时态多维模型设计

传统的数据仓库基于维度时不变的观点,只考虑事实随时间的变化.实际上,数据仓库的多维模式是随时间缓慢变化的.数据仓库多维模式的变化会影响OLAP查询结果的正确性,有必要对多维模式的历史变化进行维护.在分析多维模型结构的基础上,对多维模式的元素进行时态扩展,给出了一种能解决复杂多维结构的时态多维模型的形式定义,并对时态模型更新操作的实现进行了分析,最后对时态模型各元素应满足的时间一致性约束进行了分析.     

数据仓库的时态关联规则的描述

该文从时态型概念出发给出了有限个属性在时态型上描绘的不同状态时态事件空间,定义了事件之间的时态关联规则,由此导出了5种不同的具有一定意义的时态关联规则,这些时态关联规则具有普遍的理论意义,可以用于商品销售、股票价格等等数据仓库中的数据采掘问题。     

数据仓库中时间属性的研究

在基于数据仓库的CRM系统中，时态数据的更新与删除处理是一直倍受关注的问题之一，本文主要探讨了数据仓库中时间属性的变化处理方案，为数据仓库维表的时态数据的更新变化处理提供了依据。     

时态关系数据的特征及其规范化

本文研究了时态关系数据的特征 ,给出了时态范式关系模式的定义 ,简述了其规范化过程 .     

时态强简单候选关键字算法研究*

对于时态数据库的设计来讲,一个重要的约束就是候选关键字约束。在实际应用系统设计中,根据应用环境要设计时态模式,并对模式进行规范化处理。无论需要满足哪种范式,都涉及候选关键字问题。目前已提出的时态初等候选关键字,时态简单候选关键字都有其相对应的范式TEKNF和TSNF。在此基础上,在强全序模块模式下提出了时态强简单候选关键字的概念,给出明确的定义。并且给出了强全序候选关键字算法以及求取强简单候选关键字集算法,对算法的可终止性,正确性进行了证明。并对算法的复杂度进行了分析。同时初步定义了相对应的时态强简单范式。     

基于BCDM的双时态关系代数

双时态概念数据模型BCDM是一种重要的时态数据库模型，基于BCDM模型，建立了一种双时态关系代数．首先，对时态数据库事务时间和有效时间进行规范化的定义，给出BCDM中时间元素的规范化定义和演算描述；而后，定义时态映射，用以描述BCDM中的双时态元组，并形式描述时态映射的演算；最后，用时态映射定义的元组对双时态关系进行定义，并由此给出双时态关系代数运算的形式化描述．     

基于对象时态稳定性分类特征的双时态ER模型

对双时态数据库建模时以客观事物的时态特征为切入点,定义有关时态表示的双时态点、双时态组合集和双时态标签,通过分析客观对象的时态稳定性,将其划分为时态值稳定对象和时态值变对象。参照数据库概念结构设计基本方法,给出一种基于对象时态稳定性分类特征的双时态ER模型,并定义了相关的基本图元及建立规则,该模型可有效减少因模式中存在大量与时态无关属性而造成的数据冗余现象。最后给出该模型与应用较为普遍的BCDM模型相互转化的方法,使其具有推广应用价值。     

数据仓库中时态视图的维护

数据仓库的一个重要用途是利用时态视图向用户提供历史信息.因为在传统关系数据模型中增加了对时间的支持,而且时态视图的更新不仅来自于基表更新,还包括时间前进,所以,目前对非时态视图维护的研究成果不适用于时态视图,并且已有的一些时态视图维护算法也不适用于数据仓库.以历史关系模式为对象,根据增量式维护方法的原理,采用纯删除、纯插入的计算方法,用代数语言给出了5种基本历史关系代数运算的更新传播算法,由这5种历史关系代数组合定义的时态视图都可用迭代方法得到其增量维护计算式.所采用的纯删除、纯插入思想也可移用于其他历史     

一个实现双时态数据库的新方法

在双时态数据模型中,随时间变化的事实是用两个时间维--有效时间维和事务时间维--来描述.在关系数据库中,通常用4个时间字段表示数据的时态性,这种方法使得数据和时间分离.为了描述时变数据的物理意义,定义了时态数据类型,并且定义了时态数据运算和时态关系运算,同时建立了时态索引机制.以时态数据类型为系统的基本数据类型,扩展关系数据库系统为时态关系数据库系统.     

一类基于多属性特征的时态近似周期挖掘算法

在多维时态近似周期模型的基础上,提出了一种基于时态数据库技术和层次聚类技术的多维时态近似周期挖掘算法,并应用于股票数据。实验表明此算法是有效的。     

基于模式和数据并发更新的视图维护机制

在数据仓库的实化视图维护处理中，如何有效地处理并发更新是一个重要而又棘手的问题．文中阐述了P2P环境下模式与数据全面并发的典型情形，分析了因并发更新而导致视图维护异常的原因，针对这些不同的方面提出相应的纠正策略．给出了一种基于时态演算的并发更新侦测方法，以及混合更新下对关联更新进行检测的有效算法，最后提出了解决乱序提交问题的增强代理机制，确保了数据仓库与数据源的一致性．     

RFID数据仓库上的多时空粒度近似聚集查询

随着物联网的发展,以RFID为代表的物联网传感器数据的存储、查询、处理等课题正成为研究的热点。结合数据仓库时空维度和列存储的思想,建立了一种列式RFID数据仓库,并根据RFID的时空特性,设计了一种支持连续聚集查询的多时空粒度数据结构和快速更新算法。它去除了传统聚集查询的部分冗余操作,适合处理大规模RFID数据仓库上的连续实时聚集查询。通过实验证明,该模型与算法在一些典型的物联网应用中取得了较高的效率,可广泛地适用于海量RFID数据仓库上的OLAP分析。     

Extending OCL for OLAP querying on conceptual multidimensional models of data warehouses

The development of data warehouses begins with the definition of multidimensional models at the conceptual level in order to structure data, which will facilitate decision makers with an easier data analysis. Current proposals for conceptual multidimensional modelling focus on the design of static data warehouse structures, but few approaches model the queries which the data warehouse should support by means of OLAP (on-line analytical processing) tools. OLAP queries are, therefore, only defined once the rest of the data warehouse has been implemented, which prevents designers from verifying from the very beginning of the development whether the decision maker will be able to obtain the required information from the data warehouse. This article presents a solution to this drawback consisting of an extension to the object constraint language (OCL), which has been developed to include a set of predefined OLAP operators. These operators can be used to define platform-independent OLAP queries as a part of the specification of the data warehouse conceptual multidimensional model. Furthermore, OLAP tools require the implementation of queries to assure performance optimisations based on pre-aggregation. It is interesting to note that the OLAP queries defined by our approach can be automatically implemented in the rest of the data warehouse, in a coherent and integrated manner. This implementation is supported by a code-generation architecture aligned with model-driven technologies, in particular the MDA (model-driven architecture) proposal. Finally, our proposal has been validated by means of a set of sample data sets from a well-known case study.     

OLAP在企业中的多维数据分析研究

分析了OLAP的特点,进行数据仓库存储方式的构建和多维数据分析功能的实现。引入动态的OLAP多维视图分析,决策者可以从各种维度对销售数据进行审视,进行切片、切块、旋转和钻取等OLAP基本分析操作。文章介绍了组织用于OLAP的多维数据结构。用OLAP进行销售数据多维数据分析。     

基于UML的社会保险多维数据模型建模的研究

建立多维数据模型是创建数据仓库的关键。本文介绍用统一建模语言UML设计多维数据模型的方法,并将它应用到社会保险数据仓库的多维数据模型的设计中去,从而引入一种全新的多维数据模型的建模方法。     

ER模型与多维模型互相转换的研究

ER模型是管理信息系统中广泛使用的模型，但是它不能满足OLAP的需要；多维模型广泛应用在数据仓库的设计中，而企业数据通常又由ER模型定义。因此数据仓库设计的一个关键问题是如何建立ER模型与多维模型之间的关联。该文首先对ER模型与多维模型作了详细比较，然后结合实际应用，提出了ER模型与多维模型进行互相转化的条件和方法，从而将这两种模型有效地统一到了数据仓库设计过程中。     

基于金融统计业务的多维分析模型设计

介绍了建立数据仓库多维分析模型的理论基础，应用OLAP技术给出了一种银行数据仓库多维分析模型的设计方法，展示了具体的实例，为数据仓库的分析型环境准备了必要的、切实可行的实践基础。     

基于Hive的水利普查数据仓库

针对水利普查数据海量、多维的特点,研究近年来在“大数据”概念下发展迅速的Hadoop与Hive,结合传统数据仓库在多维数据分析方面的成熟技术,提出基于Hive的水利普查数据仓库的构建方法,描述数据仓库系统的架构,并根据Hive的设计特点,通过分桶、消减维度表和冗余事实表的方法来改进传统的多维分析模型,最后搭建集群系统对水利普查数据集进行查询与分析测试。测试结果表明该数据仓库可以满足海量多维水利普查数据的存储与查询要求。      

复杂层次多维数据仓库中判断数据请求有解的一种方法

1 多维数据模型概述多维数据模型因为能够有效地支持联机分析处理(online analysis processing,OLAP)而引起了人们越来越多的注意。最近几年,人们提出了几种多维数据模型。这些数据模型把数据集合视为多维空间中的点集,把数据集合的属性分为维和度量两类。维属性用来描述度量属性,是多维空间的维度。度量属性的值用来做分析处理,是多维空间中的点。最初的模型不能表示维层次结构,进一步能够表达简单的维层次结构(即只有一条路径的层次结构),后来能够表示满足具有