信息系统工程基础 教学课件 作者 吴祖玉 09683.ppt

第三章 关系数据库 3.1 关系数据库基础 3.1.1 3.1.1 3.1.1 3.1.2 关系数据模型 3.1.2 3.1.2 3.1.2 3.1.2 3.1.2 3.1.2 3.1.2 3.1.3 关系代数 3.1.3 3.1.3 3.1.3 3.1.3 3.1.3 3.1.3 3.1.3 3.1.3 3.1.3 3.1.4 函数依赖 3.1.4 3.1.4 3.1.4 3.1.4 3.1.4 3.1.4 3.1.4 3.1.4 3.1.4 3.1.4 3.1.4 3.1.4 3.1.4 3.1.4 3.1.4 3.1.4 3.1.5 关系模式的规范形式 3.1.5 3.1.5 3.1.5 3.1.5 3.1.5 3.1.6 关系模式的分解 3.1.6 3.1.6 3.1.6 3.1.6 3.1.6 3.1.6 3.1.6 3.1.6 3.1.6 3.1.6 3.1.6 3.1.6 3.1.6 3.1.6 3.1.6 3.1.6 3.1.6 3.1.7 SQL 语言 一、 常用数据类型 3.1.7 3.1.7 3.1.7 3.1.7 3.1.7 3.1.7 3.1.7 3.1.7 3.1.7 3.1.7 3.1.7 3.1.7 3.1.7 3.1.7 3.1.7 3.1.7 3.1.7 3.1.7 3.1.7 3.1.7 3.1.7 3.1.7 3.1.7 3.1.7 3.1.7 3.1.7 3.1.7 3.1.7 3.1.7 3.1.7 3.1.7 3.1.7 3.1.7 3.1.7 3.1.7 3.1.7 3.1.7 3.1.7 3.1.7 3.1.7 3.1.7 3.1.7 3.1.7 3.1.7 3.1.7 3.1.7 3.1.7 3.1.7 3.1.8 数据库管理 3.1.8 3.1.8 3.1.8 3.2 数据库设计 3.2.1 需求分析 3.2.2 实体关系模型 3.2.2 3.2.2 3.2.2 3.2.2 3.2.2 3.2.2 3.2.3 建立概念数据模型 3.2.4 实例分析--大学生管理信息系统（一） 3.2.4 3.2.4 3.2.4 3.2.4 3.2.4 3.2.4 3.2.4 3.2.4 3.2.4 3.2.4 3.2.4 3.2.4 3.2.5 建立逻辑数据模型 3.2.6 实例分析--大学生管理信息系统（二） 3.2.6 3.2.6 3.2.6 3.2.6 3.2.6 3.2.6 3.2.6 3.2.6 3.2.6 3.2.6 3.2.6 3.2.7 建立物理数据模型 3.2.8 实例分析--大学生管理信息系统（三） 3.2.8 3.2.8 3.2.8 3.2.8 3.2.8 3.2.8 3.2.8 3.2.8 3.2.8 3.2.8 3.2.8 3.2.8 3.2.8 3.2.8 3.2.8 3.2.8 3.2.8 3.2.8 3.2.8 3.2.8 3.2.8 5.5.2 决策树 决策树（decision tree）是一种多用途的数据挖掘方法，主要可分为 两种类型：分类树和回归树。 分类树将每一个数据记录分配给合适的类别，而且还可以提供这种分类 正确与否的置信度。回归树预测一个变量的值。 叶点1 叶点6 叶点5 叶点4 叶点3 叶点7 叶点2 叶点8 50 Y 100 100 X 55 32 20 20 80 5.5.2 图5.59(a) 决策树的例子 是 圆 叶点7 三角 叶点1 三角 叶点8 否 Y50 是 X55 Y32 X80 否 是 否 X20 X20 是 是 是 否 否 否 三角 叶点4 三角 叶点2 圆 叶点6 圆 叶点3 Y20 圆 叶点5 是 否 5.5.2 图5.59(b) 决策树的例子 5.5.3 神经网络 神经网络是一种主要的数据挖掘方法。提出神经网络这一概念的人并不是统计 学家或数据分析学家，而是研究机器学习的学者，其初衷是模拟果蝇、蚯蚓或 人等生命体的神经系统网络。不过不管最初提出神经网络这一概念的目的是什 么，从数据挖掘的角度来看，神经网络只是另外一种建立模型观测历史数据以 进行分类或预测的方法。 图5.61 简单神经网络 输入层 输出层 X Y 3 2 Z+1 图5.62 有隐性层的神经网络 5.5.3 输入层 I1 I2 W0 W10 H1 W20 H2 Z W2 W1 W22 W11 W12 W21 X Y 隐性层 输出层 5.5.4 关联规则 关联规则的形式化描述： 假设 I={i1,i2,…,im}是一个有m个项目的数据项集合，称为项目集（itemset）； D是一个事务（或交易）数据库；事务T是I中的一组项目，即T?I。