.6 父／子类型语义对象 58

4.3.7 原型／版本语义对象 59

4.4 与相关概念的比较 60

4.4.1 面向对象的程序设计与语义对象 60

4.4.2 语义对象模型和ER模型的比较 61

第5章 关系数据库模式规范化 62

5.1 规范化 62

5.1.1 意义 62

5.1.2 泛关系假设 62

5.2 基本概念 63

5.2.1 投影与连接 63

5.2.2 函数依赖 64

5.2.3 Armstrong公理系统 65

5.2.4 闭包和投影 67

5.2.5 覆盖 68

5.2.6 范式 69

5.3 模式规范化 70

5.3.1 规范化的框架 70

5.3.2 无损连接分解 73

5.3.3 保持函数依赖的分解 74

5.4 规范化算法 74

5.4.1 计算属性闭包 74

5.4.2 计算投影 75

5.4.3 求最小覆盖 77

5.4.4 通用分解方法 78

5.4.5 3NF分解 80

5.4.6 BCNF分解 81

第6章 从数据模型到关系模式的转换 84

6.1 基本问题 84

6.2.1 转换方法 85

6.2 将ER模型转换到关系模式 85

6.2.2 转换样例 86

6.2.3 从ER图生成函数依赖 90

6.2.4 从需求说明书中产生函数依赖 91

6.3 将语义对象模型转换到关系模式 91

6.3.1 转换简单语义对象 91

6.3.2 转换组合语义对象 91

6.3.3 转换复合语义对象 92

6.3.4 转换混合语义对象 94

6.3.5 转换关联语义对象 95

6.3.6 转换父／子类语义对象 96

6.3.7 转换原型／版本语义对象 96

第7章 客户／服务器数据库设计 98

7.1 客户／服务器数据库 98

7.1.1 客户／服务器计算机网络 98

7.1.2 客户／服务器数据库 99

7.1.3 客户／服务器数据库环境 100

7.1.4 客户／服务器数据库应用的特点 104

7.1.5 说明 104

7.2 客户／服务器式的分析 105

7.2.1 基本分析模型 105

7.2.2 功能分析和数据分析 106

7.2.3 多级数据分析 107

7.2.4 ER集成 109

7.3 客户／服务器式的设计 109

7.3.1 存储过程与泛模式 109

7.3.2 泛模式下的功能设计 110

7.3.3 数据库设计 111

7.3.4 公共数据库与私有数据库 112

8.1.1 定义 113

8.1 知识库的定义 113

第8章 知识库系统 113

8.1.2 逻辑程序的语义 115

8.2 DATALOG语言 116

8.2.1 谓词 117

8.2.2 规则和程序 117

8.2.3 依赖图和递归 118

8.2.4 安全性 119

8.3 查询处理 119

8.3.1 计算非递归规则的语义 119

8.3.2 计算递归规则的语义 123

8.4 查询优化原理及算法 125

8.4.1 知识库查询的时间因素 126

8.4.2 Semi-Naive算法 127

8.4.3 Magic-Set算法 128

8.4.4 知识库查询的低效性 130

8.5.1 否定 131

8.5 DATALOG的扩充 131

8.5.2 函数 132

8.5.3 集合 132

8.5.4 其他 133

8.6 知识库系统和语言的发展 133

8.6.1 Prolog+SQL 134

8.6.2 DATALOG及其扩充 134

8.6.3 扩充的DATALOG＋过程语言 135

8.6.4 与面向对象数据库相结合 136

8.6.5 知识库系统的体系结构的演变 136

第9章 数据仓库 138

9.1 数据仓库的产生 138

9.1.1 信息分析处理与操作处理的区别 138

9.2 数据仓库概念及其特征 139

9.1.2 为什么需要单独创建一个数据仓库 139

9.2.1 数据仓库概念 140

9.2.2 数据仓库特征 140

9.2.3 数据仓库与OLTP数据库系统比较 141

9.3 数据仓库系统 142

9.3.1 数据仓库的结构、粒度与分割 142

9.3.2 数据仓库的数据组织形式 143

9.3.3 数据仓库体系化环境 145

9.3.4 数据仓库和数据集市 145

9.4 数据仓库体系结构 146

9.5 元数据 147

9.6 将数据抽取到数据仓库 148

9.6.1 提取 148

9.6.2 转换 148

9.7 操作型数据存储 149

9.6.5 数据汇总 149

9.6.3 数据清洗 149

9.6.4 数据加载 149

9.7.1 ODS的概念及其特点 150

9.7.2 DB、ODS和DW的比较 150

9.8 DBMS类型和数据仓库 150

9.9 数据仓库设计方法 151

9.9.1 DW系统设计与DB系统设计的不同 151

9.9.2 数据仓库的数据模型 152

9.9.3 数据仓库的创建方法 153

9.9.4 数据仓库的创建步骤 154

9.10 数据仓库的发展现状和趋势 157

10.1.1 OLAP起源 159

10.1.2 基本概念 159

10.1 OLAP发展背景 159

第10章 联机分析处理 159

10.1.3 什么是OLAP 161

10.1.4 OLAP特性 161

10.2 OLTP与OLAP的关系 162

10.3 多维数据模型 163

10.3.1 多维数据 163

10.3.2 多维数据结构 164

10.3.3 OLAP数据索引技术 166

10.3.4 OLAP Server分类 168

10.4 OLAP多维数据操作 169

10.4.1 切片和切块 169

10.4.2 钻取 170

10.4.3 旋转 170

10.5.1 ROLAP体系结构 172

10.5.2 MOLAP体系结构 172

10.5 OLAP三层体系结构 172

10.5.3 HOLAP体系结构 173

10.6 OLAP应用开发实例 173

10.6.1 ROLLUP操作 173

10.6.2 CUBE操作 175

10.7 流行的OLAP工具 176

10.7.1 OLAP评价准则 176

10.7.2 OLAP产品 178

第11章 数据挖掘 180

11.1 数据挖掘导论 180

11.1.1 数据挖掘的概念 180

11.1.2 数据挖掘的起源 180

11.1.3 数据挖掘与OLAP的区别与联系 181

11.2 数据预处理 182

11.1.4 数据挖掘流程 182

11.2.1 数据清理 183

11.2.2 数据集成 184

11.2.3 数据抽取与数据变换 185

11.2.4 数据归约 185

11.3 数据挖掘算法 188

11.3.1 概念描述：特征化与比较 188

11.3.2 关联规则挖掘 191

11.3.3 分类和预测 196

11.3.4 聚类分析 199

11.4 模式评价与知识表示 204

11.5 数据挖掘的应用 204

11.5.1 数据挖掘工具 204

11.5.2 数据挖掘商业模型及应用行业 205

参考书目 209

查看更多关于数据库与智能数据分析 技术、实践与应用的内容