本书较详细地介绍了数据仓库和数据挖掘的原理、方法及应用技术。全书共有14章，分为4篇。第1章为绪论篇，介绍数据仓库与数据挖掘的基本概念及其相互关系；第2~6章为数据仓库原理及应用篇，主要介绍数据仓库的概念模型，逻辑模型和物理模型，以及数据仓库的规划、设计、实施和OLAP应用等；第7~10章为传统数据挖掘原理及算法篇，介绍数据的属性类型与相似性度量，关联规则挖掘、分类规则挖掘、聚类分析和离群点挖掘算法等；第11~14章为数据挖掘创新篇，主要内容取自编者近年指导研究生发表的学术论文，并根据教学需要进行适当补充修改而成，包括混合属性数据、数据流和不确定数据的聚类分析，以及量子遗传聚类算法等。本书可作为普通高等院校计算机专业与IT相关专业高年级本科生和研究生的教材，也可作为经济管理类专业同名课程的教材和参考书，还可作为电子商务、金融保险等行业数据管理与数据分析人员的培训教材或自学参考书。

第1章绪论
1.1数据仓库概述
1.1.1从传统数据库到数据仓库
1.1.2数据仓库的4个特征
1.1.3数据仓库系统
1.1.4数据仓库系统体系结构
1.1.5数据仓库数据的粒度与组织
1.2数据挖掘概述
1.2.1数据挖掘产生的背景
1.2.2数据挖掘与知识发现
1.2.3数据挖掘的数据来源
1.2.4数据挖掘的任务
1.2.5数据挖掘的步骤
1.2.6数据挖掘的应用
1.3数据仓库与数据挖掘
1.3.1数据仓库与数据挖掘的区别
1.3.2数据仓库与数据挖掘的关系
1.4教程章节组织与学时建议
习题1
第2章数据仓库原理
2.1多数据源问题
2.2数据预处理
2.2.1数据清洗
……