数据库与智能数据分析 技术、实践与应用【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

数据库与智能数据分析 技术、实践与应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

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 EDP14

2.1.2 MIS14

2.1.3 DSS14

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+SQL134

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OLAP161

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