基于数据仓库的粮食预测系统

设计并实现了基于数据仓库的粮食预测系统。利用数据仓库的特点，通过预测主题的层次结构和预测实例的多维模型，实现了对预测内容的灵活控制和多预测方法选择，针对现有预测系统专业性强，操作复杂的特点，实现了易理解、易使用的目标。系统已应用于粮食智能决策支持系统，为领导决策提供参考依据。     

一个专用ETL程序的实现

设计开发了应用于粮食行业数据仓库的ETL(Extract-Transform-Load)程序,支持关系数据库数据源和文本格式数据源。在对比分析了打时间戳、扫描增量文件、扫描日志、修改应用代码、“前”“后”映像文件比较五种数据增量方法后,用基于主键的记录比较的方法实现了数据的增量更新。ETL支持表的分拆和合并,弥补了数据仓库建模工具的不足,已在粮食行业管理信息与决策支持系统中得到应用。     

数据仓库的特征、应用类型和实施方法

简要总结了数据仓库的特征 ;介绍了数据仓库的三种应用类型 ;探讨了数据仓库应用的三种实施方法 ;对比分析了各种数据仓库应用类型的优劣 ,阐明了不同数据仓库实施方法的特点 ,说明了合理选择数据仓库类型、正确运用数据仓库实施方法的重要性     

采购决策支持系统数据仓库技术的研究

通过对决策支持系统和数据仓库技术的研究,提出了基于数据仓库的采购决策支持系统,并针对医院药品流通领域的特点设计了采购决策支持系统数据仓库模型。主要研究了数据仓库中的数据组织和设计数据仓库的关键技术,最后给出了数据仓库模型的设计方案     

数据仓库与数据挖掘的关系及其安全性问题

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,数据挖掘为之提供了更好的决策支持和服务,同时促进了数据仓库技术的发展.从数据仓库的相关技术和体系结构分析展开研究,分析了数据挖掘与数据仓库的关系,重点阐述了数据仓库的安全性问题,展望了数据仓库未来的研究方向.数据仓库和数据挖掘二者既相互结合、共同发展,又相互影响、相互促进.数据仓库越来越广泛地运用到各个领域中,成为企业获得竞争优势的关键武器.     

数据仓库与数据挖掘的关系及其安全性问题

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,数据挖掘为之提供了更好的决策支持和服务,同时促进了数据仓库技术的发展。从数据仓库的相关技术和体系结构分析展开研究,分析了数据挖掘与数据仓库的关系,重点阐述了数据仓库的安全性问题,展望了数据仓库未来的研究方向。数据仓库和数据挖掘二者既相互结合、共同发展,又相互影响、相互促进。数据仓库越来越广泛地运用到各个领域中,成为企业获得竞争优势的关键武器。     

基于用户的数据仓库参考模型研究

为了使数据仓库的建立更加快捷有效,对数据仓库参考模型的建立问题进行了研究.对现有数据仓库参考模型进行了分析,指出基于数据的数据仓库参考模型和基于目标的数据仓库参考模型有着各自的不足,提出了一个基于用户需求的数据仓库参考模型;该模型以用户需求为基础,以企业的业务流程为指导,使得数据仓库建立后有更好的适应性和稳定性.又对用户需求的获取进行了探讨,给出了一个获取用户需求的有效方法,用一个实例验证了提出的数据仓库参考模型的有效性.     

数据处理新技术--数据仓库

本文从数据仓库产生的背景入手,阐述了数据仓库的含义及应当作为数据仓库的体系结构,重点介绍了数据仓库系统的基本组成和主要特征,数据仓库的自项向下／自下而上的开发方式,数据仓库应用实例,实现数据仓库关键技术及研究方向。     

基于Web的分布式数据仓库体系结构的研究*

随着数据仓库技术的发展,人们对数据仓库体系结构研究的兴趣越来越浓厚,数据仓库体系结构选取是否合理,将直接关系到整个数据仓库的成败。在分析客户机、服务器数据仓库体系结构的基础上,将XML、智能Agent技术引入到数据仓库中,提出了一种基于Web的分布式数据仓库体系结构。     

Web数据仓库的异步迭代查询处理方法

数据仓库信息量的飞速膨胀对数据仓库提出了巨大挑战.如何提高Web环境下数据仓库的查询效率成为数据仓库研究领域重要的研究问题.对Web数据仓库的体系结构和查询方法进行了研究和探讨.在分析几种Web数据仓库实现方法的基础上,提出了一种Web数据仓库的层次体系结构,并在此基础上提出了Web数据仓库的异步迭代查询方法.该方法充分利用了流水线并行技术,在Web数据仓库的查询处理过程中不同层次的结点以流水线方式运行,并行完成查询的处理,提高了查询效率.理论分析表明,该方法可以有效地提高Web数据仓库的查询效率.     

数据仓库相关技术研究综述

该文给出了数据仓库的定义,通过对相关文献的研究,给出了普通数据仓库和空间数据仓库的构建方法,研究了数据仓库的关键技术,包括数据仓库的粒度、查询、维护、集成等方法,文章还就数据仓库的应用进行了深入的研究,最后进行了总结与展望。     

企业数据整合与数据仓库设计

目前企业的数据资源可能已经很丰富,但是各系统之间数据不能相互连通。企业决策层组织需要看到的是一个企业跨职能部门的统一的数据联合展现和挖掘,所以需要构建数据仓库。数据仓库的构建过程主要包括：划分主题域、进行事实表和粒度分析、维度设计、元数据设计、数据库物理设计以及性能调优。     

数据仓库技术在社保DSS中的应用

首先分析了传统的决策支持系统的不足，在此基础上介绍了数据仓库的原理。结合现有的社保管理系统的数据和业务特点，将数据仓库技术引入社保决策支持系统中，给出了社保数据仓库实现的设计思路。     

证券公司数据仓库解决方案

介绍了数据仓库、联机分析处理和数据挖掘技术。在对我国证券公司应用需求和信息系统现状进行了详细分析的基础上，提出了证券公司数据仓库的整体构架，并对其逻辑设计、数据抽取与转换、前端展现程序设计方案进行了探讨。     

面向数据仓库技术的财务决策支持系统研究

以数据仓库技术为核心,结合联机分析处理技术和数据挖掘技术的基础上,构建了财务决策支持系统,通过使用数据仓库的联机分析技术和数据挖掘技术强化了DSS的智能功能,为企业财务决策提供服务。     

数据仓库技术及其在电信计费领域应用的探讨

该文首先介绍了数据仓库的基本概念,然后阐述了数据仓库在电信计费领域的主要应用,最后对电信计费领域建立数据仓库的方法及步骤进行了探讨。     

浅谈数据仓库技术

本文叙述了数据仓库（DW：Data Warehouse)的定义、基本特性与结构,以及数据仓库在决策系统（DSS:Decision Support System)中的应用,并展望了该技术的发展前景。     

基于数据仓库的数据挖掘系统结构框架

本文提出了一种基于数据仓库的数据挖掘系统结构框架。该系统把数据仓库、数据挖掘工具和知识库结合在一起,实现了查询协同和知识库的增量维护,能够解决在大容量数据集中快速发现知识的问题,提高了数据挖掘的效率。     

基于KW、MW及DW的决策支持系统架构研究

SDSS是较为先进的决策支持系统，但由于其模型库中的模型固定不变，因此在实际应用中具有一定的局限性。提出了集成数据仓库DW、知识仓库KW和模型仓库MW作为底部架构的体系结构，能有效解决这一问题。该架构简化了模型获得和编码任务，增强了决策的有效性和智能性，提高了决策效率。