教学评价与知识发现系统的设计

提出了一个基于联机分析技术（OLAP）的教学评价与知识发现,给出了由学生,知识点和类别等构成的六个维度的数据立方体以及利用OLAP技术和关联规则对该数据立方体进行数据挖掘的解决方案。利用上述方法对学生的考试系统进行挖掘,得出有用的结论,从而指导学校的教学工作。     

OLAP数据挖掘引擎算法的设计与实现

基于OLAP的数据挖掘，是数据挖掘的一个新的发展方向。对于如何把OLAP(联机分析处理技术)和DM(数据挖掘)统一起来，从而在数据库或数据仓库的不同层次进行挖掘，提出了OLAP数据挖掘系统的结构。通过研究数据挖掘方法和OLAP操作的特点，以及数据立方的构建和物化，对传统的DM算法进行了改进，设计并实现了更能适应OLAP数据挖掘引擎的算法。     

数据挖掘在远程教育系统中个性化教育的应用研究

本文在分析了当前远程教育网站的不足之后,主要介绍了数据挖掘技术在远程教育中的广泛应用。该文介绍了一种基于Agent技术的系统模型,并介绍了如何建立学生学习评价的多维数据以及利用SQL Server通过OLAP分析服务技术实际实现的方法。     

一种基于OLAP与DM的OLAM模型的研究

OLAP(On-Line Analytical Processing)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(OLAP Mining)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。     

数据挖掘在网络教学中的应用探讨

全文对数据挖掘在网络教育应用进行了研究探讨,提高网络教学质量与学习效率。并提出了基于OLAP技术的数据挖掘应用和基于代理（Agent）的系统架构模型,搭建一套用于网络教学的辅助管理系统。     

数据挖掘在网络教学中的应用探讨

全文对数据挖掘在网络教育应用进行了研究探讨,提高网络教学质量与学习效率.并提出了基于OLAP技术的数据挖掘应用和基于代理(Agent)的系统架构模型,搭建一套用于网络教学的辅助管理系统.     

数据挖掘技术支持下的智慧课堂教学方式

随着大数据时代的快速发展,衍生出的基于学习数据的学习分析技术在教育中的研究和应用越来越多。面对学习者学习过程中产生的数据,如何在智慧课堂中使用数据挖掘技术融入学习数据,使课堂教学变得更加高效成为研究者们的热门课题。本研究介绍了智慧课堂的内涵,并提出了基于教育数据挖掘技术的智慧课堂教学设计,引导学习者培养学习兴趣的同时,提高教师对课堂的把握和教学的效率。     

融合知识交互关系的认知诊断深度模型

认知诊断是基于学习数据挖掘学习者潜在认知状态的一种智能评测技术.当前大多数认知诊断模型将学习任务中的知识视为同等重要,未考虑知识间的交互关系,从而影响诊断的准确性,同时也缺乏可解释性.针对上述问题,文中提出融合知识交互关系的认知诊断深度模型,实现学习者认知状态与知识权重的统一表达.同时,实现基于Choquet积分的理想作答反应计算算法.最后提出模糊测度的深度神经网络,预测学习者的作答表现.大量实验表明,文中模型不仅取得较好的预测结果,还能为预测结果提供知识交互层面的解释,具有一定的优越性.     

基于人机交互环境的教学精确观测

教师开展工作时,更多依靠经验进行学生个性分析、教学过程诊断。构建精确教学环境,采集教学过程数据,实现实证教育是新一代教育技术的特点。像其它领域一样,引入计算机观测教学活动是重要趋势。基于人机交互环境设计面向教学、认知过程的新型教学在线观测系统,能采集到传统教育学、心理学范式难以获得的巨量、精确信息。在力学、动力学角度对教学数据进行分析,获得学习速度、加速度、平均速度、关键点、学习动能等认知动力学变量。这些认知动力学参数反映了学习者个性、群体信息,为教学训练、诊断提供支撑。随着1:1数字教学的发展,基于人机交互环境的教学精确观测将为实证教育提供重要支撑。     

个性化网络学习系统设计研究

本文以个性化学习理论为指导,探索出能够适应学习者个性化学习的网络学习系统的基本模块及其功能,并通过综合运用数据库技术、数据挖掘技术以及人工智能技术来完善系统的功能。该系统将网络学习的特点与学习者的认知水平、认知风格和兴趣爱好等个性化因素紧密结合起来,为学习者营造一个个性化的网络学习环境。     

Fuzzy OLAP association rules mining-based modular reinforcement learning approach for multiagent systems.

Multiagent systems and data mining have recently attracted considerable attention in the field of computing. Reinforcement learning is the most commonly used learning process for multiagent systems. However, it still has some drawbacks, including modeling other learning agents present in the domain as part of the state of the environment, and some states are experienced much less than others, or some state-action pairs are never visited during the learning phase. Further, before completing the learning process, an agent cannot exhibit a certain behavior in some states that may be experienced sufficiently. In this study, we propose a novel multiagent learning approach to handle these problems. Our approach is based on utilizing the mining process for modular cooperative learning systems. It incorporates fuzziness and online analytical processing (OLAP) based mining to effectively process the information reported by agents. First, we describe a fuzzy data cube OLAP architecture which facilitates effective storage and processing of the state information reported by agents. This way, the action of the other agent, not even in the visual environment. of the agent under consideration, can simply be predicted by extracting online association rules, a well-known data mining technique, from the constructed data cube. Second, we present a new action selection model, which is also based on association rules mining. Finally, we generalize not sufficiently experienced states, by mining multilevel association rules from the proposed fuzzy data cube. Experimental results obtained on two different versions of a well-known pursuit domain show the robustness and effectiveness of the proposed fuzzy OLAP mining based modular learning approach. Finally, we tested the scalability of the approach presented in this paper and compared it with our previous work on modular-fuzzy Q-learning and ordinary Q-learning.     

一种应用于OLAP的数据模型及其实现

数据仓库及OLAP技术是当前数据库领域研究的热点,而数据模型又是数据仓库及OLAP核心基础。文章提出了一种应用于OLAP的数据模型,并用于实际应用中。这种数据模型在概念上表达了OLAP特性,支持OLAP操作,而且其数学代数简单明白地表达了OLAP查询。     

A top-down approach for compressing data cubes under the simultaneous evaluation of multiple hierarchical range queries

A novel top-down compression technique for data cubes is introduced and experimentally assessed in this paper. This technique considers the previously unrecognized case in which multiple Hierarchical Range Queries (HRQ), a very useful class of OLAP queries, must be evaluated against the target data cube simultaneously. This scenario makes traditional data cube compression techniques ineffective, as, contrary to the aim of our work, these techniques take into consideration one constraint only (e.g., a given storage space bound). The result of our study consists in introducing an innovative multiple-objective OLAP computational paradigm, and a hierarchical multidimensional histogram, whose main benefit is meaningfully implementing an intermediate compression of the input data cube able to simultaneously accommodate an even large family of different-in-nature HRQ. A complementary contribution of our work is represented by a wide experimental evaluation of the performance of our technique against both benchmark and real-life data cubes, also in comparison with state-of-the-art histogram-based compression techniques.     

数据仓库中的一种立方体数据模型

数据仓库和联机分析处理(OLAP)是商业数据处理领域中的两个最重大的新技术。OLAP应用要求对数据仓库中存储的大量数据进行分析,用标准关系数据库技术来实现非常复杂的查询是相当困难的。所以,在数据仓库中,数据被组织成立方体数据模型。该文提出了一种简单、直观的数据立方体模型以及在这个立方体上支持OLAP操作的代数。为复杂的查询提供了简要的表述方法。     

基于XML数据立方的面向对象扩展

本文是对基于XML的数据立方数据模型的面向对象的实现，通过对数据仓库技术，面向对象技术和XML技术的结合的探讨，扩展了XML Schema，从而为基于WEB数据仓库的应用提供了一种新的表示和实现方法，解决了数据仓库中模式演化所带来的重组问题，通过与面向对象技术的结合使用，把数据仓库变成为数据立方和OLAP方法的仓库，这种数据仓库的实现方案，保证了数据仓库系统的稳定性，灵活性和可扩展性，适应了新一代WEB应用的需要。     

Object-based selective materialization for efficient implementationof spatial data cubes

With a huge amount of data stored in spatial databases and the introduction of spatial components to many relational or object-relational databases, it is important to study the methods for spatial data warehousing and OLAP of spatial data. In this paper, we study methods for spatial OLAP, by integrating nonspatial OLAP methods with spatial database implementation techniques. A spatial data warehouse model, which consists of both spatial and nonspatial dimensions and measures, is proposed. Methods for the computation of spatial data cubes and analytical processing on such spatial data cubes are studied, with several strategies being proposed, including approximation and selective materialization of the spatial objects resulting from spatial OLAP operations. The focus of our study is on a method for spatial cube construction, called object-based selective materialization, which is different from cuboid-based selective materialization (proposed in previous studies of nonspatial data cube construction). Rather than using a cuboid as an atomic structure during the selective materialization, we explore granularity on a much finer level: that of a single cell of a cuboid. Several algorithms are proposed for object-based selective materialization of spatial data cubes, and a performance study has demonstrated the effectiveness of these techniques     

OLAP分析模型在集团企业财务分析中的应用

从OLAP分析的代数实现出发，提出了一种OLAP分析模型，包括一个多维立方体数据模型和一系列多维算子模型，并将此OLAP分析模型应用于集团企业的财务分析，提供了各种财务分析方法的代数实现。     

OLAP技术及其在SQL SERVER 2000中的实现

OLAP系统积累的大量数据如何为决策分析提供支持将成为下一阶段数据库应用的重点，OLAP技术通过数据立方体提供多维度的数据视图，并通过旋转切片等操作扩展查询语言的功能来满足这种需求。文中简要介绍了联机分析处理(On line Analysis Process)中的基本概念、OLAP与传统联机事务处理OLTP的差别、OLAP的相关实现技术，并给出了OLAP在SQL SERVER 2000中的具体实现。最后对OLAP的发展前景作出展望。     

基于数据立方体的多维关联规则的挖掘方法

总结了现有基于数据立方体的多维关联规则挖掘算法，在此基础上将联机分析处理(OLAP)的钻取操作引入关联规则挖掘过程，提出Apriori_cubc算法的改进算法。通过动态调整立方体的维层次，来挖掘出用户感兴趣的关联规则。