一种基于实时语义维层次链的OLAP查询算法

目前,P2P环境下的OLAP查询策略都是基于从客户端获取查询结果集,如DSCD算法和DQDC算法等主要是研究怎样快速地从客户端获取查询结果集,由于客户端的Data Cube的实时数据更新效率低,易导致查询结果失真,从而影响OLAP的查询效率。为了提高P2P网络中OLAP的实时查询效率,提出了一种RTOS（Real-time Semantic OLAP Search,实时语义的OLAP查询）算法,并结合查询速度和失真率两方面的实验证明,该算法能有效地提高P2P环境下OLAP的决策分析性能。     

一种负载敏感的OLAP查询结果缓存管理技术

OLAP(On Line Analysis Processing)是数据仓库的典型应用,在数据仓库中频繁并发地执行涉及较大数据量的OLAP查询时,其查询处理效率易于逐渐降低。缓存技术是一种有效降低OLAP查询处理延时的方法。在现有的缓存数据存储、淘汰策略等研究工作的基础上,结合OLAP任务的负载特性、OLAP任务的结果集大小等因素对性能的影响,提出了一种负载敏感的OLAP查询缓存管理技术Workload-LRU,并实现了一个ROLAP(Relational OLAP)原型系统。实验证明,Workload-LRU技术获得了较好的性能提升效果。     

电信积分OLAP系统的设计与实现

提出了一种建立在MS Analysis Services上的电信积分OLAP系统的设计与实现方法。它采用Microsoft SQL Server 2000作为后台数据库服务器,使用MicrOsoft SQL Server 2000的Analysis Services作为OLAP服务器,使用ADOMD.NET、OWC及MDX等技术实现多维分析。     

基于数据仓库的决策支持系统的分析与研究

为解决传统决策支持系统（DSS）中存在的不足问题，本文重点论述了数据仓库技术及其体系结构，在此基础上分析了基于数据仓库技术、OLAP及其数据挖掘技术的决策支持系统的体系结构及其开发过程。     

一种扩展的朴素贝叶斯分类器改进算法

文中研究贝叶斯分类器家族中的一种扩展朴素贝叶斯分类器。此种扩展朴素贝叶斯分类器满足两个条件：一是类结点是所有属性的父结点；二是每个属性最多有一个属性父结点。其中有代表性的两种算法是贪婪爬山算法（Hill Climbing Search，即HCS算法）和超父结点算法（Superparent，即SP算法）。对两种算法进行了分析和比较，并在此基础上提出了一种改进算法。通过实验验证所改进的分类器是正确的、有效的。     

基于数据仓库的决策支持系统

基于传统数据库的决策支持系统存在数据分散、数据规范不统一、数据可分析能力低等缺点，文中针对这些缺点提出基于数据仓库的决策支持系统概念模型，并以实际应用说明、验证其概念模型。     

一种扩展的朴素贝叶斯分类器改进算法

文中研究贝叶斯分类器家族中的一种扩展朴素贝叶斯分类器。此种扩展朴素贝叶斯分类器满足两个条件:一是类结点是所有属性的父结点;二是每个属性最多有一个属性父结点。其中有代表性的两种算法是贪婪爬山算法(Hill Climb-ing Search,即HCS算法)和超父结点算法(Superparent,即SP算法)。对两种算法进行了分析和比较,并在此基础上提出了一种改进算法。通过实验验证所改进的分类器是正确的、有效的。     

一种基于TF-IDF的朴素贝叶斯算法改进

目前对以朴素贝叶斯算法为代表的文本分类算法,普遍存在特征权重一致,考虑指标单一等问题。为了解决这个问题,提出了一种基于TF-IDF的朴素贝叶斯改进算法TF-IDF-DL朴素贝叶斯算法。该算法以TF-IDF为基础,引入去中心化词频因子和特征词位置因子以加强特征权重的准确性。为了验证该算法的效果,采用了搜狗实验室的搜狗新闻数据集进行实验,实验结果表明,在朴素贝叶斯分类算法中引入TF-IDF-DL算法,能够使该算法在进行文本分类中的准确率、召回率和F 1值都有较好的表现,相比国内同类研究TF-IDF-dist贝叶斯方案,分类准确率提高8.6%,召回率提高11.7%,F 1值提高7.4%。因此该算法能较好地提高分类性能,并且对不易区分的类别也能在一定程度上达到良好的分类效果。     

基于数据填补和连续属性的朴素贝叶斯算法

朴素贝叶斯算法（NB）在处理分类问题时通常假设训练样本的数值型连续属性满足正态分布,其分类精度也受到训练数据完整性的影响,而实际采样数据很难满足上述要求。针对数据缺失问题,基于期望最大值算法（EM）,将朴素贝叶斯分类器利用已有的不完整数据进行参数学习;针对样本数值型连续属性非正态分布的情况,基于核密度估计,利用其分布密度（Distribution Density）和新的分析计算方法来求最大后验分布,同时用标准数据集的分类实验验证了改进的有效性。将改良的算法EM-DNB应用在生物工程蛋白质纯化工艺预测中,实验结果表明,预测精度有所提高。     

运用数据仓库技术建设银行的MIS

数据仓库理论是管理信息系统建设的方法论，中国银行省、市两级FMIS示范系统建设采用了数据仓库理论和多维数据库技术，本文通过对数据采集、数据仓库、数据呈现三个分系统的建设的介绍，阐述了中国银行省、市两级FMIS示范系统的整体构造和实际应用，提出了管理信息系统数据仓库的数据模型。     

基于面向对象技术的OLAP系统设计研究及应用

介绍了OLAP技术的概念和内容,研究了运用面向对象技术建立OLAP决策支持系统的关键技术,并以宝钢的电力系统为研究背景,给出了宝钢电力OLAP系统的设计方案。     

一种P2P网络环境下的OLAP查询方案

传统网络环境和P2P环境中,客户端向OLAP服务器提交OLAP查询,并从服务器获取查询结果,OLAP服务器的负载将随着客户端的增加而急剧增加。设计了一种基于P2P（Peer-to-Peer,点对点技术）技术的DQDC（Distributed Query Data Cube,多维数据集的分布式查询）算法,实现P2P网络中语义级的多节点Data Cube数据共享,从而提高系统整体的决策分析性能。     

向量计算Array OLAP查询处理技术

多核和众核处理器成为新的具有强大并行处理能力的大内存计算平台的主流配置。多核处理器遵循以LLC（Last Level Cache,最后一级cache）大小为中心的优化技术,而众核处理器,如Phi、GPU协处理器,则采用较小的cache并以更多的硬件级线程来掩盖内存访问延迟的设计。随着处理核心数量的增长,计算框架更倾向于面向大规模处理核心的、代码执行效率高并且扩展性强的设计思想。提出了一种基于数组存储和向量处理的内存分析处理框架Array OLAP,简化OLAP的存储模型和查询处理模型。在Array OLAP计算框架中,维表规范化为基于向量的维过滤器,事实表规范化为带有多维索引的度量属性。通过多维索引计算,一个多维查询被简化为事实表上的向量索引扫描并根据度量表达式进行聚集计算。规范化的向量查找和向量索引扫描具有较好的代码执行效率,并且阶段化的处理模型更好地适应不同的计算平台,将计算阶段分配给最适合的计算平台。同时,Array OLAP是一种面向数据仓库模式特点的设计,向量处理模型设计简单,对于数据仓库维表较小且增长缓慢的特点具有较好的效率。描述了在不同平台上的Array OLAP计算框架并且通过基准测试评估Array OLAP的性能,通过与当前的内存分析型数据库的性能对比,Array OLAP性能超过主流的内存分析型数据库并且可以平滑地迁移到新的硬件平台。     

基于生产线质量控制系统的OLAP安全性研究

随着在线分析处理技术（OLAP）的广泛使用,确保OLAP产品的安全性变得更为重要。为研究OLAP的安全可行性方案,文中以特定项目系统为例,首先对现有的多种OLAP安全方案进行分析,再结合系统实际特点,为项目的 OLAP系统安全性提出了两种实施策略：权限设置与数据加密。权限设置是通过对访问用户的权限进行控制,控制前台用户的使用安全;数据加密是将OLAP的维表中非关键字段进行加密,在运行调用时进行解密。该研究也为下一步的方案实现打下了一定的理论基础。     

基于朴素贝叶斯算法的改进遗传算法分类研究

针对标准遗传算法的不稳定性、准确性低等问题,为了提高遗传分类算法的稳定性和准确性,基于贝叶斯算法的有关理论,提出一种新的遗传算法分类方法.将初始样本集随机的分成数量相等的几组,通过朴素贝叶斯算法从初始样本集中选出部分“区分度”比较高的样本作为新的样本集,通过改进的遗传算法对选出的新样本集进行处理,从而得到最优分类规则.通过两种算法的组合对数据分类时,使分类的稳定性和准确性得到了明显的改善.仿真实验结果表明,该算法有较高的稳定性和准确性.     

一种改进的基于遗传禁忌优化的NB算法*

针对传统朴素贝叶斯分类模型应用过程中存在的特征项冗余问题,使用遗传禁忌算法对特征项集进行优化,并在此优化结果的基础上,提出了一种改进的朴素贝叶斯分类方法来解决用户模板中存在的单类别词汇问题。经实验证明,该方法比传统的朴素贝叶斯分类模型具有更好的鲁棒性和分类性能。     

浓缩商覆盖立方体技术研究

提出一种新的浓缩商覆盖立方体的数据立方体压缩技术,在商覆盖立方体中省略了部分只依据基本表即可快速应答查询的基本单元组,从而缩小其体积。给出浓缩商覆盖立方体的生成算法和查询算法。实验结果表明,浓缩商覆盖立方体的元组数量仅为原商覆盖立方体的62%,验证了浓缩商覆盖立方体技术的有效性。     

浅谈数据仓库中的OLAP技术

随着数据仓库技术和联机分析处理(OLAP)技术的发展,多维数据查询与分析已经广泛应用到商务、金融以及军事等多个领域的信息处理中,为各行业的决策分析提供了强大的支持。本文主要从数据仓库及OLAP技术的相关概念,OLAP多维数据模型及核心技术方面进行了分析总结。     

决策树与数据仓库结合的研究与应用

针对决策树因生长而导致的占用存储空间大、查询速度慢、提供分类决策信息失误率高等弊端,研究数据挖掘中决策树与数据仓库的理论共性,提出将决策树与数据仓库相结合,包括表示方法的结合和基于OLAP操作的结合,以达到提供全新决策支持的目的。应用结果证明了该结合的可行性与优越性。