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。     

基于Cache网络数据的数据缓存技术研究

通过对目前数据缓存技术的分析和研究，提出和设计了一种针对于高速局域网分布式数据缓存系统，即基于Cache网的数据缓存系统。旨在进一步提高数据缓存系统的性能，通过减少网络传输时间，均衡网络负载，实现提高客户机／服务器网络系统的检索效率。其主要思想是在网络的各个节点上建立数据缓存区，并实现对这些缓存区统一调配和管理。文中对其缓存性能进行了分析，并和其它缓存系统进行了比较，从而论证了该缓存系统的有效性。     

数据仓库及其创建问题研究

介绍了数据库体系结构和功能,对OLTP和OLAP进行了比较,对在已有数据库基础上创建数据仓库出现的问题进行了研究,最后给出了数据库领域进一步研究的几个问题.     

基于数据仓库的外资管理决策支持系统

综合应用数据仓库与联机分析处理技术开发了外资管理决策支持系统。给出了该决策支持系统的架构和实现方案，阐述了建立数据仓库和实现前台OLAP分析应用的关键技术。实现了对预测和深层复杂问题的支持，促进了数据向信息和知识的转化，为支持科学决策提供了手段。     

基于供应链数据仓库的OLAM系统

在供应链数据仓库(SCDW)的基础之上开发OLAP数据挖掘(OLAM)系统,可以使供应链数据仓库更好地适应物流企业决策的需求。OLAM系统不仅具有极高的灵活性,而且能够协助用户发现期望获取的知识和部分未知的有用信息。本文将介绍基于供应链数据仓库的OLAM应用技术,并讨论OLAM系统的工作模式。     

基于数据仓库的政务决策系统

从决策支持系统着手构建了一个基于数据仓库的政务决策系统,即利用数据库(ＤＢ,ＤａｔａＢａｓｅ) 操作数据存储(ＯＤＳ,ＯｐｅｒａｔｉｏｎａｌＤａｔａＳｔｏｒｅ) 数据仓库(ＤＷ,ＤａｔａＷａｒｅｈｏｕｓｉｎｇ)的三层模型结构来构建政务决策系统;利用河北省社会保险业务信息查询统计系统举例说明。     

马尔可夫预测模型及其在市场预测中的应用

Markov预测技术的特殊性在不需要连续不断的历史和数据，而只需要最近和当前动态资料，本文尝试在市场预测中建立马尔可夫预测模型并对产品市场占有率进行预测。     

基于“回归-马尔可夫”的交通事故预测模型

在回归拟合函数的基础上，引入马尔可夫链预测理论，建立了道路交通事故的“回归-马尔可夫”复合预测模型．     

数据仓库的数据建模

简单介绍数据仓库的概念，并把数据仓库与传统关系数据库作了一个比较，介绍了一种适合于数据仓库的数据模型设计方法。     

基于数据仓库技术的图书管理信息系统研究

本文对图书馆数据仓库系统进行了分析、建模和设计,将数据仓库技术用于图书信息管理中,克服了传统图书管理信息系统的不足,使图书馆管理信息系统具有更高的效率和使用价值。     

基于隐马尔科夫模型的浏览路径预测

基于马尔科夫模型的浏览路径预测，仅仅从用户的浏览会话本身出发来预测用户下一步的链接，并不能捕获用户的真正兴趣所在。运用隐马尔科夫模型来分析用户浏览网页的内容，可进一步捕获用户的浏览兴趣，并作下一步的链接预测。当浏览序列长度逐渐增加，系统捕获的用户浏览信息越来越多，此时能够折射出用户的兴趣所在，预测准确率也逐步增加。当浏览序列长度大于或等于8时，预测准确率已经到达80％，提高了预测准确率。     

基于灰色马尔科夫模型的工程成本预测

针对随机波动较大的工程成本预测问题,通过研究过去几年中国一建筑公司承建同类工程的相关数据,建立了灰色GM（1,1）模型,并采用马尔科夫模型分析优化数据.实例分析结果表明,灰色马尔科夫模型用于工程成本的预测结果与实际情况较为一致,说明本研究建立的预测模型合理可靠,具有一定的实用性.     

基于二阶马尔科夫模型预测可趋近性miRNA靶基因

miRNA是一类重要的基因表达调节因子.准确预测miRNA的靶基因对研究miRNA的功能和作用机制至关重要.文中提出一种考虑靶位点可趋近性(accessibility)的miRNA靶基因预测算法.算法首先选择满足种子互补条件的“部分可趋近性”位点;然后用二阶马尔科夫模型计算与miRNA种子区互补的特定核苷酸片段(寡聚体)在3′UTR任意位置上出现的概率并统计“部分可趋近位点”上寡聚体出现的次数;采用过表达水平值评估一个或多个互补位点上至少出现一次寡聚体的概率;最后根据过表达水平值排序miRNA-3UTR对,并取排序的前N个miRNA-3′UTR对作为预测结果.在果蝇和人类数据集上测试的实验结果表明此算法具有较高的灵敏性和精确性.     

基于马尔科夫模型的移动设备链接预测研究

受移动设备内存空间和处理器性能的限制,传统的链接预测方法(如传统马尔科夫方法)不再适于移动设备浏览导航。本文以马尔科夫模型为基础,提出基于马尔科夫链和频繁项挖掘相结合的移动设备链接预测模型。将扇形交互界面的思路引入链接预测领域,有效缩小了用户的视觉搜索时间,提高了模型交互效率。移动设备上的实验结果表明,本文提出的预测模型在保证高覆盖率和低复杂度的同时,可以达到较高的预测准确率和预测效率。     

混合Markov与Bayes的客户欠费预测模型

为有效规避客户欠逃费和实现差异化处置,针对具有长期定时付费特征的后付费类服务,提出混合马尔科夫与贝叶斯的客户欠费预测模型,基于全客户多要素信息增益分析,给出潜在欠费客户的欠费概率,为客户欠费预警和处置提供全面、客观、精细的决策信息,并支持客户差异化处置.首先,基于其付费特点,建立k序马尔科夫模型,计算客户的初始欠费概率;然后,融合客户基本属性、行为特征和欠费信息等要素,基于条件互信息和爬山法生成目标贝叶斯网络,对初始欠费概率予以修正,形成客户最终欠费概率;最后,基于实际数据进行实证分析,验证了该模型的有效性.     

基于因子分析的隐马尔可夫模型

状态输出概率密度为对角协方差矩阵高斯分布的隐马尔可夫模型(HMM-DG)在帧内特征相关建模方面存在缺陷．本文将因子分析方法与HMM-DG的混合高斯建模相结合,提出了一种具有弹性的帧内特征相关隐马尔可夫模型框架一基于因子分析的隐马尔可夫模型(HMM-FA)．并导出了HMM-FA的训练算法．理论分析和仿真实验都表明：在训练数据相同的条件下,HMM-FA的性能优于HMM-DG。     

短时交通量时间序列的小波分析-模糊马尔柯夫预测方法

基于短时交通量时间序列的随机波动特征,提出一种小波分析和模糊马尔柯夫结合的预测方法．首先对交通量时间序列进行多分辨率小波分解,然后对低频部分和高频部分分别进行重构,对重构后的基本信号和干扰信号建立模糊马尔柯夫模型,最后对多个预测结果进行合成,从而得到交通量的预测结果．此外,根据灰色系统理论的新息优先原理,实时更新马尔柯夫预测模型中的状态转移矩阵,进一步提高预测精度．通过对苏州某交叉口短时交通量预测,表明小波分析和模糊马尔柯夫结合的预测方法具有良好的抗干扰能力和容错能力．     

双重改进灰色马尔可夫模型的物流园区物流量预测

为科学预测物流园区的物流量,对灰色马尔可夫预测模型进行双重改进,利用灰色波动多项式替代灰色模型中的指数型曲线,采用滑动转移概率矩阵改进传统的马尔可夫链.利用某物流园区物流量的调研数据对最大相对误差、平均相对误差、残差平方和等因素进行分析.结果表明,双重改进的灰色马尔可夫模型能够更好地预测物流园区的物流量.     

在概率阈值准则下马尔可夫策略的最优化算法

在一种新的概率阈值准则下讨论马尔可夫决策的最优解的算法问题．采用基于增益的过去累积值的方法，求解马尔可夫最优策略．