面向工程试验的数据集成研究*

对分布异构环境中的工程试验数据的有效集成是全局试验决策支持的基础。依据工程数据组织分散、模式复杂多变的特点以及OLAP和数据挖掘对数据的要求,剖析了构建数据集成元对象模型的方法、邦联式工程数据仓库的集成途径和使用元对象模型实施异构数据集成的关键技术。     

数据仓库环境下以用户为中心的数据清洗过程模型

数据清洗是数据仓库和数据挖掘中非常重要的一个环节。本文首先分析总结了数据清洗的有关概念，给出了数据清洗中需要解决的质量问题，并总结了解决这些问题的技术和方法。在此基础上提出了以人为中心的数据清洗过程模型。该模型集成了工作流技术、数据集成、数据转换和数据挖掘技术。给出了每个工具箱应该提供的基本功能。     

基于数据仓库的数据预处理过程模型

现阶段的数据挖掘研究工作主要集中于挖掘核心算法方面，忽视了对数据预处理的研究。本文将数据预处理无缝集成于数据仓库的构建过程中，提出了一种数据预处理过程模型，对企业成功实施数据挖掘应用做出了有益的探索。     

联机分析在公共财政管理中的应用

本文提出利用联机分析技术将公共财政以及实时数据仓库中的业务数据集成,来建立公共财政管理系统。决策者通过OLAP实现多维数据分析,对数据仓库中的数据进行查询和在线分析,快速发现数据之间的规律;利用数据挖掘工具对数据仓库中的数据进一步发掘出有用的知识;甩决策模型库来实现多个广义模型进行组合辅助决策,更加有效地、实时地决策分析。     

NCR SAS全球联盟数据仓库与挖掘二合一

NCR和SAS日前宣布建立全球性战略联盟,SAS数据管理、数据挖掘、数据析取及数据转换工具都将被集成到NCR数据仓库解决方案中,以提高NCR数据仓库的价值,并使NCR Teradata RDBMS数据仓库引擎的应用得到扩展。两家公司将双方在数据仓库、数据挖掘和数据     

数字化校园网络中的数据仓库的设计探讨

随着高校校园网络的不断建设和完善,对数据库仓库的要求也越来越高,数据仓库是数据挖掘的基础。成功的数据挖掘的关键之一就是通过访问止确、完整和集成的数据,只有这样才能进行深层次的分析,寻求有用的信息和知识,而这些正是数据仓库所能够提供的。该文主要按照高校数字化网络系统进行数据仓库的设计。     

数据挖掘在实验室CRM中的数据仓库设计

数据仓库是CRM中数据挖掘和决策分析的基础,数据挖掘是一个利用各种分析工具在海量数据中发现模型和数据间关系的过程,这些模型和关系可以用来做出预测.本文通过对数据仓库的概念及模型入手,设计了一个在检验检疫实验室CRM中进行数据挖掘的星型模型.     

基于数据仓库的派单式营销模型的研究

针对各种异构和层次化的Web数据提出了Web数据仓库化模型--MIX数据模型,它是基于语义对象概念的自述型模型,能把Web页面各种异构数据统一起来,完成数据集成,按数据仓库预定义的模式载入数据仓库,较好地解决了派单式营销中Web数据进入数据仓库的难点问题.     

生产信息集成技术在炼油厂的应用

介绍了一种信息集成技术，它通过建立工厂物理模型，使用数据仓库技术来实现数据对象的抽取和传输；它提供了Relayer中间件来构建软件接口，基于SOAP协议和消息处理机制进行XML数据包处理。文章以其在某炼油厂的实际应用为例，介绍了数据仓库与实时数据库、关系数据库的具体接口方式，工厂模型的主要内容以及数据库之间的映射关系等内容。     

Web数据的数据仓库化模型

数据仓库化Web数据,以更好地支持企业的经营决策和联机分析处理,是当前数据库研究的一个热点。Web数据的数据仓库化包括数据抽取、数据集成和数据物化三个连续的阶段。本文在MIX模型的基础上,提出了一个数据仓库化Web数据的模型,描述了主要部分的接口功能,并详细讨论了Web数据的集成过程及物化过程中的有关问题。     

基于POSC平台的油气勘探数据仓库及数据挖掘

根据POSC软件集成平台技术建立油气勘探数据仓库，并对基于油气勘探数据仓库的数据挖掘技术进行讨论。介绍了系统的总体结构，基于Epicentre的多维数据模型，数据完整性和一致性，探讨了数据挖掘技术在油气勘探中的一些应用。     

数据清理中几种解决数据冲突的方法

建立数据挖掘模型的基石是数据仓库,数据仓库的质量直接影响到数据挖掘模型的建立与执行效率,并有可能影响到数据挖掘模型的最终结果的准确度。数据清理就是发现数据中的错误和不一致并加以消除,以提高数据的质量,使得数据挖掘模型建立的过程更加快捷和简便,挖掘出来的模式和规则也就更加有效和适用。     

基于IP网络流量数据仓库的KDD实现

通过对IP网络流量数据仓库进行多表关联检索和决策树模型的数据挖掘,可以从中发现若干有用的知识和相互关联的规则,用于分析流量增长的趋势和寻找IP地址分布与流量大小之间的普遍规律。有助于资源的控制和异常情况的发现。另外,将多表关联算法和决策树挖掘用于星型构架的多维数据集,可以显著地提高数据对象之间的关联性能和数据挖掘的效率。     

对于数据仓库和数据挖掘的理解

数据仓库与数据挖掘是当今新的技术热点,数据仓库是一种解决数据使用的高效技术,数据挖掘为之提供更好的决策支持和服务,同时促进数据仓库技术的发展。主要介绍这两者的概念、应用,以及它们之间的关系。     

对于数据仓库和数据挖掘的理解

数据仓库与数据挖掘是当今新的技术热点,数据仓库是一种解决数据使用的高效技术,数据挖掘为之提供更好的决策支持和服务,同时促进数据仓库技术的发展。主要介绍这两者的概念、应用,以及它们之间的关系。     

数据建模在数据仓库建设中的应用

数据仓库是国土资源决策支持系统建设中的核心内容,是决策支持系统处理的基础。建立数据仓库的目的,是把国土资源的内部数据和外部数据进行有效的集成,为各级决策领导、各级管理人员和业务分析人员使用。作者重点从数据仓库模型设计要点、国土资源一体化数据仓库整体模型架构、数据仓库模型设计规范三方面进行了详细设计。     

基于空间数据仓库的数据采掘

文章介绍了数据采掘技术的定义、数据采掘的过程和主要技术手段以及空间数据仓库的定义、基本结构框架、处理流程和技术支持,分析了基于空间数据仓库的数据采掘特点.     

一个基于数据挖掘技术的高校财务预算系统设计与研制

财务预算是高等院校管理中的一项重大决策工作。采用数据仓库和数据挖掘技术建立决策支持系统是当前的主要方式。本文分析了高等院校财务预算的业务需求,设计实现了一个高校财务预算决策支持系统,包括数据预处理、数据集成、数据挖掘分析等。系统采用决策树数据挖掘技术,对高校财务历史数据进行分析处理,提供预算分析指导。实际使用表明系统对高等院校的财务预算有良好支持。     

多策略通用数据采掘工具MSMiner

介绍了一种多策略通用数据采掘工具MSMiner的设计与实现。MSMiner建立在数据仓库之一,采用面向对象的方法描述关于数据源、采掘算法、采掘步骤和用户的元数据,该系统集成决策树、关联规则、传统统计分析、聚类分析、神经网络和可视化等多种数据采掘算法,以任务模型的形式生成和执行数据 采掘及决策支持任务。其特点是支持数据库、数据仓库、文本以及Web页面等形式数据源,可以动态地添加采掘算法,对数据和采掘策略的组织灵活有效,具有很好的可扩充性和通用性。