多维联机数据分析模型和系统设计方法

联机数据分析是解决我国现行的实际统计工作中普遍存在的几个问题的有效方法。本文介绍作者根据实际统计分析需要设计的MOLDA多维联机数据分析模型,和基于MOLDA的多维联机数据分析系统的设计方法,包括描述业务问题的"业务空间"的设计,包含各种统计分析计算和建模工具的"方法库"的设计;说明数据来源的"数据源"定义,以及如何从数据源中获得分析方法所需数据的"数据连接、抽取、转换"定义。用户通过选择方法,切片、旋转和上卷、下钻等操作,可以得到企业或管理部门分析决策所需的各种信息视图。MOLDA可以应用在企业或部门的职能统计,综合统计和决策分析等各个方面。

基于多维数据模型的联机分析处理技术在在线数据分析中的应用

介绍了多维数据模型、数据立方体和联机分析处理技术(OLAP)的相关概念。提出了一种用于建立数据立方体维度的数据聚类算法,利用该算法对历史数据进行聚类后得到了便于进行OLAP技术分析的维度。基于凝汽器系统的历史数据,以凝汽器系统的真空变化情况为主题,建立了基于多维数据模型的数据立方体,利用OLAP进行了分析。结果表明,OLAP用于挖掘数据中的信息是可行的,而且比传统的数据分析方法优越。

基于APTS大数据的城市公交出行多维分析模型和方法

智能公交系统(Advanced Public Transportation Systems,APTS)数据具有海量、类型多样等大数据的典型特征,对其进行分析和挖掘可能获得丰富的公交出行特征和规律.构建基于APTS大数据的公交出行多维分析框架,在计算乘客出行时空信息(上车、下车和换乘)的基础上,建立包含4个维度(乘客、时间、空间和行为)的公交出行数据模型,系统提出基于5种联机分析处理方法的公交出行分析内容.应用APTS大数据对模型和方法进行了实验和验证,研究结果表明,该方法能够便捷地分析不同维度、不同粒度的公交出行信息,不仅能够应用于公交乘客出行行为的研究,还能够为城市公交系统的规划和管理提供决策支持.

基于矿业的数据仓库多维分析模型设计

介绍了建立数据仓库多维分析模型的理论基础, 提出了矿山企业数据仓库多维分析模型的设计方法。

基于大数据挖掘处理的多维数据去重聚类算法分析模型仿真

本文设计了基于大数据挖掘处理的多维数据去重聚类算法分析模型。通过详细介绍多维聚类算法,基于大数据内部关联性分析,实现了去重聚类算法分析模型构建。最后通过算法优化与仿真研究,得出结论,多维数据去重聚类算法采样时复杂度偏低,数据分析结果准确率较高,可有效分析处理数据,避免冗余繁杂,保障数据分析效率与水平,评估判定结果较好,值得大力推广应用。

面向联机分析处理的多维产品模型研究

个性化需求导致企业产品的系列化、多样化和产品数据量的急剧增长。如何对之进行有效管理,实现共享与重用,进而提供决策支持功能,成为当前企业面临的现实问题。本文建立了一种面向联机分析处理的多维产品模型,即从结构层次维、属性类型维和生命周期维等维度进行产品模型定义,采用星型模式组织该模型数据;同时,阐述了基于该模型的数据分析操作方法。最后,结合某汽车产品给出了该模型实例和数据组织实例。

用层次分析发现多维数据模型的主题域

为满足组织的决策需求和战略目标,提出在实施目标—问题—度量(GQM)方法中,使用层次分析发现多维数据模型的主题域,通过关联属性挖掘算法发现数据库中与主题关联的关系属性。分析结果对科学合理地布置多维数据的呈现结构有指导作用。

基于数据立方体的联机分析挖掘模型研究

本文提出一种联机分析挖掘模型,该模型基于数据仓库和其他各种类型文件生成的工作仓库,同时综合了联机分析处理多维分析的在线性、灵活性和数据挖掘处理的智能化特点,提高了传统模型的灵活性和智能化程度。

多维球面模型应用于草原监测数据分析的探讨

提出分析归纳草原监测多元数据的新数学方法 ,多维球面模型。 M个物种所组成的草原的状态可以用 M元向量来表示 ,向量的长度用来表示草原的量值 ,向量的方向表示草原组成。从草原监测的角度 ,草原的相对组成是更重要的 ,成份变化的比率更能说明问题。在处理草原监测数据中使用向量等比系列和向量等差系列是可行的。等比系列比较能反映生物几何增长的本质。为了纠正中间过程被忽略的弱点 ,要坚持逐年监测 ,逐步分析 ,或使用滑动平均。二阶趋势值可尝试用于解决时间滞后问题 ,卡门滤波用于降低预报误差。因为草原监测需要使用分种数据 ,必须以人工监测记录为主 ,再辅以其它高科技手段 。

基于数据库和二维传热数值分析模型的激光表面强化专家系统

初步探讨了激光表面强化处理专家系统的建立 。

多维联机分析中业务空间的设计

多维联机数据分析模型 (MOLDA)是笔者根据多个项目的需要而研究和设计的一个联机分析处理 (OLAP)系统模型。本文对通过某行业固定资产投资分析的实例 ,介绍基于MOLDA模型的联机分析系统设计的关键问题———“业务空间”的设计方法 ,内容包括“指标维”、“类别维”和“时间维”的设计 ,“多维数据立方体”的构造和“概念分层”设计等。

数据仓库中一种有效的高维联机分析处理方法

在大量数据仓库系统中,对于一个d维的data cube,数据立方体(cube)可以生成2d个聚集cuboids,然而随着数据仓库维数的增长,计算这些预聚集数据已经成为一个瓶颈.在minimal cubing方法的基础上,提出一种具体层次语义特性的多维层次数据立方体——前缀索引立方体(prefix-index cubing)技术,将高维cube划分成若干个低维立方体cube,以实现高维cube的分布式存储和并行计算.理论分析与实验结果表明,相对于以往的minimal cubing等方法,前缀索引立方体方法的性能显著提高.

基于OLAP多维数据模型的时间序列分析技术

在海量数据条件下,传统的数据统计方法在灵活性和效率等方面受到了制约,为此提出了一种时间序列多维数据建模方法和聚类算法,将OLAP技术应用到时间序列分析技术中,并以实例论证了方案的可行性和实用性。

数据仓库与联机分析在印刷企业信息管理中的应用模型分析

计算机网络与数据库技术的迅速发展和广泛应用,使得企业管理进入一个新的时代,管理人员摆脱了制表和数据处理工作,管理工作进一步规范化,许多业务得到了联机事物处理(OLTP)信息系统的支持。然而,各级管理人员迫切需要面对不同层次的大量信息,迅速作出抉择,这要求各级管理人员能从复杂的业务数据中获取各自权限内的决策信息,作出正确有效的判断和抉择。从各级管理人员。

多维分析中数据立方体的模型研究

本文从更灵活的角度出发,提出了一种崭新的构建数据立方体的方法。首先定义了各数据体的代数表示模型,然后在此基础上阐述了如何建立数据立方体的操作,而且定义了在数据立方体形成之后添加或删除一个维或度量的操作,以及维与度量在一个数据立方体中转换的操作。

用电侧大数据多维聚类挖掘营销策略与客户行为趋势分析模型建构

随着电力市场竞争日渐激烈以及移动互联网时代的到来,客户对业务开展的需求也呈现出多元化与差异化特征,需要运营商依靠大数据经精细化模型挖掘对用户行为识别客户业务需求,实现精细化服务营销。文章用电侧大数据多维聚类挖掘营销策略与客户行为趋势分析模型建构的相关探索,力求能为电力企业开展电子渠道精准服务营销供给决策分析工具,促其竞争力不断增强。

一种数据仓库的多维数据模型

数据模型是数据仓库研究的核心问题之一 .很多研究表明 ,传统数据模型 (如实体联系模型和关系模型 )不能有效地表示数据仓库的数据结构和语义 ,也难以有效地支持联机分析处理 ( on- line analysisprocessing,简称 OL AP) .最近 ,人们提出了几种多维数据模型 .但是 ,这些多维数据模型在表示数据仓库的复杂数据结构和语义以及 OLAP操作方面仍显不足 .该文以偏序和映射为基础 ,提出了一种新的多维数据模型 .该数据模型能够充分表达数据仓库的复杂数据结构和语义 ,并提供一个以 OL AP操作为核心的操作代数 ,支持层次结构间的复杂聚集操作序列 ,能够有效地支持 OLAP应用 .该数据模型支持聚集函数约束的概念 。

OLAP中一种多维数据模型

分析了传统OLAP（联机分析处理）模型在商业应用领域中存在的不足，在此基础 上，针对某一超市的OLAP的设计过程中所碰到的问题，提出了一种多维数据模型，给出了模 型定义和基于关系数据库模型实现方法。

一种电力设备状态监测大数据的分布式联机分析处理方法

电力设备状态监测大数据分析是一个热点研究课题,对保障电力设备的安全稳定运行具有重要意义。联机分析处理(on-line analytical processing,OLAP)可以多角度、快速存取与分析数据,是实现电力设备状态监测大数据分析的一种重要技术手段。通过分析大数据环境下的OLAP技术,设计一种电力设备状态监测大数据分析平台,给出3种分布式数据分析方案,包括基于Hive的关系型联机分析、基于Impala的关系型联机分析和基于HBase的多维联机分析。分布式关系型联机分析虽然在一定程度上满足电力企业的需求,但其数据模型中表之间频繁的连接操作,导致其出现性能瓶颈。针对分布式关系型联机分析数据模型连接操作开销大、查询速度慢等问题,提出了基于无连接层次编码的电力设备状态监测数据模型,对常规数据模型进行改进,把维表的层次信息进行编码存储到事实表中,减少连接操作,以优化性能。采用Hive和Impala等大数据分析工具,在不同规模监测数据集上对本模型的数据加载、上卷操作、存储开销等方面进行实验测试。实验结果表明,数据加载速度约是常规模型的42%,上卷执行时间比常规数据模型缩短40%至49%,存储开销大约比常规星型模型减少37%,验证了本方法的有效性与可行性,给电力设备状态监测大数据分析带来一种新的思路。