基于SQL Server的OLAM的研究及应用

OLAM(On-line Analytical Mining)是当前的热点技术,是融合了联机分析处理(OLAP)和数据挖掘(Data Mining)的一种新的数据挖掘技术。本文主要研究数据仓库中OLAP,On-line Analytical Processing和数据挖掘技术,这两个技术是商业智能中的核心技术和主要内容,在两者的基础上引入OLAM的概念,并阐述其基本原理和核心技术。基于微软的SQL Server平台,为一个商业案例建立数据仓库,利用Analysis Services服务,建立销售分析的多维数据集,利用OLAM的基本模型实现OLAP和聚类挖掘技术的结合,借助两者的各自优势,得到很好的客户聚类分析结果。     

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。     

OLAM体系结构和算法的研究及应用

联机分析挖掘(0LAM)把0LAP(联机分析处理技术)和DM(数据挖掘)统一起来,从而在数据库或数据仓库的不同层次进行挖掘.为了提高联机分析挖掘的效率.论文给出了基于OLAP和DM的0LAM系统的一体化模型,并且通过研究数据挖掘方法和联机分析处理技术各操作的特点,对传统的DM算法进行了一定的改进,提出了更有效的基于0LAP的关联规则挖掘算法.     

基于数据仓库的联机分析挖掘系统

基于数据仓库的联机分析挖掘系统的应用已成为趋势,设计并实现了一个应用模型。该模型建立了一个B／S架构的双服务器数据仓库,将数据挖掘与OLAP思想相结合,提供多维度事务内、事务间关联规则的挖掘。介绍了系统设计思想和体系结构,对系统的各部分功能进行了分析,并在此基础上提出了传统OLAP系统到OLAM系统平滑过渡的解决方案。     

数据仓库与数据挖掘技术的研究与应用

讨论了数据仓库的构建方法和数据挖掘技术的应用,介绍了使用分析服务器构建数据仓库及进行联机分析的方法,实现了一个利用决策树算法建立模型对顾客的信誉度进行分类的实例.     

数据仓库与数据挖掘技术的研究与应用

讨论了数据仓库的构建方法和数据挖掘技术的应用,介绍了使用分析服务器构建数据仓库及进行联机分析的方法,实现了一个利用决策树算法建立模型对顾客的信誉度进行分类的实例。     

基于OLAM的聚类关联挖掘在交叉销售中的研究应用

OLAM（On-line Analytical Mining）是当前的热点技术,是融合了联机分析处理（OLAP）和数据挖掘（Data Mining）的一种新的数据挖掘技术。该文主要针对商业中的交叉销售问题,提出一种基于销售多维数据集的聚类关联规则OLAM挖掘模型。利用SQL Server Analysis Services（SSAS）平台的数据挖掘工具,实现了该OLAM聚类关联挖掘模型,利用该模型的挖掘模式获得了对客户交叉销售的推荐方案。     

OLAM以及基于Web的OLAM

随着数据库技术的发展,数据仓库技术的出现,数据库（数据仓库江的应用工具也从 ＯＬＴＰ发展到 ＯＬＡＰ、ＤａｔａＭｉｎｉｎｇ,直到今天的 ＯＬＡＭ;而 Ｉｎｔｅｒｎｅｔ、尤其是ＷＷＷ技术的兴起与发展,更使基于 Ｗｅｂ的 ＯＬＡＭ成为可能。     

人力资源数据挖掘技术及其应用

文章描述了数据挖掘技术原理和实现数据挖掘的基本方法,采用了选择树分类器,将选择树模型用于人力资源数据仓库的挖掘系统中,获得了成功的应用。     

SQL Server 2005的数据挖掘技术在示范性院校管理决策支持系统中的应用

分析了高校MIS的特点及DM与OLAP的作用与功能。提出了高校建立基于数据挖掘技术的管理决策支持系统的途径与方法。即在建立DW基础上进行DM,并与OLAP相结合以提高系统辅助决策能力。     

基于数据仓库的证券交易决策支持系统设计与开发

证券交易对海量数据管理和分析存在潜在需求,对证券交易决策支持系统做了分析,针对海量数据管理,提出基于DW、DM、OLAP的系统框架,并设计了网络结构、主题、数据维度、数据库,最后从数据获取、数据的技术分析及多维分析讲述系统的实现,为决策者管理和分析海量证券交易信息提供决策支持.     

决策树算法的一种改进算法

决策树是归纳学习和数据挖掘的重要方法,主要用于分类和预测.ID3算法是决策树中应用最广泛的算法,通过对数据挖掘中决策树的基本思想进行阐述,讨论了ID3算法倾向于取值较多属性的缺点,引入无关度对ID3算法作了改进.实验数据结果分析表明,改进后的算法能得到更合理、更有效的规则.     

基于SPRINT方法的并行决策树分类研究

决策树技术的最大问题之一就是它的计算复杂性和训练数据的规模成正比,导致在大的数据集上构造决策树的计算时间太长。并行构造决策树是解决这个问题的一种有效方法。文中基于同步构造决策树的思想,对SPRINT方法的并行性做了详细分析和研究,并提出了进一步研究的方向。     

一种基于数据库查询的改进的决策树算法

ID3算法作为数据挖掘分类技术中的核心算法,有着构造简单、学习能力强、分类速度快等优点。但由于其沿用的是机器学习算法,处理的数据集规模小且与数据库集成性较差,影响了其实用性。在继承原有算法思路的基础上,对其核心部分进行了改进,通过使用嵌入式SQL,直接对目标数据库进行查询操作并处理,最终得到分类决策表并保存于数据库。实验证明,改进的ID3算法结合了SQL的高效性和C语言的灵活性,高效无缝地实现了大量数据的分类且大大提高了算法的执行效率。     

基于遗传算法的多属性模糊决策树的优化

决策树是数据挖掘中的一种高效方法,但是当训练数据的属性很多时,构建的决策树的规模会随属性个数增加而指数级增长,进而会产生海量的规则。针对该问题,提出了一种基于遗传算法的优化方法。首先根据信息增益利用轮盘赌方法选取若干组属性,构建多棵决策树,然后利用遗传算法对多棵决策树进行组合,并最终形成规则集。最后给出了实验结果,证明了该方法的可行性和有效性。     

基于S-CART决策树的多关系空间数据挖掘方法

针对空间数据关系复杂的情况,提出了一种改进的多关系数据挖掘结构分类与回归树（S-CART）算法,该算法首先利用空间关联索引表抽取不同主题图层之间的关系原子命题,然后基于逻辑谓词创建多关系二叉决策树,抽取空间关联规则,同时基于我国湖北大冶部分地区土壤污染数据验证算法的有效性。     

基于决策树方法的特定主题Web搜索策略

基于数据挖掘中决策树方法提出了一种新的Web搜索策略。在该策略中,通过对预先采集的Web页面进行学习得到一棵决策树,然后对其进行剪枝,得到简化布尔表达式形式的主题内在规律性信息,在其基础上进行查询修改,把修改后的查询转发到通用搜索引擎上,最终得到查询结果。实验结果表明,提出的查询策略对于特定主题的Web搜索,查询结果的质量有明显的改善和提升。     

电信闭环决策支持系统的研究与实现*

针对电信数据的特点,提出了基于数据仓库的电信闭环决策支持系统的实现方案;确定了电信领域的决策分析主题及相关的模型,阐述了采用基于数据仓库的四层结构的电信闭环决策支持系统的系统架构和功能。系统以数据仓库为基础,运用联机分析处理、数据挖掘等分析决策手段实现了对电信数据多角度、多层次的查询、分析及决策功能。     

Detecting the change of customer behavior based on decision tree analysis

Abstract: Understanding and adapting to changes in customer behavior is an important aspect for survival in a continuously changing environment. This paper develops a methodology based on decision tree analysis to detect the change in classified customer segments automatically between two data sets collected over time. We first define three types of changes as the emerging pattern, the unexpected change and the added/perished rule. Then, similarity and difference measures are developed for rule matching to detect all types of change. Finally, the degree of change is developed to evaluate the amount of change. Our suggested methodology based on decision tree analysis in the change detection problem can be used in more structured situations in which the manager has a specific research question and it also detects the change of classification criteria in a dynamically changing environment. A Korean Internet shopping mall case is evaluated to represent the performance of our suggested methodology, and practical business implications for this methodology are also provided. We believe that the change detection problem and the suggested methodology will become increasingly important as more data mining applications are implemented.     

基于DW的连锁超市决策支持系统的研究与设计

文中在连锁超市原有的联机业务管理信息系统的基础上,综合运用了数据仓库(DW)、联机分析处理(OLAP)、数据挖掘(DM)等新兴技术,开发了一个完整的连锁超市决策支持系统。简明扼要地介绍了系统的体系结构和总体实现,并对DW,OLAP和DM等关键部件的设计作了详尽的论述。