数据仓库在经销信息管理系统中的应用研究

数据仓库是面向主题的、集成的、时变的和非易失的数据集合,支持管理的决策过程。利用Analvsis Services工具构建一个数据仓库的环境,根据某连锁超市的各部门的需求,用O-LAP工具进行维度和多维数据集的构建和分析。这些技术在企业经销管理的实际应用中的决策能够提供有效的帮助。     

数据挖掘、OLAP在决策支持系统中的应用

分析了传统数据库和决策支持系统中存在的问题,讨论了基于数据集市的数据挖掘和联机分析处理技术在决策支持系统中的应用。     

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。     

OLAP技术在图书馆书目数据分析中的应用

与书目数据分析相关的研究领域越来越多,感兴趣的书目数据可以被描述为异构信息网络.为了从网络中以多维的方式获取知识,在线分析处理(OLAP)可以帮助用户从不同的角度访问数据.对于OLAP分析,必须同时考虑节点和边缘,使其适合提供网络数据.为了考虑网络上OLAP中的关联数据,提出了一种表示图书馆书目网络的概念图模型,并在其...     

数据挖掘技术在ERP财务分析中的应用

ERP 模式下财务信息与相关业务信息的集成实现了企业资金流、业务流、信息流的统一.在网络经济时代,企业对财务分析的要求越来越高.而应用最新的数据挖掘技术,可以满足信息量超大、数据处理成本低的要求.将其应用于ERP财务分析以提高决策的正确性、及时性,降低决策的风险,已成为财务管理领域的重要研究课题.在介绍ERP中财务分析的重要性的基础上,利用最新的数据挖掘技术,论述财务分析中数据挖掘应用的基本过程.     

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。     

数据挖掘技术在医疗费用异常检测中的应用

对医疗费用的异常检测做出一个分析方案。通过SQL Server 2008挖掘平台,利用期望最大化数据挖掘算法,结合小概率事件原理对医疗费用是否异常做检测分析,并把结果通过报表展示出来。该方案能够对医疗费用数据从总体上进行挖掘,提高数据分析效率,并且为医疗异常费用的稽查提供有力的依据。     

OLAP建模巅峰之旅——数据挖掘经典案例

本文主要从数据挖掘技术本身、数据挖掘技术与在线分析处理技术的对比中。以实际案例来展示数据挖掘的特点和优势,同时,将数据挖掘模型作为多维数据库的一个维度。实现了数据挖掘与在线分析处理的融合和企业数据更深层次信息的提取。[编者按]     

数据可视化在数据挖掘中的应用

数据挖掘是从大量历史数据中抽取潜在的、有价值的知识或规则的过程。数据可视化对于快速分析数据，表示高维数据方面非常直观、有效。本文首先讨论了几种可视化技术，随后就数据可视化在数据挖掘的模型、过程中的应用进行探讨。     

数据仓库与OLAP技术在高考志愿数据分析中的应用

如何填报高考志愿,增加考生被自己心仪院校录取的几率,是每一位高考考生和家长密切关注的问题。以某省近9年积累的高考历史数据建立数据仓库,利用OLAP技术对这些数据进行多维分析,得到了一些广大考生可资借鉴的结果。重点介绍了考生志愿多维数据集的建立与分析的整个过程,以及涉及到的一些技术难点。     

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。     

OLAP在企业中的多维数据分析研究

分析了OLAP的特点,进行数据仓库存储方式的构建和多维数据分析功能的实现。引入动态的OLAP多维视图分析,决策者可以从各种维度对销售数据进行审视,进行切片、切块、旋转和钻取等OLAP基本分析操作。文章介绍了组织用于OLAP的多维数据结构。用OLAP进行销售数据多维数据分析。     

关于数据仓库和数据挖掘在物流系统中的应用研究

针对近年来我物流行业急剧发展,物流经营的各个环节对数据管理要求越来越高,物流管理信息系统在其中 扮演的角色越来越重要。本文浅谈如何将数据仓库技术、数据挖掘技术结合起来用于物流管理业,为决策层提供技术支持。 首先对数据仓库和数据挖掘作了简单介绍;其次着重论述了在物流管理信息系统的构建过程中数据仓库、数据挖掘和OLAP 各自的作用,最后站在企业生存的角度上,建议应加大物流系统的建设。本文对物流业的从业人员具有一定的积极意义。     

粗糙集理论在医学数据挖掘中的研究与应用

如何有效地挖掘和利用医疗活动过程中所产生的大量医学信息资源,使之有效地服务于医学的科学研究和临床诊断是医学信息数据挖掘所面临的主要问题.本文首先介绍目前医学数据挖掘研究的特点和现状,以及其区别于其它一般数据挖掘方法的地方;然后探讨粗糙集理论在医学乳腺X片数据挖掘中的应用,最后分析和总结实验中涉及的一些关键问题,并对未来...     

数据挖掘技术探讨

数据挖掘(Data Mining)是目前IT业界的热点,其身影随处可见。数据挖掘技术在许多行业中得到了很好的应用,尤其是在市场营销中获得了成功,初步体现了其优越性和发展潜力。该文主要分析了数据挖掘、数据仓库,联机分析处理(OLAP分析)等基本概念及它们之间的联系,并简要介绍了数据挖掘工具和数据挖掘应用领域。     

基于数据仓库的数据采掘及其在决策支持系统中的应用

本文介绍了数据采掘技术的总体研究情况及有关的一些原型系统和商业产品。对数据仓库环境下数据采掘的特点和潜力进行了探讨。其次讨论了数据仓库技术的基本概念,提出了数据仓库的基本体系结构。最后给出了结合数据仓库、ＯＬＡＰ以及数据采掘技术的综合决策支持系统模型。     

数据流模式依赖挖掘及应用

针对数据流间“模式依赖”问题,给出了一种模式依赖挖掘算法,该算法包括：挖掘前时间序列分段和模式表示,条件规则元组的创建和维护,模式依赖的置信度和支持度计算,2个或N个数据流概要结构的设计等。股票数据实验和实际系统表明,该挖掘方法能够有效地发现数据流间的模式依赖,可用于预测。     

数据挖掘系统结构的研究

介绍了典型的数据挖掘体系结构,然后分析其中存在的一些不足和主要问题.针对这些问题,主要选定存储数据挖掘结果的方向进行研究,提出了改进的数据挖掘体系结构,并对它的特点进行了分析.这种新结构为数据挖掘结果的共享及数据挖掘效率的提高提供了一种新的途径.     

数据挖掘中聚类分析的研究

聚类分析是由若干个模式组成的,它在数据挖掘中的地位越来越重要。文中阐述了数据挖掘中聚类分析的概念、方法及应用,并通过引用一个用客户交易数据统计出每个客户的交易情况的例子,根据客户行为进行聚类。通过数据挖掘聚类分析,可以及时了解经营状况、资金情况、利润情况、客户群分布等重要的信息。对客户状态、交易行为、自然属性和其他信息进行综合分析,细分客户群,确定核心客户。采用不同的聚类方法,对于相同的记录集合可能有不同的划分结果对其进行关联分析,可为协助各种有效的方案,开展针对性的服务。     

数据仓库的多维数据模型的研究

多维数据模型是数据仓库和联机分析处理研究中的一个重要问题,该文根据电力负荷数据集的特点,提出了一种新模型,解决不同维公用一个底层层次属性,把系统中不完全的低粒度数据集和完全的粗粒度数据集在逻辑上无缝地结合起来支持联机分析处理的问题,这是其他多维数据模型所没有解决的。