石油钻井企业设备管理数据仓库多重粒度模型的研究

数据仓库在决策支持系统fDSS）中起着核心作用，而要创建一个好的数据仓库，如何划分数据粒度是要解决的一个重要问题。该文通过在石油运输企业数据仓库建立多重粒度模型，以便更好地满足不同层次用户的决策分析需要。从而提高效率，为企业创造更大利润。

数据仓库中多重粒度划分的层次编码解决方案

数据仓库在决策支持系统(DSS)中起着核心作用,而要创建一个好的数据仓库,如何划分数据粒度是要解决的一个重要问题。通过数据粒度划分方法的分析,结合实例给出了一种划分多重粒度级别的层次编码解决方案,该方法具有安全高效、可基于概念层次对数据进行分析、编码易扩充、编码数据准确规范等优点。最后给出利用层次编码方案解决不同粒度级别数据查询统计的基本思路和方法,结合项目实践证明该方案确实可行,是解决多重粒度级别的好方法。

数据仓库中数据粒度在电子商务网站中的应用

数据粒度决定着数据仓库的数据量和回答查询的能力。多重粒度在一定程度上既可以满足数据量的要求,又可以满足回答查询能力的要求,所以在设计数据仓库时,多重粒度成为首选。而当数据仓库采用多重粒度时,就面临着如何管理数据粒度的问题。本文研究粒度级别和多重粒度,在此基础上提出用粒度表进行数据粒度的管理,阐述粒度表的定义过程,分析粒度表的优点,并提出基于粒度表的数据仓库多维模型的构建过程。

多粒度时间序列中模糊规则的提取

介绍了一种从多粒度时间序列中提取模糊规则的数据挖掘方法 ,该方法在时间序列中引入多重时间粒度 ,以模糊规则的形式给出数据挖掘的结果 .建立多粒度时间序列的数学模型 ,并对提取模糊规则中所涉及的一些基本概念作出定义 .在此基础上 ,给出数据挖掘的具体算法 .

一种高速流量聚合方法的设计与实现

本文运用数据仓库原理,设计了一套基于NetFlow的高速流量分级聚合方法。基于四个时间粒度将原始数据进行聚合处理并转存到数据库,达到对高速网络环境下的海量流量数据进行有效缩减和归并整理的目的,同时,结合对细节级数据的压缩处理策略,提高了流量分析的效率。流量聚合处理采用多线程技术加以实现,提高系统性能。

一种面向数据仓库的ETL多层实现策略

正确、有效的ETL(extract-Transform-Load)过程是提高数据仓库数据质量,保证数据分析的基础。在目前商务智能系统的实施中,ETL过程成为项目成败的关键因素。本文以进出口贸易公司数据为例,结合数据仓库存储设计、数据库多重粒度划分,提出一种面向数据仓库的ETL多层实现策略,为有效的进行数据挖掘和决策分析提供有力支撑。