为数据挖掘入门级教材，共分8章，主要内容分为三个专题：技术、数据和评估。技术专题包括决策树技术、K-means算法、关联分析技术、神经网络技术、回归分析技术、贝叶斯分析、凝聚聚类、概念分层聚类、混合模型聚类技术的EM算法、时间序列分析和基于Web的数据挖掘等常用的机器学习方法和统计技术。数据专题包括数据库中的知识发现处理模型和数据仓库及OLAP技术。评估专题包括利用检验集分类正确率和混淆矩阵，并结合检验集置信区间评估有指导学习模型，使用无指导聚类技术评估有指导模型，利用Lift和假设检验比较两个有指导学习模型，使用MS Excel 2010和经典的假设检验模型评估属性，使用簇质量度量方法和有指导学习技术评估无指导聚类模型。本书秉承教材风格，强调广度讲解。注重成熟模型和开源工具的使用，以提高学习者的应用能力为目标；

本书主要包括三部分内容，即误差和数据处理基础、试验设计方法与应用和计算机数据处理软件简介。从误差理论入手，分别介绍测量值与误差、偶然误差的分布、误差传递等误差理论中的内容，介绍统计检验、方差分析、回归分析和聚类分析等数据处理方法与应用，介绍提高分析化学准确度的方法及质量控制方法，介绍正交试验设计、多因素序贯试验设计、*化区组和拉丁方设计、析因设计、响应面设计方法与应用，后一章以较大篇幅对现时流行的大型统计软件之一SPSS（Statistical Product and Service Solutions）进行简要介绍，书末附有习题及常用的统计数表。 本书着重介绍基本概念和基本理论，并在此基础上结合专业特点，介绍了各种统计方法在化学化工、医药、环境检测、矿物加工等多方面的应用，本书把误差与数据处理、质量控制和实验设计作为重点。

本书侧重于信息管理中信息组织与处理的技术，全面而系统地介绍了数据仓库与数据挖掘的基本概念、基本方法和基本技术，以及数据仓库与数据挖掘的应用领域与*进展。全书共分10章，包括概论，数据仓库的技术与开发，数据仓库的管理，联机分析处理，SQLServer数据仓库的应用与开发，数据挖掘与知识发现，统计类数据挖掘技术，知识类数据挖掘技术，21世纪的数据挖掘技术，数据仓库与数据挖掘的综合应用等内容。为了便于学习，每一章都有提要和小结，并配有一定数量的习题，以帮助读者对基本内容的理解和掌握。本书深入浅出，阐述清晰、理论与实际并重，可作为高等院校信息管理与信息系统等专业本科生、研究生的教材。

本书是中国人民大学出版社出版的教材《统计数据分析基础教程（第二版）——基于SPSS 20和Excel 2010的调查数据分析》的配套辅导书。 由于本次修订对教材内容进行了更加适当的筛选，同时对例题和上机实验题进行了大幅更新，于是本同步配套辅导书也做了相应的修订。 本书以习题和上机实验指导的方式给出了教材中“思考题与上机实验题”的解答，以便帮助读者消化教材内容。本书包含10章的上机实验指导共32个。包括:*抽样、调查问卷制作、问卷数据的录入与清理、单选题的一维频率分析、两个单选题的交叉表分析、多选题的一维频率分析和交叉表分析、描述统计分析、假设检验、单因素方差分析、线性相关分 析与线性回归分析等。 本书可作为各级各类高等院校本科生统计数据分析的入门书，也可以作为MBA学生、研究生以及从事统计数据分析工作的人士

《数据库系统实现（英文版）（第2版）》是关于数据库系统实现方面内容最为全面的著作之一，是美国斯坦福大学计算机科学专业数据库系列课程第二门课程的指定教材。书中从数据库实现者的角度对数据库系统实现原理进行了深入阐述。并具体讨论了数据库管理系统的三个主要成分 存储管理器、查询处理器和事务管理器的实现技术。斯坦福大学计算机科学专业数据库系列课程门课程的内容包括数据库设计和数据库编程。《数据库系统实现（英文版）（第2版）》的后两位作者Jeffrey D.UIIman和Jennifer Widom为该课程编写的教材《数据库系统基础教程》（A First Course iDatabase Systems）第3版的中文翻译版和英文影印版已由机械工业出版社出版。 《数据库系统实现（英文版）（第2版）》内容深入且全面，技术实用且先进，叙述深入浅出，是一本难得的高层次的教材，适合作

本书以SQL Server分析服务为环境介绍数据仓库和数据挖掘应用技术，包括数据仓库和数据挖掘概述、OLAP和多维数据模型、数据仓库设计和SQL Server数据仓库开发实例、关联分析算法、决策树分类算法、贝叶斯分类算法、神经网络算法、回归分析算法、时间序列分析和聚类算法。本书内容翔实，循序渐进地介绍各个知识点，并提供全面而丰富的教学资源，可作为各类高等院校计算机及相关专业 数据仓库和数据挖掘应用技术 和 SQL Server高级应用 课程的教学用书，也适合计算机应用人员和计算机爱好者参考。

MongoDB是一种面向文档的分布式数据库，可扩展，表结构自由，并且支持丰富的查询语句和数据类型。时至今日，MongoDB以其灵活的数据存储方式逐渐成为IT行业非常流行的一种非关系型数据库（NoSql）。 本书从学习与实践者的视角出发，本着通俗精简、注重实践、突出精髓的原则，精准剖析了MongoDB的诸多概念和要点。全书共分4个部分，分别从基础知识、深入理解MongoDB、监控与管理MongoDB和应用实践几个维度详细地介绍了MongoDB的特点及应用实例。 本书适合有海量数据存储需求的人员、数据库管理开发人员、数据挖掘与分析人员以及各类基于数据库的应用开发人员。读者将从书中获得诸多实用的知识和开发技巧。

本书的知识架构是在培训了多届学员的基础上总结整理得来的，已经经过了实践的考验，证实了其科学性；本书当中的案例都为企业实际开发的案例，通过学习这些大量的实际案例，帮助学生在进入企业后可以很快融入大数据工作岗位。本书包括大数据概论、初识Hadoop、认识HDFS、HDFS的运行机制、访问HDFS、Hadoop I/O 详解、认识MapReduce编程模型、MapReduce应用编程开发、MapReduce的工作机制与YARN平台、MapReduce高级开发、MapReduce实例共11章内容。本书既可作为高等院校学习大数据技术的教材，亦可作为广大大数据技术学习者的入门用书。

本书介绍了数据仓库与数据挖掘技术的基本概念、基本原理、开发方法、开发工具、应用领域与管理方法等内容。全书共分为13章，包括数据仓库原理、数据仓库体系结构、数据仓库的开发工具、数据仓库规划分析方法、数据仓库开发实施方法、数据仓库应用管理方法、连机分析、数据挖掘基本原理、数据挖掘应用工具等内容。每章后都附有一定数量的习题，以帮助读者对全书的理解。

随着互联网及相应信息技术的广泛应用，标准信息检索也相应地发生变化，网络作为检索平台。信息化建社在文献管理中的作用越来越大，各级图书馆、档案馆、资料室等文献机构均需进行信息化建设，刘华所著的《标准信息挖掘——理论方法与应用》提供了具体的方法，介绍了标准文献的信息挖掘和信息处理的理论、方法、模型及其应用等。

本专著主要基于软件领域数据的特性和预测模型的不同应用场景，对软件缺陷预测前言的若干关键技术进行了研究和总结。主要内容包括迁移学 习环境下的缺陷预测技术，半监督环境下的缺陷预测技术，主动学习环境下的缺陷预测技术，基于核理论的缺陷预测技术，所应用的理论、 算法及应用成果的介绍和展示。

数据仓库与数据挖掘是决策支持的两项重要技术，它们共同的特点是都需要利用大量的数据资源，并从数据资源中提取信息和知识。由于数据资源丰富，因此数据仓库与数据挖掘的决策支持效果显著。 本书系统介绍数据仓库原理，联机分析处理，数据仓库设计与开发，数据仓库的决策支持，数据挖掘原理，基于信息论的决策树方法，基于集合论的粗糙集方法、k—均值聚类、关联规则挖掘，仿生物技术的神经网络，遗传算法，公式发现，知识挖掘，文本挖掘与web挖掘。 本书从数据仓库的兴起来说明决策支持的特点，从数据挖掘的理论基础来说明数据挖掘的方法，并通过实例来详细讲解。希望读者在学习之后，亲自在计算机上去实践，这样才能更有效地掌握数据挖掘的方法。

数据库技术是信息系统的一个核心技术。本书系统地讲述了数据库系统的基本原理及其应用。主要内容包括：数据库系统概述、关系模型、SQL语言、关系数据库理论、数据库安全与保护、数据库设计、SQL Server 2000数据库管理系统和Web数据库应用系统。 本书内容丰富、语言通俗易懂，注重理论与实践相结合，可作为高等院校计算机或相关专业数据库课程的教材。

本书首先介绍了大数据时代的特征，可以帮助你对大数据及其价值有一个概括性的了解和认识。其次，你将知道如何培养、挖掘、处理数据，使数据为自己创造更大价值。后，介绍了大数据在企业决策、运营管理、金融投资等方面的实际应用。内容简单实用，特别适合初级读者阅读。 大数据会作为一种资产存在，并将诞生一个万亿级别的交易市场。 大数据正以一种革命风暴的姿态引发全球关注。*马云指出， 互联网 已从 IT 时代到 DT （数字科技）时代，而 DT 是一个数据更充分流动的时代。而且未来大数据会作为一种资产存在，并将诞生一个万亿级别的交易市场。

随着数据库技术在工程领域中的广泛应用，对工程数据的后期分析和处理具有广泛的应用前景。本书以各类数据挖掘算法为核心，以智能数据分析技术的发展历程为主线，结合作者自身的研究和应用经验，详细阐述了数理统计、机器学习、软计算、关联挖掘和支持向量集等研究领域的成熟算法，并研究了各类方法在工业过程控制、水轮机调速智能监控、物流配送车辆路径优化等工程领域的实际应用，便于读者了解各种技术的应用对象、应用方法及应用效果。 本书内容丰富，论述简明，强调具体挖掘算法的分析和使用，力求实现数据挖掘技术从商业到工程领域应用的转变。可作为工科有关专业研究生和本、专科生的教学参考书，也可作为工程技术人员的自学读物。

本书着力于介绍数据挖掘基础知识、基本原理、常用算法，主要内容包括数据挖掘概述、数据的描述与可视化、数据的采集和预处理、数据的归约、关联规则挖掘、分类与预测、 非线性预测模型、聚类分析、深度学习简介、使用 Weka 进行数据挖掘。本书通俗易懂，注重基础知识、基本原理和基本方法，注重启发和引申，以培养学生独立思考和独立发现的能力。本书适合作为数据科学与大数据、信息管理、统计等专业的本科层次基础课教材，也可作为相关专业研究生层次的参考用书。

数据挖掘将数据转化为知识，是数据管理、信息处理领域研究、开发和应用的活跃的分支之一。本书全面地论述了数据挖掘领域的基本概念、基本原理和基本方法，内容包括数据挖掘领域的经典理论和前沿发展。全书共分14章，并含有1个附录。全面系统地介绍了数据挖掘的概念和过程、数据预处理技术；深入地叙述了各种数据挖掘技术，包括关联规则、决策树、聚类、基于样例的学习、贝叶斯学习、粗糙集、神经网络、遗传算法、统计分析；并讨论了数据挖掘的典型应用，如分类、文本和Web挖掘，以及数据挖掘的应用和发展趋势；并在第14章中给出了一个具体的商业智能解决方案实例。 通过本书的学习，读者可以对数据挖掘的整体结构、概念、原理、技术和发展有深入的了解和认识。 本书既可以作为相关专业的高年级本科生和研究生教材，也可作为数据挖掘领

本书由数据库设计原理和应用两部分组成。原理部分简明扼要地介绍了关系数据库设计实用的基本理论，包括数据模型、关系和关系设计完整性，并结合实例描述分析、设计数据库的过程；应用部分通过 PowerBuilder 数据库开发工具详细描述数据库系统的开发过程，具体介绍PowerBuilder 10．0开发环境的组成、Power Script语言、事件，对窗口、数据窗口、菜单等PowerBuilder对象的设计方法是结合“餐饮管理系统”进行说明的，在习题中留有一定的功能扩展空间。每章均附有习题，便于读者练习。 本书可作为高等专科学校、高等职业学校、中等职业学校、成人高校及本科院校举办的二级职业技术学院和民办高校的教材，也可供各类从事数据库系统开发的人员参考。

本书是一部关于现代数据库系统的基本原理与技术的教科书，本书突出了数据库和新技术的应用及教学的需要。在编写注重原理与技能的并重，传统与内容先进性实用内容并重以及课堂教学与实验并重，学生学后能掌握数据库的基本原理，熟练掌握一个数据库产品的操作并学会开发、设计与管理数据库的能力。 本书由16章构成，内容包括基本原理、基本操作、数据库设计及应用等，突出Web数据库交换等内容。本书各章均配有丰富的习题以及复习提纲，同时本书还附有实习指南供数据实验课之用。 本书结构清晰，概念准确，文字叙述简洁明了，既便于教师课堂讲授，又便于自学者阅读。 本书可作为普通高校计算机应用类及相关专业的本科“数据库课程”教材和教学参考书，同时也可作为数据库用开发人员的参考书。

这是一本讨论时下热门话题 大数据的书，生动活泼地阐释了晦涩艰深的统计学原理，条理清晰地告诉读者如何从数据中获取智慧。 全书分为8章，第1章概述了大数据时代统计学面临的机遇和挑战。第2、3章讲述了统计学在思想方法及数据表述上和大数据处理方法的异同；第4章介绍了对统计学影响深远的正态分布；第5章探讨了大数据时代统计推断是否失效；第6章重点从统计学视角讲述了大数据时代*热门的变量间的 相关性 问题；第7章以一种比较开放的态度讨论统计学中一些有意思又实用的话题；第8章探讨大数据能够给企业、用户及整个产业和社会带来什么价值。 拥有本书，不仅可以使读者感受数字的美感和哲学的智慧，还能够使读者掌握思辨的洞察力。更重要的是，拥有本书就相当于拥有了一种武器，数据驱动的思维模式将会使读者在生活、工作中受益匪浅。

该书基于通用的Excel、 SPSS工具， 加上必知必会的数据分析概念， 以图文并茂、 理论与实操相结合的方式， 按照CDA人才培养考核要求进行编写。全书分为6章， 分别为数据分析概述、 数据收集与导入、 数据的清洗与预处理、 数据可视化呈现、 基础数据分析、 综合分析。本书适合数据分析零基础群体读者阅读， 也可供大学生、 初入数据分析职场人员、 参与CDA考试的人员学习使用。

本书共12章，以信息的采集 、传输和处理为主线，主要包括计算机数据采集与 分析技术概述、数据采集信号分析基础、传感器技术、模/数转换器、数/模 转换器、数据采集系统常用电路、数据采集系统抗干扰技术、总线接口技术 、输入/输出接口技术、数据分析与处理、使用LabVIEW进行数据采集与分析 等内容。同时，《数据采集与分析技术(第二版)》在后以数字式血压仪为 例详细介绍了数据采集设备的软、硬件开发。《数据采集与分析技术(第二 版)》的例子均来源于工程实践， 简明实用，为读者提高动手实践能力提供 了良好的范例。 《数据采集与分析技术(第二版)》主要面向从事计算机数据采集与分析 的工程人员和希望学习相关技术的大专院校学生。

本书对数据挖掘的基本算法进行了系统介绍，每种算法不仅介绍了算法的基本原理，而且配有大量例题以及源代码，并对源代码进行了分析，这种理论和实践相结合的方式有助于读者较好地理解和掌握抽象的数据挖掘算法。全书共分11章，内容同时涵盖了数据预处理、关联规则挖掘算法、分类算法和聚类算法，具体章节包括绪论、数据预处理、关联规则挖掘、决策树分类算法、贝叶斯分类算法、人工神经网络算法、支持向量机、K means聚类算法、K 中心点聚类算法、神经网络聚类算法以及数据挖掘的发展等内容。本书可作为高等院校数据挖掘课程的教材，也可以作为从事数据挖掘工作以及其他相关工程技术工作人员的参考书。