企业CRM系统中联机分析挖掘的应用与实现

OLAP与数据挖掘工具由于内在技术以及适用范围的不同,在决策分析中必须协调使用才能发挥最佳的作用.本文提出基于Agent的OLAM(OLAP Mining)模型,将数据挖掘和OLAP技术结合在一个统一的框架之中.提出广义数据空间的概念,使得数据挖掘能够在数据库或数据仓库的不同部位或不同的抽象级别上,对数字数据或者文本数据进行挖掘,加强了决策分析的功能和灵活性.最后,把基于Agent的OLAM模型应用于构建智能CRM,此模型把Agent本身的特点自然地引入到数据挖掘过程中,使数据挖掘系统具有了自治性、自动反应性、交互性、适应环境性等智能特点,有助于在大型数据库和数据仓库中交互式地挖掘多层次多维的知识和联系.     

企业CRM系统中联机分析挖掘的应用与实现

OLAP与数据挖掘工具由于内在技术以及适用范围的不同,在决策分析中必须协调使用才能发挥最佳的作用。本文提出基于Agent的OLAM(OLAP Mining)模型,将数据挖掘和OLAP技术结合在一个统一的框架之中。提出广义数据空间的概念,使得数据挖掘能够在数据库或数据仓库的不同部位或不同的抽象级别上,对数字数据或者文本数据进行挖掘,加强了决策分析的功能和灵活性。最后,把基于Agent的OLAM模型应用于构建智能CRM,此模型把Agent本身的特点自然地引入到数据挖掘过程中,使数据挖掘系统具有了自治性、自动反应性、交互性、适应环境性等智能特点,有助于在大型数据库和数据仓库中交互式地挖掘多层次多维的知识和联系。     

基于数据仓库的网球比赛决策支持系统的研究与设计

本文介绍了基于数据仓库技术和数据挖掘技术构建的网球赛场的决策支持系统的研究与设计。该系统在对原有的数据源进行分析和重新组织的基础上,通过建立数据仓库来存储各种来自异质的信息源的数据,利用联机分析处理实现多维数据分析,然后通过数据挖掘技术从数据仓库中获得新的知识,以丰富决策支持系统的知识库。在系统的实现过程中,采用了ORACLE商务智能解决方案实现网球技术指标管理和预测的科学化,并说明OLAP数据仓库能够为网球比赛训练决策人员提供有效的决策信息     

统计数据仓库体系中数据分析系统及其研究

数据仓库最重要的特征就是实现数据的集成与共享.基于统计数据仓库的数据分析系统众多,因此首先对统计数据仓库体系进行研究,然后对联机分析、决策支持及数据挖掘这3类分析工具进行对比研究,并通过介绍"万峰统计数据仓库"中数据分析部分的功能及划分,为统计数据仓库数据分析系统的研发提供了理论基础和实践依据.     

数据仓库的多维数据分析器设计与实现

实现多维数据分析是数据仓库系统需要具备的一个主要功能，它接受用户的多维数据查询请求，生成多维数据集，为建立数据挖掘模型提供基础效果。本文讨论了基于Microsoft SQL Server2000的多维数据分析器的实现。简要介绍了多维数据分析的基本原理，并在DSO、ADO／MD及MDX（多维数据表达式）等技术的基础上，构造了一个多维数据分析器。最后，给出了多维分析器的实现实例。     

数据仓库中可视化决策支持系统模型构建

在构建“税务纳税评估数据仓库”模型的数据分析阶段,通过对可视化决策支持系统模型的研究和设计,采用面向对象的方法,将可视化决策支持系统分为方法层、模型层和应用层三个层次,通过对各层次定义和功能介绍,为数据仓库体系中可视化决策支持系统模型的建立提供了理论基础和实践依据.通过对可视化决策支持模型的构建,提供给用户一个分析界面可视、可互动地分析展示数据仓库可视化的分析决策系统,以便更好地利用现有的税务联机事务处理系统的数据进行复杂访问、报告和分析、决策,充分体现税务数据仓库所蕴涵的价值.     

基于数据仓库的医疗保险决策支持系统设计与实现

针对传统数据库管理系统存在的数据分散、不统一、可分析能力低等缺点,提出了基于数据仓库的医疗保险决策支持系统的体系结构,探讨了数据仓库的逻辑模型,介绍了相关的数据挖掘技术的应用,实现了由原始数据到统一数据的转换和挖掘,进而实现了辅助决策的功能。     

基于SPRINT算法的胃癌临床医疗数据挖掘研究

为了满足数据挖掘的需要,本文提出了一个基于决策树的胃癌临床医疗信息分析应用研究模型.该模型是从业务数据库或数据仓库中抽取与胃癌术后复发因素有关的数据,形成决策树的训练数据集.运用SPRINT算法,构建胃癌术后复发的危险因素分析模型.通过对模型分析,寻找疾病的临床诊断、治疗和预后的关系,证实胃癌术后复发首要危险因素是家族遗传.     

探索式数据挖掘模型的讨论

OLAP与数据挖掘工具由于内在技术以及适用范围的不同 ,在决策分析中必须协调使用才能发挥最佳的作用。本文提出基于影响域的OLAM (OLAPMining)模型 ,将数据挖掘和OLAP技术结合在一个统一的框架之中 ,使得数据挖掘能够在数据库或数据仓库的不同部位、或在不同的抽象级别上进行 ,加强了决策分析的功能和灵活性。该模型有助于在大型数据库和数据仓库中交互式地挖掘多层次的知识     

数据挖掘在保险客户关系管理中的研究

为了从企业客户数据库中挖掘出用户的商业行为和规律,研究了数据挖掘的体系结构和客户关系管理框架,以某保险公司客户关系管理系统为例,设计了系统的功能模块。针对系统的实施,构建了其数据仓库模型,设计了基于数据挖掘的客户关系挖掘算法。     

对象管理在面向对象数据库中的应用研究

为解决面向对象在对象数据库中的管理问题, 描述了面向对象的数据库管理系统（OODBMS： Object Oriented Data Base Management System)的基本概念及其实现过程, 给出了该系统的数据模型、 系统结构及其各系统模块的实现方法。该系统引入面向对象的概念和方法, 以传统关系数据库存储结构为底层, 提出面向对象数据库的数据模型, 使其支持数据类型类层关系和继承性, 具有复杂对象管理和版本管理等能力。同时详述了数据定义(DDL： DataDefinitionLanguage)、 数据操纵(DML：Data Manipulation Language)、 对象缓冲区管理以及查询模块处理和版本管理等子系统的实现过程和方法, 并给出该系统在工程数据库图形图像管理中的应用。该系统可对非格式化的数据进行有效的管理。     

Domain-oriented data driven data mining:a new understanding for data mining

Recent advances in computing, communications, digital storage technologies, and highthroughput dataacquisition technologies, make it possible to gather and store incredible volumes of data. It creates unprecedented opportunities for largescale knowledge discovery from database. Data mining is an emerging area of computational intelligence that offers new theories, techniques, and tools for processing large volumes of data, such as data analysis, decision making, etc. There are many researchers working on designing efficient data mining techniques, methods, and algorithms. Unfortunately, most data mining researchers pay much attention to technique problems for developing data mining models and methods, while little to basic issues of data mining. In this paper, we will propose a new understanding for data mining, that is, domainoriented datadriven data mining (3DM) model. Some datadriven data mining algorithms developed in our Lab are also presented to show its validity.     

基于数据仓库和数据挖掘的高校决策支持系统的探索

在论述的数据仓库、数据挖掘和决策支持系统的基本概念及其关键技术和系统设计方法的基础上，提出了基于数据仓库和数据挖掘的决策支持系统的解决方案．在新方案中将数据库、模型库、方法库有机结合在一起，使系统的高度集成，DSS真正实现从模型驱动到数据驱动的转变．根据当前高校的实际需求，将其在高校管理应用中进行探索，然后重点分析了系统设计在人事管理中典型应用，通过该系统为高校决策提供了科学的依据，指导发展。     

数据仓库及其在教学评价系统中的应用

将数据仓库技术引入数据库系统中,能提高数据库系统效率,有利于数据转化为有用的信息。重点介绍了数据仓库的概念、相关技术,并结合景德镇陶瓷学院的教学管理系统,提出引入数据仓库的教学评价系统设计方案。     

"数字城市"建设中的多元空间数据挖掘

数据挖掘是通过对大量数据进行分析,采用多种分析方法发现其中未知和有用规律的过程,在“数字城市”建设中对海量的多元空间数据的挖掘是极其重要的和极具价值的,具有广阔的应用前景,对“数字城市”建设中的多元空间数据挖掘的步骤、挖掘方法进行了分析,对多元空间数据挖掘在城市规划管理平台、城市可持续发展信息平台、城市经济信息平台等方面的应用进行了讨论。     

一种构造数据仓库的基本时间轮转模型

在分析数据仓库建立的一般方法基础上,提出了一种用于构建数据仓库的基本时间轮转模型·介绍了基本时间轮转机制的概念及实现原理,分析了时间轮转模型的特征;结合具体实例,详细描述了基于粗时间集的基本时间轮转模型构造方法及基于该模型基础上的相关行为·实践证明,与传统的数据仓库构造策略比较,时间轮转机制可有效保证数据汇总的幂等性,并对联机分析处理、数据挖掘和决策支持系统具有更好的可用性,在数据抽取效率、数据存储效力和系统构造便利性等方面也有较大提高·     

基于数据仓库的石化工程预算决策系统

研究了数据仓库和数据挖掘技术在石油化工行业的应用,探讨了石化建筑工程的DW预算分析系统的构架及其实现技术,提出了数据仓库的一种数学描述方法,结合先进的信息管理技术与工程管理的实际经验,利用数据挖掘算法建立了分析和优化系统的模型,提出了预算决策系统的智能解决方案。     

多智能体技术在基于双库协同机制的知识发现KDD*模型设计中的应用

KDD^*模型是基于双库协同机制的知识发现新模型，是结构化数据挖掘领域研究的一个新的分支。为了进一步提高KDD^*的智能性，设计了一个基于Multi-agent技术的智能数据挖掘系统，利用多智能体技术，实现了数据预处理，数据挖掘，知识的自动获取，基础数据库与知识库的同步进化与协调，知识的评价与表示等功能。     

数据仓库数据加载技术

数据仓库中的数据不是传统数据库中数据的简单堆积，其数据的组织必须方便基于数据仓库基础之上的数据挖掘和商业智能工作，为决策者提供访问、分析及共享信息的能力，从而发挥数据仓库的真正功效。成功构造一个数据仓库的关键在于自始至终理解用户需要，紧紧围绕用户目标这一主题进行数据的搜集和存储。首先分析数据仓库的特点及拥有的数据类别及组成，重点介绍如何从现有数据库中有效地将数据引导至数据仓库的方法和策略，具体给出了数据仓库中5种不同类别数据的加载方法。     

基于车辆导航系统的空间数据管理及其应用技术

有效的空间数据管理被认为是地理信息系统（简称GIS）的核心．随着技术的进步和实际需要空间数据的管理方法由文件加关系数据库混合管理模式转为对象加关系数据库管理模式．对于一个车辆导航的嵌入式系统而言，需要使用一个基于Internet的连接来下载存储在远端服务器的数据．数据管理以车辆的定位为依据，而车辆的定位是由全球定位系统（GPS）来完成的，还涉及空间查询和地图匹配及其算法等技术．