基于OLAM的可视化DM系统的设计与实现

为了解决传统数据挖掘的两大缺点,结合OLAP和DM以及可视化三大技术,提出了基于OLAM的可视化DM系统模型.在该系统中,OLAP与DM做到了一定程度的有机结合,用户可以参与到整个挖掘过程中,同时对该模型进行了系统的分析.     

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。     

基于OLAM的可视化DM系统的设计方案

为了解决传统数据挖掘所存在的一些问题,文章结合OLAP和DM以及可视化三大技术,提出了基于OLAM的可视化DM系统模型,同时对该模型进行了系统的分析。该模型对OLAP与DM做到了一定程度的结合,用户可以参与到整个数据挖掘过程中。     

基于决策树的OLAM及其应用研究

在数据挖掘的过程中,经常需要将来自不同平台、不同构架的数据进行集成分析.对此引入由联机分析处理(OLAP)和数据挖掘(DM)相结合的联机分析挖掘(OLAM)模式来抽取隐藏在相关数据集中的知识.通过利用组件、中间件技术,OLAM可以将来源不同的数据整合到目标数据仓库中,然后根据不同用户的需求,使用数据挖掘算法在不同的OLAP维度层次上进行挖掘,得到粒度不同的知识.最后利用决策树算法进行了例示说明.     

OLAP与数据挖掘一体化模型的分析与讨论

OLAP(On-Line Analytical Processing)与数据挖掘工具由于内在技术以及适用范围的不同,在决策分析中必须协调使用才能发挥最佳的作用.本文提出基于影响域的OLAM(OLAP Mining)模型,将数据挖掘和OLAP技术结合在一个统一的框架之中,使得数据挖掘能够在数据库或数据仓库的不同部位、或在不同的抽象级别上进行,加强了决策分析的功能和灵活性.该模型有助于在大型数据库和数据仓库中交互式地挖掘多层次的知识.     

基于OLAM的决策支持系统

随着数据仓库技术的发展和完善，其应用日趋广泛。同时企业对数据仓库的OLAP功能提出更高和更复杂的要求。联机分析挖掘(Online Analysis Minjng，OLAM)技术集成了OLAP技术和数据挖掘技术，实现了二者的优势互补，为基于数据仓库的应用系统提供更加完善和强大的决策支持功能。本文简单介绍了OLAM及基于OLAM的决策支持系统(OLAM—Based DSS)框架及系统设计中的若干问题。     

VISMiner：一个交互式可视化数据挖掘原型系统

交互式可视化数据挖掘是利用可视化技术进行联机数据挖掘的技术。基于SOM的交互式可视化数据挖掘原型系统VISMiner的主要目的是将数据挖掘与数据可视化及OLAP进行集成,允许用户以交互的方式从SOM的标记图或距离图中选定感兴趣区域加以深入分析。     

数据挖掘工具集TH-Miner

TH-Miner是以JaVa实现的跨平台数据挖掘可视化系统。在TH-Miner中实现了多种经典的数据挖掘算法,并构造了几种新的改进算法。TH-Miner包括可视化聚类挖掘工具、分类算法工具、序列模式挖掘算法工具以及文本分类工具。     

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。     

VISDMiner：一个交互式数据挖掘过程可视化系统

针对数据挖掘中挖掘过程不透明以及用户交互少的问题,本文设计并实现了VISDMiner系统。VISDMiner系统将可视化技术和数据挖掘技术结合在一起,提供对挖掘过程中各阶段产生的可视化子结果集的分析。用户可根据自己的领域知识和经验去调整数据挖掘算法模型的参数和可视化模型的参数,促进算法和挖掘分析过程的有效调优。为了处理高维数据集,VISDMiner系统采用一种基于最大信息系数的主成分分析改进算法MIC-PCA,该算法主要是针对传统PCA算法降维能力和分类准确率低的问题进行改进。实验结果表明,VISDMine不仅实现了数据挖掘过程的可视化,还提高了用户对数据挖掘〖JP2〗执行结果的可理解性,其采用的改进的MIC-PCA算法提高了PCA算法的降维能力和分类准确率。     

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。     

一种基于OLAP与DM的OLAM模型的研究

OLAP(On-Line Analytical Processing)技术与数据挖掘技术,其实现技术以及适用范围不尽相同,在决策分析中必须协调使用才能发挥更好的作用。基于OLAP与DM的OLAM(OLAP Mining)模型,是将数据挖掘和OLAP技术结合在一个统一的框架之中,使得决策人员和分析人员能够以不同的角度、不同的层次观察数据,加强了决策分析的功能和灵活性。有助于发现更合理的模式,为用户提供更多的支持。     

基于约束的多维数据挖掘

为了给数据分析和挖掘提供一个有效的、交互的查询环境,将基于约束的数据挖掘与多维的数据挖掘结合成一个整体来进行。介绍了建立一集成的联机分析挖掘和联机分析处理结构,来实现这种用户与系统间的交互。实践表明,基于约束的数据挖掘与多维的数据挖掘结合在一起,大大提高了查询的目的性和效率,可为用户选择所期望的挖掘功能和动态地改变数据挖掘任务提供了更加灵活的手段。     

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。     

A Complexity Guided Algorithm for Association Rule Extraction on Fuzzy DataCubes

The use of online analytical processing (OLAP) systems as data sources for data mining techniques has been widely studied and has resulted in what is known as online analytical mining (OLAM). As a result of both the use of OLAP technology in new fields of knowledge and the merging of data from different sources, it has become necessary for models to support imprecision. We, therefore, need OLAM methods which are able to deal with this imprecision. Association rules are one of the most used data mining techniques. There are several proposals that enable the extraction of association rules on DataCubes but few of these deal with imprecision in the process. The main problem observed in these proposals is the complexity of the rule set obtained. In this paper, we present a novel association rule extraction method that works over a fuzzy multidimensional model which is capable of representing and managing imprecise data. Our method deals with the problem of reducing the complexity of the result obtained by using fuzzy concepts and a hierarchical relation between them.