《数据仓库与数据挖掘原理及应用》从专业角度全面介绍了数据仓库和数据挖掘的理论、方法、技术及其应用，系统地阐述了数据仓库和数据挖掘的产生、发展和应用及其主要概念、原理和算法，并结合当前数据仓库和数据挖掘中一些新的应用实例进一步加以说明，力求学以致用。
全书分为三篇。第一篇介绍数据仓库的起源和演变过程，阐述数据仓库的定义、体系结构、组成、元数据、数据粒度和数据模型以及ETL过程，论述数据仓库设计和实现的方法。结合具体应用详细阐述了如何构建数据仓库及其主要应用，包括OLAP和OLAM等。第二篇介绍数据挖掘的起源和发展趋势，以及数据挖掘与web挖掘的技术和方法，包括聚类、分类、预测和关联分析等，详细分析了数据挖掘在电信领域的具体应用，如客户细分、重入网识别和WAP日志挖掘等。第三篇讨论数据、信息和知识的关系，论述知识表示的主要方法和知识管理的核心技术，介绍当前研究热点——语义网和本体的核心技术和方法，分析了语义网和本体的主要应用。
《数据仓库与数据挖掘原理及应用》可作为计算机专业研究生或高年级本科生教材，也可以作为计算机研究和开发人员以及相关专业人士的参考资料。

第一篇 数据仓库第1章 数据仓库基础 1.1 引言 1.1.1 演变过程 1.1.2 定义 1.2 体系结构 1.2.1 两层的体系结构 1.2.2 三层的体系结构 1.3 组成 1.4 元数据 1.4.1 定义和分类 1.4.2 标准化 1.4.3 CWM 1.4.4 UML、MOF和XMI与CWM的关系 1.5 数据粒度 1.6 数据模型 1.7 ETL 1.7.1 主要流程 1.7.2 数据抽取 1.7.3 数据转换 1.7.4 数据加载第2章 数据仓库设计和实现 2.1 数据仓库设计 2.1.1 设计方法 2.1.2 体系结构设计 2.1.3 数据模型设计 2.2 ETL设计 2.3 数据仓库实现第3章 数据仓库实例 3.1 实例一 3.1.1 选择主题 3.1.2 逻辑模型设计 3.1.3 物理模型设计 3.1.4 ETL设计 3.2 实例二 3.2.1 总体结构设计 3.2.2 概念模型设计 3.2.3 逻辑模型设计 3.2.4 物理模型设计 3.2.5 数据清洗设计 3.2.6 ETL设计第4章 OLAP和OLAM 4.1 OLAP 4.2 OLAM 4.2.1 体系结构 4.2.2 特点 4.2.3 基于Web的OLAM 第二篇 数据挖掘第5章 数据挖掘基础 5.1 概述 5.1.1 定义 5.1.2 功能 5.1.3 模型 5.1.4 展望 5.2 实现 5.3 工具 5.3.1 概述 5.3.2 比较第6章 聚类分析 6.1 硬聚类 6.1.1 算法种类 6.1.2 相似度计算 6.1.3 实现方法 6.1.4 主要算法 6.2 模糊聚类 6.2.1 概述 6.2.2 主要算法 6.3 评价第7章 分类和预测 7.1 神经网络 7.2 决策树 7.3 实现过程第8章 关联分析 8.1 概述 8.2 Apriori 8.3 FP-Growth第9章 Web挖掘 9.1 概述 9.1.1 定义 9.1.2 自然语言理解 9.1.3 Web挖掘过程 9.2 Web文档抽取和表示 9.2.1 Web文档抽取 9.2.2 Web文档表示 9.3 特征提取 9.4 Web聚类 9.5 Web分类 9.5.1 朴素贝叶斯 9.5.2 其他方法 9.5.3 评价第10章 数据挖掘实例 10.1 TOM和eTOM 10.2 客户细分 10.2.1 客户生命周期 10.2.2 客户价值 10.2.3 数据准备 10.2.4 分析过程 10.2.5 结果 10.3 重入网识别 10.3.1 定义 10.3.2 数据准备 10.3.3 分析过程 10.3.4 结果 10.4 WAP日志挖掘 10.4.1 定义 10.4.2 数据准备 10.4.3 分析过程 10.4.4 结果 第三篇 语义网和本体第11章 知识 11.1 概述 11.2 知识分类 11.3 知识表示 11.3.1 知识表示观 11.3.2 知识表示方法 11.4 知识管理 11.4.1 概述 11.4.2 知识管理与信息管理的关系 11.4.3 核心技术第12章 语义网和本体 12.1 语义网 12.1.1 概述 12.1.2 层次结构 12.1.3 元数据 12.1.4 核心技术 12.1.5 开发工具Jena 12.1.6 Web 3.0 12.2 本体 12.2.1 哲学本源 12.2.2 定义 12.2.3 建模 12.2.4 分类 12.2.5 构建方法 12.2.6 描述语言 12.2.7 实例参考文献