支持企业群体决策的一种数据仓库模型

群体决策支持系统是计算机支持的协同工作的重要组成部分,数据仓库提供了对OLAP和决策支持系统的支持.但现今的以数据仓库为基础的决策支持系统大都不能很好地支持决策者之间的协同决策.为更好地支持企业群体决策,给出了一种支持企业群体决策数据仓库的模型(SEGDDWM).该模型以分析企业的不同生产活动为目标,既可以为决策者们的协同决策提供辅助帮助,又可以为决策者们提供面向某个主题的决策服务.由于该模型引入了组合维的概念,不仅大大加快了决策信息查询的速度,而且扩展了单一数据仓库的能力,为决策者们提供统一的协同决策支持平台,也给出了一个零售企业的群组决策过程.     

一种基于分布式数据仓库的文件集快速更新算法

异构数据源整合是企业数据共享的前提，而高效的数据更新不仅节约系统开销还能提供实时数据。在分布式数据仓库的数据预处理区快速更新变动的数据是一个非常重要的热点问题，利用增量文件集的快速更新算法进行ETL设计可以加快数据更新的速度，消除异构数据模式的不一致和语义冲突问题，成套电器集团公司的成功应用证明了该算法的有效性。     

面向集团型企业的混合型分布式数据仓库构建

越来越多的集团型企业迫切需要分布式数据管理和多层次决策支持，因而对数据仓库的实现技术提出了新的要求。本文的目的是寻求一种能适应集团型企业特点的数据仓库方案，分析了传统的集中式数据仓库的不足，在此基础上，提出混合型分布式数据仓库的概念和体系结构，结合JW－DSS工程项目，讨论了该方案中的关键技术，包括元数据分布、数据抽取，联机分析处理，用户管理的策略等。     

面向大规模定制的网络化群体智能决策支持系统

分析了大规模定制模式下决策问题的协同性、科学性和快速响应需求,提出了面向大规模定制的群体智能决策支持系统,用以支持多决策者之间通过虚拟组织的形式开展迅速、科学、有效的群体决策。该系统采用B／S构架,由数据源、集成数据平台、应用服务层、网络通讯平台和用户接口5层结构组成。在数据库／数据仓库、模型库、方法库和知识库的基础上,开发了案例库系统、方法引导器、模型选择器和数据挖掘工具等人工智能部件,增强了系统的实用性和易用性。给出了使用该系统进行客户定制订单群决策的应用实例。     

数据仓库的综合处理模型研究

数据仓库模式的建立、数据的栽入、数据的分析和呈现是数据仓库设计的重要步骤。本文对数据仓库的数据模型、处理流篓堂．体系结构进行了深入的研究，在现有的技术和需求的基础上，总结出了一个数据仓库的综合处理模型，重点讨论了数据综合处理模型的详细结构和处理任务。该模型的提出有利于提高数据仓库的设计效率。     

非独立同分布工业大数据下联邦动态加权学习方法

联邦学习在不交换本地数据的情况下可以完成多方协作训练，很好地解决了工业物联网领域数据隐私保护及共享问题。但是传统的联邦学习在面对非独立同分布的工业数据时，会因为局部模型更新导致模型的偏移。针对上述问题，提出非独立同分布工业大数据下联邦动态加权学习方法，该方法分为局部更新和全局聚合两个阶段。在局部更新阶段，利用联邦距离算法消除偏移程度过大的局部模型的影响；在全局聚合阶段，提出动态加权算法，动态的给对全局模型更有利的局部数据分配更大的训练权重。该方法既考虑了局部更新导致的模型偏移程度问题，又兼顾了偏移局部模型对全局模型的影响。通过实验验证了该方法在面对非独立同分布的工业数据时具有良好的效果。     

敏捷虚拟企业伙伴选择的多维决策模型

描述了在敏捷虚拟企业伙伴选择群体决策问题中项目之间的联系因素，及其在决策过程中的处理方法，并提出相应的多维决策模型。基于该模型的群体决策过程支持对伙伴选择方案的整体规划，有利于进一步优化任务完成的性能；能在决策过程中从全局上指导参与企业的决策方向，减少冗余环节，提高群体决策的效率。     

基于双目标模型的时空上下文跟踪算法

传统的时空上下文跟踪算法在更新目标模型时不考虑跟踪结果的有效性,故目标被长时间遮挡后,目标模型容易被错误更新且难以修正。因此,本文提出了一种基于双目标模型的改进时空上下文跟踪算法以解决错误更新问题。该算法引入一个辅助目标判别模型来评估时空上下文算法跟踪结果的有效性,并根据评估结果对目标模型进行更新。辅助模型使用目标的局部纹理信息而不是相关性信息作为特征,在目标被长时间遮挡后也能准确评估更新内容的有效性,并能在遮挡结束后修正错误更新的目标模型。在多组数据集上的实验表明,改进算法在测试数据集上的跟踪成功率为82%,中心偏差为8pixels;在长时间遮挡等干扰情况下的跟踪精度比原时空上下文算法有明显提升,实现了目标的可靠跟踪。     

支持大数据的参数自适应支持向量回归方法

为解决大数据条件下的高效精准预测问题，提出一种基于均值漂移聚类与海洋捕食者算法的参数自适应支持向量回归方法。将大数据样本划分为训练组、验证组和测试组；采用均值漂移聚类算法处理训练组得到聚类中心；设定支持向量回归(SVR)参数，随机生成多个SVR参数组；基于参数组和聚类中心，采用支持向量回归算法对验证组样本进行预测以得到预测精度，然后采用海洋捕食者算法更新SVR参数组，循环本步骤直到满足截止条件，从而获得最优SVR参数组；基于该最优参数组，用SVR获得测试组的预测精度。与高度类似方法在预测精度、稳定性和数据损失等方面进行比较，验证了该方法的可行性和有效性。     

改进路标定位传感模型在机器人定位中的应用

分析了移动机器人基于路标定位的贝叶斯滤波理论中的传感模型,传统传感模型利用周期末检测到的观测值进行更新修正。若在一个周期内不同位置检测到多个不同角度观测值,传统的传感模型默认为这些角度观测值为周期末静止时所得到,提出了通过转化算法将这些角度观测值转换到更新周期末,使得周期末角度观测值得到的位置观测更精确。计算机实验数据表明提出的传感模型观测值转换算法与现有传统算法传感模型相比,更新位置具有更高的精度。     

[质量优化]基于FP-Growth改进算法的轮胎质量数据分析

针对轮胎制造过程质量异常的问题分析，介绍了轮胎质量数据获取、有效整合与数据分析流程，基于Hive数据仓库构建了生产数据与产品检测数据相关联的结构化数据集。针对现有频繁模式增长（FP-Growth）算法存在FP树建树性能较低与大数据处理效率低的问题，提出了一种改进的FP-Growth算法，在原有的频繁项头表基础上新增一个tail属性，加速FP树构建。实验结果表明，改进后的FP-Growth并行算法能够有效提高轮胎质量异常数据的关联分析效率, 能够找出影响轮胎质量的生产制造重要因素，并且适用于大数据量的数据挖掘。     

一种基于工作流和数据仓库的银行协同电子商务系统

研究在数据库和数据仓库的支持下,如何利用工作流管理方法建立协同工作的银行电子商务系统.系统在支持原有联机交易的同时,也支持在线分析,使银行电子商务的服务功能得到扩展,为建立和完善客户关系管理提供更可靠的支持.系统首先根据银行业务的实际情况和数据特点,用工作流管理方法进行过程定义,工作流管理系统使用分析工具,从多个角度对数据仓库、数据库的数据进行分析,得到所需的数据,使工作流执行过程中不仅有联机的实时数据,还有联机的分析数据,从而可以更好地支持银行电子商务的协同处理.系统基于关系数据库构建数据仓库,由于数据仓库空间开销大,为节省存储空间,使用了一种线性变换方法,将事实表中维的属性进行压缩存储.最后,通过实验数据验证上述成果的可行性.     

面向轿车方案设计决策的OLAP和DM应用研究

结合工程应用从支持轿车方案设计决策的角度深入研究了OLAP关键的分析操作，建立了联机分析数据结构模型。提出了决策树和关联分析两种数据挖掘方法，并给出了两种数据挖掘方法在轿车方案设计决策的应用示例。     

基于多维关联规则的产品族配置研究

针对产品配置中可选零部件的选择问题,提出了基于多维关联规则的产品族配置方法：根据产品族BOM结构,构建零部件约束规则数据仓库,设计人员根据客户的产品需求参数建立数据立方,并运用多维关联规则挖掘出物料库中潜在的、能满足配置需求的物料信息,实现产品的个性化配置。实例验证了该配置方法的可行性。该配置方法有效地提高了产品配置效率及零部件的重用性。     

对企业用电量分析与预测的数据挖掘

讨论了数据仓库的构建模型和构建过程,以天津市某区统计局系统为例,对数据仓库技术和数据挖掘技术进行了实际应用的研究:即在构建完成数据仓库的基础上,提出了利用Microsoft聚集模型进行数据挖掘,利用逐月用电量数据,分析了电量与企业增加值、月平均气温、营业利润等的相关关系.     

数据仓库系统的ETL过程的设计探究

由于企业决策支持的需要,数据仓库及其相关的技术如OLAP、数据挖掘已经越来越受到人们的重视。本文讨论了数据仓库建设中ETL的原理和方法,并提出了数据质量问题,以及质量控制的一般原则。     

支持Web的数据仓库技术

首先分析了Web技术和数据仓库技术的关系，指出建市支持Web的数据仓库技术的重要意义。之后讨论和分析了建立支持Web数据仓库的关键技术的实现方法。最后简要地介绍一个支持Web的数据仓库的体系结构。     

基于数据挖掘的需求分析研究

客户关系管理软件的兴起，使数据挖掘等技术在市场、客户分析预测方面得到了广泛使用。可以利用企业产品历年的销售数据及调查结果，形成一个关于产品的数据仓库，挖掘出客户需求的规则和模式，并进行模糊推理，指导产品开发，在这个思路下开发出一个基于数据挖掘及模糊推理的需求分析模型。