基于影响域的OLAM模型的研究

在决策分析中 ,联机分析处理 OL AP(On- L ine Analytical Processing)与数据挖掘工具必须协调使用才能发挥最佳的作用 .基于影响域的 OL AM(OL AP Mining)模型 ,将 OL AP技术和数据挖掘技术结合在一个统一的框架之中 ,加强了决策分析的功能和灵活性 .该模型有助于在大型数据库和数据仓库中交互式地挖掘多层次的知识 .

基于SQL Server的OLAM的研究及应用

OLAM(On-line Analytical Mining)是当前的热点技术,是融合了联机分析处理(OLAP)和数据挖掘(Data Mining)的一种新的数据挖掘技术。本文主要研究数据仓库中OLAP,On-line Analytical Processing和数据挖掘技术,这两个技术是商业智能中的核心技术和主要内容,在两者的基础上引入OLAM的概念,并阐述其基本原理和核心技术。基于微软的SQL Server平台,为一个商业案例建立数据仓库,利用Analysis Services服务,建立销售分析的多维数据集,利用OLAM的基本模型实现OLAP和聚类挖掘技术的结合,借助两者的各自优势,得到很好的客户聚类分析结果。

一种基于OLAP与DM的OLAM模型的研究

OLAP(On -LineAnalyticalProcessing)技术与数据挖掘技术 ,其实现技术以及适用范围不尽相同 ,在决策分析中必须协调使用才能发挥更好的作用。基于OLAP与DM的OLAM (OLAPMining)模型 ,是将数据挖掘和OLAP技术结合在一个统一的框架之中 ,使得决策人员和分析人员能够以不同的角度、不同的层次观察数据 ,加强了决策分析的功能和灵活性 ,有助于发现更合理的模式 ,为用户提供更多的支持。

基于OLAM的决策支持系统

随着数据仓库技术的发展扣完善,其应用日趋广泛,同时企业对数据仓库的OLAP功能提出更高和更复杂的要求。联机分析挖掘(Online Analysis Mining,OLAM)技术集成了OLAP技术和数据挖掘技术,实现了二者的优势互补,为基于数据仓库的应用系统提供更加完善和强大的决策支持功能。本文简单介绍了OLAM及基于OLAM的决策支持系统(OLAM-Based DSS)框架及系统设计中的若干问题。

基于OLAM的多数据源流程式数据挖掘系统框架研究

介绍了现有联机分析处理,数据挖掘概念,重点介绍了联机挖掘处理,在联机分析挖掘的基础上提出了一种多数据源流程式数据挖掘的系统框架。

OLAP与数据挖掘一体化模型的研究与发展

1 引言目前,OLAP(联机分析处理)与数据挖掘是信息系统领域内的研究重点。OLAP作为一种多维分析工具,可提供数据多层面、多角度的逻辑视图。用户提出问题或假设,OLAP负责提取关于该问题的详细信息,并将结果呈现给用户。数据挖掘是在数据集合中寻找模式的决策支持过程,能从大量数据中发现潜在数据模式并作出预测性分析,是现有的人工智能、统计学等成熟技术在特定系统中具体的应用。数据挖掘与OLAP都属于分析型工具,但二者之间有着明显的区别。数据挖掘的分析过程是自动的,用户不必提出确切的问题,只需工具去挖掘隐藏的模式并预测未来的趋势,这样有利于发现未知的事实。而OLAP更多地依靠用户输入问题和假设。

OLAP与数据挖掘一体化模型的分析与讨论

OL AP(On- L ine Analytical Processing)与数据挖掘工具由于内在技术以及适用范围的不同 ,在决策分析中必须协调使用才能发挥最佳的作用 .本文提出基于影响域的 OL AM(OL AP Mining)模型 ,将数据挖掘和 OL AP技术结合在一个统一的框架之中 ,使得数据挖掘能够在数据库或数据仓库的不同部位、或在不同的抽象级别上进行 ,加强了决策分析的功能和灵活性 .该模型有助于在大型数据库和数据仓库中交互式地挖掘多层次的知识 .

数据仓库技术的研究与应用

为了有效地利用现有计算机系统中的资源,需要研制相应的数据仓库解决方案。该文对数据仓库技术及其决策支持工具进行了详尽的讨论,并提出了适用于银行业的方案设计思想,简单介绍了各功能模块,最后对未来的发展做了展望。

基于数据仓库的决策支持系统

数据仓库技术是在充分地开发信息资源的迫切要求下产生并迅速发展起来的一个国际前沿研究新领域。本文分析了传统决策支持系统开发中存在的问题,介绍了数据仓库、数据挖掘、联机分析处理技术,以及它们在决策支持系统中的应用,同时给出了基于数据仓库技术的决策支持系统的基本框架。

数据仓库分析工具及发展研究

介绍了数据仓库的基础知识,以及相关的分析工具:OLAP和数据挖掘。重点研究了OLAP和数据挖掘相结合形成的新技术———OLAM及其发展。

探索式数据挖掘模型的讨论

OLAP与数据挖掘工具由于内在技术以及适用范围的不同 ,在决策分析中必须协调使用才能发挥最佳的作用。本文提出基于影响域的OLAM (OLAPMining)模型 ,将数据挖掘和OLAP技术结合在一个统一的框架之中 ,使得数据挖掘能够在数据库或数据仓库的不同部位、或在不同的抽象级别上进行 ,加强了决策分析的功能和灵活性。

基于数据挖掘技术的高校管理决策支持系统

分析了高校MIS的特点及DM与OLAP的作用与功能.提出了高校建立基于数据挖掘技术的管理决策支持系统的途径与方法,即在建立DW基础上进行DM,并与OLAP相结合以提高系统辅助决策能力.

一种交互式自动挖掘知识的模型

提出一种交互式自动挖掘知识的模型，论述了该模型的原理、实现机制，并讨论了模型中数据宝藏和影响域及其相互关系．该模型同时具有在线性与深入挖掘的优点，能灵活有效地满足实际应用的需求．

数据空间化的决策支持框架

提出了数据空间化的决策支持框架 ,使之能够有效地将空间数据仓库、空间联机分析处理 (OL AP)、空间数据采掘和空间联机分析采掘 (OL AM)技术融为一体 ,以提供对具有空间分布特性信息的管理。

OLAP与数据挖掘一体化的研究与应用

论述了OLAP与数据挖掘各自内在的特点,提出了将其一体化的OLAM(OLAPMin ing)模型,给出了OLAP与数据挖掘一体化的框架,并将此OLAM模型应用在铝电解槽电解质温度在线分析系统中.

基于约束的多维数据挖掘

为了给数据分析和挖掘提供一个有效的、交互的查询环境,将基于约束的数据挖掘与多维的数据挖掘结合成一个整体来进行。介绍了建立一集成的联机分析挖掘和联机分析处理结构,来实现这种用户与系统间的交互。实践表明,基于约束的数据挖掘与多维的数据挖掘结合在一起,大大提高了查询的目的性和效率,可为用户选择所期望的挖掘功能和动态地改变数据挖掘任务提供了更加灵活的手段。

一种改进算法的化学数据挖掘系统原型研究初探

本文介绍了一种针对化学数据分析的挖掘系统原型实现和设计理论。阐述从化学数据分析的角度开发一个联机分析数据挖掘系统原型的理论过程,研究过程采用数据仓库提供的OLAP技术进行关联规则挖掘,提供了一种数据项的二进制编码技术,对于提高数据信息的处理能力和可靠性有一定意义。预期实现从各种文献资料或数据库自动抽取有关化学反应的信息,发现新的有用化学成分,完成合成设计和反应预测等功能,从而对数据挖掘的实现进行了有益的尝试。