数据仓库和数据采掘应用研究

随着人们处理的数据量的成指数增长，数据库技术有了新的应用和研究课题－数据仓库和数据采掘，本文介绍了数据仓库和数据采掘的思想和特点，并指出了它们的研究内容及应用前景。     

数据仓库中数据采掘的研究

本文介绍数据仓库和数据采掘的基本概念,讨论了数据采掘的实现方法,提出了在数据仓库中进行采掘时出现的若干问题和对策。     

基于数据仓库的数据采掘技术应用

本文首先分析了基于数据仓库的数据采掘的主要方法,技术和应用,然后通过实例讨论了数据采掘在股票分析与决策系统中的应用。     

基于数据仓库的数据采掘及其在决策支持系统中的应用

本文介绍了数据采掘技术的总体研究情况及有关的一些原型系统和商业产品。对数据仓库环境下数据采掘的特点和潜力进行了探讨。其次讨论了数据仓库技术的基本概念,提出了数据仓库的基本体系结构。最后给出了结合数据仓库、ＯＬＡＰ以及数据采掘技术的综合决策支持系统模型。     

基于数据仓库的电力系统负荷预测研究

介绍了数据仓库的性能特点和总体结构，分析了在电力系统负荷预测中引入数据仓库后可以解决的问题。并阐明基于数据仓库的电力系统负荷预测的实现方法。     

数据采掘在Internet中的应用

近年来,计算机网络的普及使Internet成为世界上最大的信息网,目前已有两万多个WWW服务器,且每天还在以两百个以上的速度增加,其蕴藏的数据已无法计量,因此如何从这些巨量的数据中发现有用的知识是知识工程研究面临的新课题。数据采掘就是为满足这种要求而产生并迅速发展起来的,可用于开发信息资源的一种新的数据处理技术。简单地说,数据采掘是从大量的数据中采掘出隐含的、先前末知的、对决策有潜在价值的知识和规     

一种新型的数据库应用——数据采掘

本文介绍了数据采掘（ＤａｔａＭｉｎｉｎｇ）的基本概念，具体分析了两种数据采掘工具并讨论了与数据采掘相关的一些技术。     

数据仓库中的数据提取

数据仓库的思想和工具在企业中得到了越来越广泛的体现和应用,在当前典型的数据仓库应用中,数据仓库的填充或者说数据的提取,转换和加载是设计人员遇到的最大挑战之一,预计在数据仓库的设计过程中,80％的努力都将用于此过程。该文从工程角度介绍了数据提取、转换和加载的过程和实现方式,并介绍了4种可灵活应用的数据提取方法。     

数据采掘的技术、热点、问题及动向

本文概述了数据采掘基本技术的应用特点、当前研究、开发的热点和未来趋势。     

基于数据仓库的数据挖掘技术分析研究

基于数据仓库的数据挖掘技术是一种对数据仓库中的数据进行深层次的加工和处理的过程,也是一种实现数据仓库决策价值的方法和工具。文中分析了数据仓库、数据挖掘等概念,并结合数据挖掘在实际决策支持系统中的应用,说明了数据挖掘的基本方法、主要过程以及发展方向。     

基于空间数据仓库的空间数据挖掘研究

分析了空间数据仓库的特点和体系结构，在空间数据仓库的基础上提出了一种空间数据挖掘的模型结构，介绍了一些常用空间数据挖掘算法，并展望了其广阔的应用前景。     

数据挖掘管理系统

本文分析了数据挖掘的常用技术和分析方法,详细探讨了数据挖掘过程,在此基础上,设计了一个由多模型构成的数据挖掘管理系统的一般框架,其能支持数据挖掘分析的全过程。     

利用数据仓库和数据挖掘实现电信决策支持系统

给出了电信企业利用数据仓库和数据挖掘技术实现的决策支持系统的逻辑架构和物理架构，并简单介绍了该系统中的几种数据挖掘方法。     

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.     

数据仓库的体系建设

通过对某大型数据仓库的建立过程，讨论数据仓库的功能、要点以及数据挖掘对决策支持的影响。     

基于数据仓库的数据挖掘研究

结合当前数据仓库和数据挖掘的发展，本文探讨了数据仓库和数据挖掘结合的必然性；提出了基于数据仓库的数据挖掘的体系结构；综述了基于数据仓库的数据挖掘的主要特征和典型应用。     

Textual Data Mining to Support Science and Technology Management

This paper surveys applications of data mining techniques to large text collections, and illustrates how those techniques can be used to support the management of science and technology research. Specific issues that arise repeatedly in the conduct of research management are described, and a textual data mining architecture that extends a classic paradigm for knowledge discovery in databases is introduced. That architecture integrates information retrieval from text collections, information extraction to obtain data from individual texts, data warehousing for the extracted data, data mining to discover useful patterns in the data, and visualization of the resulting patterns. At the core of this architecture is a broad view of data mining—the process of discovering patterns in large collections of data—and that step is described in some detail. The final section of the paper illustrates how these ideas can be applied in practice, drawing upon examples from the recently completed first phase of the textual data mining program at the Office of Naval Research. The paper concludes by identifying some research directions that offer significant potential for improving the utility of textual data mining for research management applications.     

基于数据仓库和数据挖掘的中国科技股投资决策支持系统研究

首先讲述证券业的特点及数据仓库和数据挖掘技术在其中的应用前景,然后分析数据仓库和数据挖掘技术。接着提出了一个科技股投资决策支持系统,重点论述该系统的体系结构,详述各组成部分的功能及相互关系,并且还指出采用SQLServer2000来建立数据仓库。