本书主要内容涵盖了数据仓库和数据挖掘两大部分，数据仓库部分有数据仓库的概念与体系结构、数据、数据存储、OLAP与数据立方体；数据挖掘部分有关联挖掘、聚类分析、分类、神经网络、统计分析、知识图谱等。每一部分均介绍基本概念、理论基础、应用实例、思考习题，书中涉及的模型和算法均给予了相应的实例，便于读者更好的理解和使用模型。本书通过大量的计算实例增加学生对数据挖掘原理及其各种挖掘算法的理解深度，兼顾了应用型人才与学术型人才培养的需求，为学生真正架起了理论与实践的桥梁。

"钱育蓉（1980-），博士，教授，博士生导师，现任新疆大学软件学院党委委员、副院长，中国计算机学会高级会员。入选“天山英才”和“万人计划”后备人选，系国家级一流专业“软件工程”负责人、自治区一流课程“数据库原理与技术”负责人。从教十余年来为本科生讲授《文献检索与科技论文写作》、《数据库原理与技术》、《数字图像处理》、《计算机组成原理》等专业主干基础课程。近年来共主持参与各类教学改革项目6项，获得国家级、自治区教学成果3项，指导学生参加的各类创新创业活动获省级以上奖励8项。近年来主持了多项国家级、省部级和厅局级科研项目，科研经费累计达200多万元，已在国内外核心期刊发表论文五十余篇，获得28项软件著作权和两项发明专利授权。近年来担任《Mathematical Problems in Engineering》、《MultiMedia Tools and Applications》、《生物多样性》、《计算机工程》等国内外杂志及会议的专家审稿工作。"

前言 随着计算机和信息技术的迅猛发展，人类收集、存储和访问数据的能力大大增强，快速增长的海量数据集已经远远超出了人类的理解能力，传统的数据分析工具也显得力不从心。如何才能不被这些海量数据淹没，有效地组织这些数据，并且从中找出有价值的知识，帮助人类制定正确的决策？针对这一问题，数据仓库和数据挖掘技术应运而生，并且显示出强大的生命力。要将海量数据转换成为有用的信息和知识，首先要有效地收集和组织数据。数据仓库是良好的数据收集和组织工具，它的任务是搜集来自各个业务系统的有用数据，存放在一个集成的存储区内。在数据仓库丰富完整的数据基础上，数据挖掘技术可以从中挖掘出有价值的知识，从而帮助决策者正确决策。 本书是在总结近年来的教学实践经验基础上撰写的，共13章，主要内容包括数据仓库的概念与体系结构、数据、数据存储、OLAP与数据立方体、数据挖掘基础、关联规则算法、分类、统计分析、神经网络、聚类分析、非结构化数据挖掘、知识图谱、大数据挖掘算法。其中，前3章主要介绍数据仓库的基本概念和相关技术； 后面章节介绍当前流行的数据挖掘算法的主要思想和理论基础，介绍数据挖掘的基本概念和各种算法，并且给出丰富的应用实例。 本书的主要特点如下： (1) 内容讲解循序渐进、深入浅出，符合初学者学习的认识规律，易于读者学习和掌握。 (2) 对于实践性强的部分配有相关的实验题和实验指导，方便任课教师组织相关实验和学生练习。 (3) 每章后配有习题，帮助读者进一步巩固和掌握所学知识点。 (4) 教学资源丰富，本书提供教学课件、教学视频和实践教学平台。...