基于数据仓库的数据挖掘技术分析研究

基于数据仓库的数据挖掘技术是一种对数据仓库中的数据进行深层次的加工和处理的过程,也是一种实现数据仓库决策价值的方法和工具.文中分析了数据仓库、数据挖掘等概念,并结合数据挖掘在实际决策支持系统中的应用,说明了数据挖掘的基本方法、主要过程以及发展方向.     

一种基于税务系统数据仓库的模糊数据挖掘算法的研究

文章简要的叙述了数据仓库的概念、数据仓库结构、数据挖掘的定义和方法,并提出了一般的基于数据仓库的数据挖掘系统的结构。并针对税务系统的数据仓库提出了一种模糊数据挖掘算法。     

数据仓库实现过程及在线分析

数据仓库技术是近几年来出现并迅速发展的一种技术，它可以充分利用数据仓库中已存储的信息，帮助决策者进行决策。本文在介绍数据仓库的定义和数据仓库决策支持系统原理的基础上，详尽地讨论了数据仓库中的数据抽取与转换方法，并对数据仓库实现过程进行了实例探索和在线分析，最后根据数据挖掘方法进行了实际的应用。本文就是采用微软SQL Server 2000数据仓库技术设计了一商业用的数据仓库，使读者可清楚了解数据仓库的决策支持系统的实现过程。     

数据仓库与数据挖掘的关系及其安全性问题

数据仓库与数据挖掘是当今新的技术热点,数据仓库是一种解决数据使用的高效技术,数据挖掘为之提供了更好的决策支持和服务,同时促进了数据仓库技术的发展。从数据仓库的相关技术和体系结构分析展开研究,分析了数据挖掘与数据仓库的关系,重点阐述了数据仓库的安全性问题,展望了数据仓库未来的研究方向。数据仓库和数据挖掘二者既相互结合、共同发展,又相互影响、相互促进。数据仓库越来越广泛地运用到各个领域中,成为企业获得竞争优势的关键武器。     

数据挖掘技术探讨

数据挖掘技术是数据仓库的一种挖掘型分析工具,它能自动地发现隐藏在数据中的模式和特征,能为企业管理、决策提供极有价值的信息。本文简述了数据挖掘的实施过程以及数据挖掘的几种分析方法和各自适用的相应例子,最后对其应用领域前景略作了描述。     

数据仓库与数据挖掘的关系及其安全性问题

数据仓库与数据挖掘是当今新的技术热点,数据仓库是一种解决数据使用的高效技术,数据挖掘为之提供了更好的决策支持和服务,同时促进了数据仓库技术的发展.从数据仓库的相关技术和体系结构分析展开研究,分析了数据挖掘与数据仓库的关系,重点阐述了数据仓库的安全性问题,展望了数据仓库未来的研究方向.数据仓库和数据挖掘二者既相互结合、共同发展,又相互影响、相互促进.数据仓库越来越广泛地运用到各个领域中,成为企业获得竞争优势的关键武器.     

“数据库主成份提取”方法及其应用

庞大数据库中所蕴藏着丰富而有益的数据信息正随着数据挖掘技术的发展得到进一步分析和挖掘。数据仓库作为数据挖掘的重要平台,其质量的高低将直接影响数据挖掘的效率。构建数据仓库是数据预处理的主要目标之一,“数据库主成份提取”方法可以在信息损失最小的前提下,利用了一种降维的方法,用少数综合变量来概括原多变量的数据库,使重新构建的数据仓库的数据量相对减少,使得数据类的概率分布尽可能的接近使用所有属性的原分布,从而使重新构建的数据仓库中的数据挖掘更加容易执行和高效率。数据库主成份提取分析方法对主成份的解释可以进一步明确影响整个数据仓库构成的主要因素和构成数据仓库系统的主要特征。     

数据挖掘在保险分析中的应用

数据挖掘是一个应用统计学和人工智能等算法进行知识发现的过程.该文阐述了数据挖掘的技术,基于车辆险重点探讨了数据挖掘技术在保险产品分析中的应用,包括数据仓库的建立、数据挖掘主题的定义和数据挖掘的过程.     

嵌入式数据挖掘系统实现方法研究

文中分析了数据挖掘系统与数据库及数据仓库系统间的关系,提出了嵌入式数据挖掘系统的思想、实现方法,及其关键技术。并引用决策树算法对嵌入式数据挖掘系统的实现方法做了描述。文中对嵌入式数据挖掘系统的未来进行了展望,一旦数据挖掘过程变得简单易用,并且能够无缝地集成到商业过程和企业的通用数据和信息流中,将会有新的应用和协同作用使数据挖掘成为功能完备的数据仓库中一项重要的要求。     

数据挖掘在保险分析中的应用

数据挖掘是一个应用统计学和人工智能等算法进行知识发现的过程。该阐述了数据挖掘的技术，基于车辆险重点探讨了数据挖掘技术在保险产品分析中的应用，包括数据仓库的建立、数据挖掘主题的定义和数据挖掘的过程。     

基于数据仓库的数据转移方法

数据转移是企业实施数据仓库的关键 ,针对数据仓库的技术特点 ,结合微软公司的数据仓库解决方案和数据转移服务 DTS,对数据转移过程中的几个典型问题 ,给出了其各自的解决方案     

基于数据中台的数据资产管理体系

公司经过十多年的信息化建设,信息系统已全面覆盖企业经营、电网运行和客户服务等业务领域及各层级应用,为公司各项业务有效运转提供了有力支撑.但现今仍缺乏一套统一的企业级数据资产管理体系.为进一步提升数据在电网企业的价值,本文提出了一套基于数据中台的企业级数据资产管理体系,主要从数据质量提升优化、数据资产管理、数据共享服务构建3个方面对如何进行数据资产管理进行论述.     

重建数据立方体的数据覆盖方法

数据切片体现了数据立方体某方面的数据特征,当产生数据切片的数据立方体由于某种原因不可访问时,通过已知的多个数据切片尽可能地恢复数据立方体中的原始信息,有利于对数据的深入分析和理解.提出了一种基于数据切片重建数据立方体的方法,通过数据切片的连接生成多维细粒度空间,利用数据覆盖操作逐步细分每个数据切片所对应的多维空间,以逼近多维细粒度空间.提出了重建后数据立方体的可查询判据.该方法直接利用数据库中的基本操作来实现,高效地支持大数据量的应用环境.     

基于数据挖掘的病历数据预处理

数据预处理技术在数据挖掘和数据仓库中都具有十分重要的作用,其结果将直接影响数据挖掘的优劣.为了更好地从数据类型复杂、冗余空缺值多的海量医疗数据中挖掘切实有用的信息,必须对数据源进行预处理.基于此目的,本文详细介绍了医疗数据的预处理方法,并通过某高校病历数据实例验证其有效性和可行性,为医疗机构提供科学的决策支持.     

基于数据仓库环境下的数据可用性研究

随着数据仓库技术的广泛应用,如何存储数据并保证数据长期可用性已成为近年来的研究重点。文中阐述了在数据仓库环境下存在的数据长期可用性问题,并分析了已有解决方案的优劣,从而给出了一种较为完善的解决方案———模拟策略的核心思想和具体实现过程,以及相关的关键技术,指出了保障数据可用性的未来研究方向。该策略通过模拟历史的硬件平台环境,较好地解决了数据仓库中大量历史数据的长期可用性问题。     

企业数据仓库多维数据模型的建立

数据仓库是一种新的数据管理技术,能将企业内分散的原始操作型数据和来自外部的数据汇集和整理,为企业提供完整、及时和准确的决策信息。构建数据仓库系统的核心问题是如何建立复杂的企业数据模型。商务数据的本质是多维的,传统的ER模型已无法满足要求,而多维数据建模技术从维度、层次建模的角度有效地弥补了传统数据模型的不足。文章以多维数据建模技术为中心通过实例讨论了数据仓库中数据模型的一般建立方法,为解决构建企业信息系统提供了一种切实可行的方案。     

基于数据元的数据交换规范研究

针对信息系统之间的数据异构导致数据交换困难的问题,研究利用数据元理论制定一套基于数据元的、统一的、可复用的数据交换规范,以实现异构信息系统之间高效的数据交换。     

基于数据仓库的煤矿历史数据分析

目前煤矿中积累了大量的历史数据,为了有效利用这些数据,利用数据仓库作为煤矿历史数据分析方法,设计了基于数据仓库的煤矿历史数据分析系统,给出了其软件体系结构和模块功能,并对建立数据仓库关键技术进行了详细描述。结果表明利用数据仓库来分析煤矿历史数据,是可行的和有价值的。     

基于共享数据中心的一卡通数据同步的研究

数字校园建设以后,要求对应用数据进行整合。校园一卡通系统作为数字校园的重要组成部分,其数据来源于数字校园的相关应用系统,如何保持一卡通数据与相关应用系统数据的同步是系统建设要解决的重要问题。本文分析了一卡通数据采集模式,提出了基于SOA架构的共享数据中心来实现一卡通数据同步的方案,详细描述了数据同步的实现步骤,结果证明了该方案的有效性。     

数据质量和数据清洗研究综述

对数据质量,尤其是数据清洗的研究进行了综述.首先说明数据质量的重要性和衡量指标,定义了数据清洗问题.然后对数据清洗问题进行分类,并分析了解决这些问题的途径.最后说明数据清洗研究与其他技术的结合情况,分析了几种数据清洗框架.最后对将来数据清洗领域的研究问题作了展望.