数据仓库中两种数据模型的分析比较

指出了数据决策支持系统是当今数据库领域的研究热点，而数据仓库和联机分析处理是该领域中的2个重大的技术，数据模型又是数据仓库的核心和基础，在数据仓库中，常用的数据模型是立方体数据模型和星型数据模型，在分析比较这2种数据模型优、缺点的基础上，提出了组织数据仓库中的数据时应灵活选择模型，做到优势互补，扬长避，以调离同高性能的商业决策支持系统。     

空中交通流量管理数据仓库建模研究

多维数据模型的设计已经成为数据仓库和联机分析处理的核心技术.简单介绍了空中交通流量管理和决策支持系统的特点,对一种四阶段规范化数据建模方法加以改进.新的建模方法通过在建模过程中引入UML的类图,方便了数据仓库组织构架的细化,并且很好地描述了数据仓库的元数据,使该方法更加适于设计面向主题的数据模型.同时指导设计了空中交通流量管理原型系统数据仓库的数据模型.     

数据仓库中的数据模型技术

概括分析了数据仓库的数据特征；介绍了实体关系模型和多维模型，重点分析了其建模技术的基本原理；简要分析了两种数据模型的特点，对两的优劣进行了总结和对比；最后，对数据仓库环境中宜选择哪种数据模型进行了一般性的讨论。     

基于数据仓库的销售分析系统的设计和实现

数据仓库是信息处理领域近几年出现的面向分析和决策的新技术 .介绍了数据仓库中数据模型的特点和设计方法 ,并通过一个销售分析系统的实例 ,详细阐述了数据仓库的数据建模、数据抽取和更新、多维数据模型的实现、数据呈现 4个过程 ,给出了一种基于数据仓库技术的决策分析系统的设计和实现方法     

数据仓库中模型转换技术的设计

比较了数据仓库数据库与传统操作型数据库,回顾了“规范的”操作型系统设计,介绍了四种典型的数据模型——实体关系模型、对象模型、维模型和星型模型.提出了一种数据仓库设计中的模型转换技术.     

基于OLAP技术的医疗信息多维数据集设计与分析

OLAP是基于多维数据模型的复杂数据分析技术,是数据仓库中最典型应用.以医疗信息分析系统数据仓库为基础来构建OLAP系统,并根据医疗信息数据分析的需求,选取OLAP主题,进行多维数据模型设计,以及运用多维分析方法和MDX查询设计实现多维数据分析.     

高校图书馆管理的数据仓库技术研究

高校图书馆管理过程中产生了大量的数据 ,应用数据仓库技术可以从中获取许多重要的决策信息 .结合数据仓库技术的最新研究成果 ,论述了高校图书管理数据仓库的系统功能、体系结构和相应的星型数据模型 ,给出了典型的 MDX查询 ,并阐述了它的开发和设计过程     

数据市场分析与数据仓库建设

数据市场是按照某一特定部门的决策支持需求而组织的应用系统,而数据仓库是基于整个企业的数据模型建立的,该文通过对两者的比较,阐述了数据仓库系统关键模块的功能,并给出了建立一个数据仓库的步骤及数据仓库成功的标准.     

基于TC57CIM面向电力营销业务的OLTP模型设计

围绕电力营销技术支持系统数据设计的拓展过程,采用国际电工委员会制定的IEC61970、61968标准中的TC57CIM模型进行数据模型设计,着重针对电力营销业务不同层次数据模型面向电力营销决策分析OLAP数据仓库模型的创新应用进行了研究.     

数据仓库在市场信息系统设计中的应用

构造了基于数据仓库的市场信息系统，包括企业内部报告信息子系统、市场情报子系统、专题市场调查信息子系统、数据仓库子系统和决策支持系统。对信息的搜集方式。ETL工具，数据仓库的数据模型设计，OLAP工具和决策支持的实现方式进行了探索。     

基于支持向量机的矿压监测数据预测研究

冲击矿压具有非常复杂的行为特征,矿压监测数据隐含着冲击矿压系统参与演化的全部变量的信息,可以利用矿压监测数据对冲击矿压预测。文章首先对矿压监测数据进行混沌分析,构建混沌矿压监测数据的相空间,利用支持向量机建立矿压监测数据的预测模型。经与神经网络预测模型进行比较,文章所提出的基于支持向量机的矿压监测数据预测模型更加准确有效。     

基于ORDBMS的时空数据库系统实现与应用

以基于对象关系数据模型的时空数据模型STORM为基础,研究了在ORDBMS上进行时空数据库系统扩展的方法,并以中国历史地理信息为例,讨论了时空数据库在实际中的应用问题.实验证明,基于ORDBMS的时空数据库系统既可以实现时空数据的有效存储,又能够很好地支持前端时空应用的数据存取需求.     

基于SVM和神经网络组合预测模型的物流需求预测

物流需求的定量数据是区域物流发展政策和规划的重要依据,影响物流需求的因素很多,传统的预测方法无法全面考虑各种因素,预测精度较低。为了提高物流需求预测的精度,采用组合预测的方法,建立一种基于支持向量机和神经网络的组合模型。首先采用支持向量机进行预测得到预测基本数据,然后通过BP神经网络进行残差修正,通过算例仿真分析,结果表明组合预测模型具有更高的精度,是一种有效的预测方法,为物流需求预测提供了新的思路。     

甘蔗收获机扶蔗过程运动仿真的研究

通过分析田间甘蔗倒伏的情况，建立倒伏甘蔗的虚拟模型，运用集成工程软件I－DEAS对扶蔗机构模型进行仿真分析，获得了甘蔗扶起运动的轨迹、速度、加速度等重要参数，为设计合理高效的扶蔗机构提供了有效的数据。     

基于模糊信息粒化软测量建模方法研究

提出了一种模糊信息粒化方法和支持向量机相结合的软测量建模方法.利用模糊信息粒化方法对样本数据进行特征提取,降低样本的维数;利用提取的特征作为支持向量机的输入进行建模.用该方法建立柴油凝点的软测量模型,结果表明,该模型具有很好的预测精度和泛化性能,是一种有效的数据建模方法.     

基于支持向量机方法的砂土地震液化分析

提出了砂土地震液化分析的一种新方法，即支持向量机方法。该方法根据有限的学习样本，建立了各种影响因素和地震液化之间的一种非线性映射，可以对砂土在地震条件下的液化进行分析。基于已有的砂土地震液化资料，采用支持向量机模型，对国外地震现场实例进行了预测，网络输出结果与实际情况十分吻合。实例研究表明，支持向量机方法用于预测砂土地震液化是有效而可行的。     

基于相似度的装备数据聚合方法

现代战争需要对多源异构的装备数据进行高效集成。针对不同来源数据中装备名称不一致的问题,设计了装备数据的聚合模型和聚合流程,在综合分析现有算法的基础上,结合装备名称特点为该模型提供了一种新的相似度匹配算法,算法将Jaro-Winkler和最长公共子序列相结合,以提高匹配的精度。最后通过实验进行了验证,结果表明该算法与传统相似度算法相比具有较高的适配性和鲁棒性,可以为装备数据聚合工作提供有效支撑。     

不平衡数据分类问题的基于间隔放大损失的支持向量机

针对不平衡数据分类问题,提出了一种带有间隔感知标签分布损失函数的支持向量机,称为基于间隔放大损失的支持向量机(support vector machine with margin magnification loss,MM-SVM)。考虑各类样本的分布情况以及数据不平衡比,设计了一种间隔放大损失函数,最小化基于间隔的泛化误差界;将间隔放大损失函数应用于SVM模型中,增强了少数类样本对分类超平面的影响,实现对少数类样本的准确分类。在Keel和UCI数据库上的实验表明,MM-SVM在不平衡数据分类精度和时间效率上均优于其他5种对比方法,实现了对不平衡数据的有效分类。     

基于移动数据库的异构数据一致性技术研究

从移动数据库体系结构的演变、数据一致性技术的分类和异构数据同步协议(SyncML)的架构等3个方面介绍了基于移动数据库的异构数据的一致性技术，并结合三者优势提出了DM／SMDS模型，为移动环境下快速、高效地实现数据收敛提供了一种可行的解决方案。     

人工蜂群算法优化支持向量机的传感器节点定位

为了提高传感器节点的定位效果,针对支持向量机参数优化问题,设计一种人工蜂群算法优化支持向量机的传感器节点定位模型.首先采集传感器节点的相关数据,提取有效参数;然后采用支持向量机建立传感器节点定位模型,并采用人工蜂群算法解决支持向量机的参数选择问题;最后在MTALAB2014平台进行传感器节点定位实验.实验结果表明,该模型可以反映当前传感器节点的位置,获得较精准的传感器节点定位结果.