具体描述
21世纪，随着科学技术的突飞猛进和知识经济的迅速发展，世界将发生深刻变化，国际间的竞争日趋激烈，高层次人才的教育正面临空前的发展机遇与巨大挑战。
研究生教育是教育结构中高层次的教育，肩负着为国家现代化建设培养高素质、高层次创造性人才的重任，是我国增强综合国力、增强国际竞争力的重要支撑。为了提高研究生的培养质量和研究生教学的整体水平，必须加强研究生的教材建设，更新教学内容，把创新能力和创新精神的培养放到突出位置上，必须建立适应新的教学和科研要求的有复旦特色的研究生教学用书。“21世纪复旦大学研究生教学用书”正是为适应这一新形势而编辑出版的。“21世纪复旦大学研究生教学用书”分文科、理科和医科三大类，主要出版硕士研究生学位基础课和学位专业课的教材，同时酌情出版一些使用面广、质量较高的选修课及博士研究生学位基础课教材。这些教材除可作为相关学科的研究生教学用书外，还可以供有关学者和人员参考。
收入“21世纪复旦大学研究生教学用书”的教材，大都是作者在编写成讲义后，经过多年教学实践、反复修改后才定稿的。这些作者大都治学严谨，教学实践经验丰富，教学效果也比较显著。由于我们对编辑工作尚缺乏经验，不足之处，敬请读者指正，以便我们在将来再版时加以更正和提高。
目 录
第1章 数据库基础知识
1.1 概念
1.1.1 从文件系统到数据库系统
1.1.2 数据库系统
1.1.3 数据模型
1.1.4 数据库系统的体系结构
1.1.5 与数据库相关的人员
1.2 数据库发展
1.2.1 第一代:层次数据库和网状数据库
1.2.2 第二代:关系数据库
1.2.3 第三代:后关系数据库
1.2.4 数据库发展大事记
1.3 数据库分类
1.3.1 根据数据模型分类
1.3.2 根据体系结构分类
1.3.3 根据数据类型分类
1.4 数据库研究
1.4.1 数据库理论
1.4.2 数据模型
1.4.3 数据库语言
1.4.4 数据的安全性
第2章 数据库设计与数据建模
2.1 数据库应用系统
2.1.1 EDP
2.1.2 MIS
2.1.3 DSS
2.2 数据库设计
2.2.1 为什么要数据库设计
2.2.2 数据库设计的工作
2.2.3 数据库生命周期
2.2.4 数据库设计方法
2.3 数据需求分析与数据建模
2.3.1 什么是数据需求分析
2.3.2 数据需求分析与系统生命周期
第3章 ER模型及其建模
3.1 基本ER构造
3.1.1 实体
3.1.2 联系
3.1.3 属性
3.2 高级ER构造
3.2.1 泛化
3.2.2 汇集
3.2.3 弱实体、存在依赖和标识依赖
3.3 建立ER模型
3.3.1 需求分析与ER建模
3.3.2 区分实体和属性
3.3.3 找出汇集层次
3.3.4 找出泛化层次
3.3.5 找出弱实体
3.3.6 定义联系
3.3.7 建立ER模型的几点原则
3.4 视图集成
3.4.1 视图集成的基本问题
3.4.2 简单的视图集成
3.4.3 视图集成的基本步骤
3.4.4 举例
第4章 语义对象模型及其建模
4.1 语义对象
4.1.1 定义
4.1.2 属性
4.1.3 语义对象标识符
4.1.4 语义对象实例
4.1.5 语义对象视图
4.2 语义对象建模的过程
4.2.1 某大学管理数据库
4.2.2 描述语义对象
4.2.3 语义对象建模的步骤
4.3 数据分析与语义对象建模
4.3.1 简单语义对象
4.3.2 组合语义对象
4.3.3 复合语义对象
4.3.4 混合语义对象
4.3.5 关联语义对象
4.3.6 父/子类型语义对象
4.3.7 原型/版本语义对象
4.4 与相关概念的比较
4.4.1 面向对象的程序设计与语义对象
4.4.2 语义对象模型和ER模型的比较
第5章 关系数据库模式规范化
5.1 规范化
5.1.1 意义
5.1.2 泛关系假设
5.2 基本概念
5.2.1 投影与连接
5.2.2 函数依赖
5.2.3 Armstrong公理系统
5.2.4 闭包和投影
5.2.5 覆盖
5.2.6 范式
5.3 模式规范化
5.3.1 规范化的框架
5.3.2 无损连接分解
5.3.3 保持函数依赖的分解
5.4 规范化算法
5.4.1 计算属性闭包
5.4.2 计算投影
5.4.3 求最小覆盖
5.4.4 通用分解方法
5.4.5 3NF分解
5.4.6 BCNF分解
第6章 从数据模型到关系模式的转换
6.1 基本问题
6.2 将ER模型转换到关系模式
6.2.1 转换方法
6.2.2 转换样例
6.2.3 从ER图生成函数依赖
6.2.4 从需求说明书中产生函数依赖
6.3 将语义对象模型转换到关系模式
6.3.1 转换简单语义对象
6.3.2 转换组合语义对象
6.3.3 转换复合语义对象
6.3.4 转换混合语义对象
6.3.5 转换关联语义对象
6.3.6 转换父/子类语义对象
6.3.7 转换原型/版本语义对象
第7章 客户/服务器数据库设计
7.1 客户/服务器数据库
7.1.1 客户/服务器计算机网络
7.1.2 客户/服务器数据库
7.1.3 客户/服务器数据库环境
7.1.4 客户/服务器数据库应用的特点
7.1.5 说明
7.2 客户/服务器式的分析
7.2.1 基本分析模型
7.2.2 功能分析和数据分析
7.2.3 多级数据分析
7.2.4 ER集成
7.3 客户/服务器式的设计
7.3.1 存储过程与泛模式
7.3.2 泛模式下的功能设计
7.3.3 数据库设计
7.3.4 公共数据库与私有数据库
第8章 知识库系统
8.1 知识库的定义
8.1.1 定义
8.1.2 逻辑程序的语义
8.2 DATALOG语言
8.2.1 谓词
8.2.2 规则和程序
8.2.3 依赖图和递归
8.2.4 安全性
8.3 查询处理
8.3.1 计算非递归规则的语义
8.3.2 计算递归规则的语义
8.4 查询优化原理及算法
8.4.1 知识库查询的时间因素
8.4.2 SemiˉNaive算法
8.4.3 MagicˉSet算法
8.4.4 知识库查询的低效性
8.5 DATALOG的扩充
8.5.1 否定
8.5.2 函数
8.5.3 集合
8.5.4 其他
8.6 知识库系统和语言的发展
8.6.1 Prolog+SQL
8.6.2 DATALOG及其扩充
8.6.3 扩充的DATALOG+过程语言
8.6.4 与面向对象数据库相结合
8.6.5 知识库系统的体系结构的演变
第9章 数据仓库
9.1 数据仓库的产生
9.1.1 信息分析处理与操作处理的区别
9.1.2 为什么需要单独创建一个数据仓库
9.2 数据仓库概念及其特征
9.2.1 数据仓库概念
9.2.2 数据仓库特征
9.2.3 数据仓库与OLTP数据库系统比较
9.3 数据仓库系统
9.3.1 数据仓库的结构、粒度与分割
9.3.2 数据仓库的数据组织形式
9.3.3 数据仓库体系化环境
9.3.4 数据仓库和数据集市
9.4 数据仓库体系结构
9.5 元数据
9.6 将数据抽取到数据仓库
9.6.1 提取
9.6.2 转换
9.6.3 数据清洗
9.6.4 数据加载
9.6.5 数据汇总
9.7 操作型数据存储 1499.7.1 ODS的概念及其特点
9.7.2 DB、ODS和DW的比较
9.8 DBMS类型和数据仓库
9.9 数据仓库设计方法
9.9.1 DW系统设计与DB系统设计的不同
9.9.2 数据仓库的数据模型
9.9.3 数据仓库的创建方法
9.9.4 数据仓库的创建步骤
9.10 数据仓库的发展现状和趋势
第10章 联机分析处理
10.1 OLAP发展背景
10.1.1 OLAP起源
10.1.2 基本概念
10.1.3 什么是OLAP
10.1.4 OLAP特性
10.2 OLTP与OLAP的关系
10.3 多维数据模型
10.3.1 多维数据
10.3.2 多维数据结构
10.3.3 OLAP数据索引技术
10.3.4 OLAP Server分类
10.4 OLAP多维数据操作
10.4.1 切片和切块
10.4.2 钻取
10.4.3 旋转
10.5 OLAP三层体系结构
10.5.1 ROLAP体系结构
10.5.2 MOLAP体系结构
10.5.3 HOLAP体系结构
10.6 OLAP应用开发实例
10.6.1 ROLLUP操作
10.6.2 CUBE操作
10.7 流行的OLAP工具
10.7.1 OLAP评价准则
10.7.2 OLAP产品
第11章 数据挖掘
11.1 数据挖掘导论
11.1.1 数据挖掘的概念
11.1.2 数据挖掘的起源
11.1.3 数据挖掘与OLAP的区别与联系
11.1.4 数据挖掘流程
11.2 数据预处理
11.2.1 数据清理
11.2.2 数据集成
11.2.3 数据抽取与数据变换
11.2.4 数据归约
11.3 数据挖掘算法
11.3.1 概念描述:特征化与比较
11.3.2 关联规则挖掘
11.3.3 分类和预测
11.3.4 聚类分析
11.4 模式评价与知识表示
11.5 数据挖掘的应用
11.5.1 数据挖掘工具
11.5.2 数据挖掘商业模型及应用行业
参考书目
作者简介
施伯乐，复旦大学教授:
1936年2月生，浙江吴兴人。1953年考入复旦大学数学系，56年转入北京大学计算数学专业学习，1957年毕业于北京大学，回复旦大学数学系工作。
1975年在复旦大学计算机系工作，1980年提为副教授，1985年提为正教授，同年任系主任至1996年（三届）。1990年评为国家有突出贡献的中青年专家。
现任复旦大学计算机研究所所长，上海（国际）数据库研究中心主任，中国计算机学会常务理事，数据库专业委员会副主任，上海市计算机学会理事长，教育部教学指导委员会副主任。在科研方面，主要从事数据库和知识库的研究。目前指导的博士生11名，硕士生13名，博士后两名，多次参加国际会议，在国家权威杂志上发表论文70多篇。1985年获国家科技进步贰等奖，1992年获光华贰等奖，1986，1987,1988,1991,1994,1997,1999，2000年八次获上海市科技进步贰等奖，1998年获上海市科技进步壹等奖。
出版了十多本著作，其中《数据库导论》和《数据结构》获上海市1990，1995年优秀教材壹等奖，《关系数据库理论及新领域》于1995年获国家教委贰等奖，《关系数据库理论及应用》于1992年获国家级优秀教材奖。
朱扬勇，复旦大学教授:
1989年9月考入复旦大学计算机科学系攻读硕士学位,1992年2月提前半年硕士毕业，免试直升攻读博士，1994年7月提前半年获计算机软件专业理学博士学位，同年8月留校于计算机系任教至今。1996年5月破格晋升副教授，1998年5月破格晋升教授，1999年5月晋升博士生导师。
复旦大学计算机与信息技术系 博导、教授
上海（国际）数据库研究中心 博导、教授
上海市计算机学会理事兼电子商务 专业委员会主任
上海市计算机软硬主题专家组 专家
上海市2001--2002年度 科技预见专家
上海生物信息研究中心 学术委员会委员
上海市教育委员会 曙光学者
上海市科技成果转化 咨询专家
目录信息
第2章 数据库设计与数据建模
第3章 ER模型及其建模
第4章 语义对象模型及其建模
第5章 关系数据库模式规范化
第6章 从数据模型到关系模式的转换
第7章 客户/服务器数据库设计
第8章 知识库系统
第9章 数据仓库
第10章 联机分析处理
第11章 数据挖掘
参考书目
· · · · · · (收起)
读后感
评分
评分
评分
评分
用户评价
读完这本书的名字，我的第一反应是，这应该是一本能够帮助我理清思路的书。目前我所在的公司正在经历数字化转型，这意味着我们需要处理的数据量呈爆炸式增长，同时对数据分析的需求也日益迫切。然而，我们团队在这方面缺乏系统性的知识和经验，常常在处理数据时感到力不从心，也不知道从何下手。我希望这本书能够为我们提供一套清晰的指导框架。我期望它能系统地讲解如何从零开始构建一个数据分析体系，包括数据采集、存储、清洗、转换，以及最终的分析和解读。我尤其关注书中关于“智能”的部分，比如如何利用机器学习和人工智能技术来提升数据分析的效率和准确性。我希望书中能够介绍一些实际可行的案例，展示如何在不同业务场景下应用这些技术，例如用户行为分析、销售预测、或者风险评估等。我期待书中能够提供一些可以直接借鉴的实践经验和最佳实践，帮助我们规避常见的陷阱，并快速上手。总之，这本书对我而言，就像是一份“解决方案手册”，我希望能从中找到解决当前痛点的钥匙。
评分最近，我迷上了一部关于数据科学家日常工作的纪录片，里面的主人公能够通过对大量数据的分析，预测市场趋势，甚至发现一些我们普通人看不到的联系。这让我对“数据分析”这个领域产生了浓厚的兴趣。当我偶然看到这本书《数据库与智能数据分析》时，我感觉就像找到了一个进入这个神秘领域的大门。我希望这本书能够帮助我建立起对数据库和数据分析的全面认知。我期待书中能够详细讲解数据库的基本原理，比如关系型数据库和非关系型数据库的区别，以及它们各自的优势和适用场景。更重要的是，我希望能深入了解“智能数据分析”是如何运作的。我好奇书中是否会介绍一些经典的机器学习算法，比如决策树、支持向量机或者神经网络，以及它们在实际应用中的案例。我希望能看到一些关于如何将这些算法应用于解决实际问题的步骤和方法。比如，如何进行特征工程，如何选择合适的模型，以及如何评估模型的性能。我希望这本书能够为我打开一扇窗，让我窥见数据分析的无限可能，并激发我去探索更深层次的知识。我希望它能成为我学习道路上的一个坚实的起点，让我能够自信地踏上数据分析的学习之旅。
评分说实话，我并非数据领域的科班出身，但近年来，无论走到哪里，数据似乎都无处不在，而且它的重要性越来越凸显。我感觉自己如果不了解一些关于数据处理和分析的知识，可能会在未来的职业发展中落伍。正因如此，当我看到《数据库与智能数据分析》这本书时，立刻被吸引了。我希望这本书能够用一种相对通俗易懂的方式，为我这样的“门外汉”提供一个良好的入门。我期待书中能够从最基础的概念讲起，比如什么是数据库，数据库有哪些类型，以及它们是如何工作的。然后，逐步过渡到更高级的“智能数据分析”部分。我希望能看到一些关于数据挖掘、模式识别、预测分析等技术的介绍，并且最好能有一些生动的例子来辅助理解。我希望能了解，这些“智能”的分析方法是如何帮助我们从海量数据中发现有价值的信息的。我特别希望书中能够包含一些关于如何选择和应用这些分析工具的指导，让我能够对这些技术有一个初步的掌握。这本书，对我来说，就是一个“数据启蒙”的契机，我希望它能帮助我打开一扇新的大门，让我对这个充满机遇的领域产生浓厚的兴趣。
评分这本书的封面设计着实让人眼前一亮，那种深邃的蓝色搭配简洁的银色字体，仿佛预示着一场关于数据海洋的探索之旅。我拿到这本书的时候，正值对近期项目中的数据处理感到力不从心之际，脑海中充满了各种模糊的想法，却不知如何下手。书名“数据库与智能数据分析”触动了我，我期待它能像一本导航图，为我指明方向，让我不再迷失在数据的洪流中。我希望书中能有清晰的结构，从基础的数据库概念讲起，逐步深入到各种智能分析技术的应用。毕竟，理解底层原理对于掌握上层技术至关重要。我特别关注那些能够帮助我解决实际问题的案例，比如如何有效地清洗和预处理海量数据，如何选择合适的算法进行模式识别，以及如何将分析结果转化为 actionable insights。我期望这本书能提供一些行之有效的实践建议，而不是仅仅停留在理论层面。例如，书中能否包含一些关于如何优化数据库查询的技巧，或者介绍几种常用的数据可视化工具，以便我能更直观地理解分析结果。此外，对于“智能数据分析”这个概念，我希望能看到它在不同领域的应用，比如市场营销、金融风险控制、甚至是医疗健康等，这样我能更开阔思路，发现更多潜在的应用价值。总之，我怀揣着一份对知识的渴望，希望这本书能够成为我学习路上的重要伙伴。
评分坦白说，我之所以对这本书产生兴趣，完全是出于一种“救急”的心态。最近工作中涉及到一些关于如何从大量分散的数据中提取有价值信息的任务，结果总是事倍功半，效率低下。我脑海中充斥着各种“大数据”、“机器学习”、“人工智能”等名词，但对于如何将它们有效地整合并应用到实际场景中，却感到一片茫然。这本书的书名“数据库与智能数据分析”正是我需要的“点拨”。我希望它能像一位经验丰富的向导，带我一步步走出困境。我期待书中能够提供一些切实可行的方法论，让我能够系统地理解如何构建一个高效的数据分析流程。例如，如何从源头开始，规范数据的采集和存储，避免日后的“脏数据”难题。同时，我也非常希望书中能有关于不同类型数据分析技术的介绍，特别是那些能够帮助我发现隐藏在数据中的规律和趋势的技术。我想了解，当面对不同类型的问题时，应该选择哪种分析方法，以及这些方法背后有哪些核心的原理。我希望这本书能给我提供一些“工具箱”，里面装满了解决实际问题的“利器”，让我能够自信地应对未来的数据挑战。这本书，对我来说，就是一次重要的“充电”机会，我希望它能点亮我前进的道路。
评分 评分 评分 评分 评分相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2026 book.wenda123.org All Rights Reserved. 图书目录大全 版权所有