面向电子政务的决策支持系统设计与实现

目前国内已掀起电子政务的应用热潮，但对电子政务如何建立系统且先进的数据工程体系并构造电子政务的决策支持系统尚不多见。在开发南海市区(镇)电子政务的决策支持系统中，利用软件工程开发方法、决策支持的构件化框架以及数据仓库和多维数据技术方面取得了良好效果，文中对其中的关键技术作概要介绍。     

基于电子政务平台的政府决策支持系统设计

设计了基于电子政务平台的政府决策支持系统的总体框架与结构,重点讨论了数据仓库子系统、模型库子系统和知识库子系统.     

基于数据仓库技术的智能决策支持系统

给出了智能决策支持系统的概念，讨论了目前决策支持系统的不足，对数据仓库技术、联机分析处理技术及数据挖掘技术做了扼要论述，提出了一种基于数据仓库技术的智能决策支持系统结构，阐述了各部分的功能及关系．     

医疗决策支持系统中数据仓库的研究与设计

通过对数据仓库技术及决策支持系统的研究，提出了基于数据仓库的医疗决策支持系统。针对医疗领域数据比较复杂的特点，设计了相应的数据仓库．在项目应用中取得了良好的效果。介绍了数据仓库的设计过程、关键技术，并提供了简要的解决方案。     

基于数据仓库的决策支持系统框架研究

介绍了决策支持系统的发展和数据仓库、数据挖掘技术的发展状况及应用 ,提出了在数据仓库基础上建立决策支持系统的体系框架 ,主要由模型库 ,方法库 ,知识库和数据仓库及其相应的管理系统以及数据挖掘单元和问题处理单元几部分组成 .并阐述了各部分的功能、相互关系 ,论述了基于数据仓库决策支持系统的优点 ,为知识的智能获取提供了新的手段     

数据仓库技术在远程教育中的应用

本文介绍了数据仓库和远程教育、数据挖掘技术和决策支持系统的有关特点,提出了基于数据仓库的远程教育决策支持系统.     

基于数据仓库技术的智能决策支持系统

给出了智能决策支持系统的概念,讨论了目前决策支持系统的不足,对数据仓库技术、联机分析处理技术及数据挖掘技术做了扼要论述,提出了一种基于数据仓库技术的智能决策支持系统结构,阐述了各部分的功能及关系.     

基于数据仓库的证券公司决策支持系统研究

随着中国证券市场的日益规范化,建立基于数据仓库的证券公司决策支持系统,对数据进行重新组织和挖掘分析,可以使决策者及时掌握辅助决策的信息,并根据对信息的分析结果,做出科学合理的决策,以提高公司的管理水平和竞争优势.文章论述了由数据仓库技术、联机分析处理技术和数据挖掘技术三者结合而构建成的基于数据仓库的决策支持系统基本理论,并结合其在证券业的应用需求,讨论了基于数据仓库的证券公司决策支持系统的设计与实现.     

数据库新技术与决策支持系统的开发

通过对数据仓库技术、联机分析处理技术和数据挖掘技术的比较、分析,在决策支持系统传统四库结构的基础上,提出了一种基于数据仓库的决策支持系统体系结构,并对其应用进行了初步研究.     

基于数据仓库的决策支持系统的体系结构

传统决策支持系统由于其功能的不足,不能满足现代企业的决策需求,而数据仓库技术是解决该问题的有效途径之一.文章分析了数据仓库技术在决策支持系统中的应用现状,提出了一种基于数据仓库的决策支持系统的体系结构,详细讨论了该体系结构中的数据仓库系统的结构,并简要介绍了相关的联机分析处理与数据挖掘技术.     

数据预处理在商业企业数据仓库的应用

数据预处理是数据挖掘过程中重要环节 ,对数据预处理技术进行研究具有现实意义。文章在介绍数据预处理方法的基础上 ,结合大型商业营销企业数据仓库数据的特点和数据挖掘过程中对数据的要求 ,详细论述了数据预处理技术在大型商业营销企业数据仓库中的应用 ,提出改善数据质量是预处理技术的关键。     

基于DataGuard的Oracle RAC高校数据保护研究

数据是高校管理信息化产生的最重要的无形资产,数据的丢失或者损坏都将极大地损害教学、管理和科研工作的正常开展．Oracle RAC是目前使用最为广泛的数据库集群化管理方式,在此基础上开展DataGuard数据保护技术的应用研究,可以弥补集群数据库环境在数据容灾、备份和故障恢复方面的不足,提升数据的安全性,确保高校各类应用系统的正常运行．     

人工智能赋能高校数据治理:逻辑、挑战与实践

随着人类社会逐步迈入以情感计算、自然语言处理等智能技术为核心支撑的人工智能时代,数据的战略资源地位日益凸显,数据治理已成为推进高校教育治理现代化的关键工具。人工智能赋能高校数据治理的基本逻辑主要体现在数据管理、数据质量、数据决策与数据服务4个层面。高校数据管理忽视“多方协同管理”、缺乏相对统一的数据质量标准、数据决策在权责限定与顶层设计方面存在缺失、数据服务潜能激发不力制约数据价值高效释放等可被视为人工智能赋能高校数据治理的现实挑战。对此,应创设落位智能共管的高校数据管理职能优化机制、完善校本化高校数据挖掘与共享质量标准、构建基于责权厘定的智能化数据决策体系、优化指向数据价值释放的智能数据服务体系。     

Microsoft Excel的数据库管理方法

从一般数据库管理的角度出发,论述Excel管理数据库的方法。这种“表格”式的数据库管理方法将提供给用户一种新颖的设计方法和简单的使用操作。具有很大的推广价值。     

中小油田地震数据计算机管理方法研究

石油勘探技术发展迅速 ,需要一个集地震、测井、地质 3种数据为一体的勘探数据库来支持新的研究工作 .对包括地震资料处理、解释等资料的存储、应用方法进行了探索 ,提出了一种适合于中小油田的地震数据管理方案 .通过分析地震资料处理、解释产生的各类数据及其特点 ,从存储管理方法、数据规范化、质量控制方法、应用支持方法、数据服务方法等方面进行了详细论述     

化工物性数据库CPPDB在IBM-PC/XT机上的实现

讨论了文题实现方法,介绍了该数据库的总体结构。CPPDB利用dBASE Ⅲ支持建库,数据独立性高,修改、扩充方便。CPPDB存储了468种物质的29种物性数据,具有较强的物性估算和图形输出功能。     

数据仓库清洗技术讨论

数据仓库建设过程中最关键的环节是数据集成,本文重点分析了数据清洗需要解决的问题及涉及的主要技术,针对数据库的数据模型与数据仓库模型的区别讨论了利用元数据的映射规则的数据清洗方法.     

数据挖掘和数据仓库的关系研究

阐述了数据挖掘和数据仓库的有关技术,研究了数据挖掘和数据仓库的相互关系,说明了数据挖掘系统和数据仓库应统一分析和设计.     

数据仓库数据加载技术

数据仓库中的数据不是传统数据库中数据的简单堆积，其数据的组织必须方便基于数据仓库基础之上的数据挖掘和商业智能工作，为决策者提供访问、分析及共享信息的能力，从而发挥数据仓库的真正功效。成功构造一个数据仓库的关键在于自始至终理解用户需要，紧紧围绕用户目标这一主题进行数据的搜集和存储。首先分析数据仓库的特点及拥有的数据类别及组成，重点介绍如何从现有数据库中有效地将数据引导至数据仓库的方法和策略，具体给出了数据仓库中5种不同类别数据的加载方法。     

大数据时代的数据挖掘技术与应用

随着数据挖掘技术研究的进步与发展,并伴随着大数据概念的提出,将为数据挖掘技术的发展和应用带来一个很大的机遇,数据挖掘技术将进入一个新的发展时期.文章全面介绍了大数据,数据挖掘的基本概念以及数据挖掘的分析方法,最后给出了大数据时代的挖掘技术的应用领域及将来发展方向.