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。     

OLAP数据挖掘引擎算法的设计与实现

基于OLAP的数据挖掘,是数据挖掘的一个新的发展方向。对于如何把OLAP(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,提出了OLAP数据挖掘系统的结构。通过研究数据挖掘方法和OLAP操作的特点,以及数据立方的构建和物化,对传统的DM算法进行了改进,设计并实现了更能适应OLAP数据挖掘引擎的算法。     

OLAP与数据挖掘一全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     

基于数据仓库的OLAP在DSS中的应用研究

以数据仓库为基础的在线联机分析处理(OLAP)技术是决策支持系统(DSS)中一种新的决策分析方法。该文从DSS的实际需求出发,分析了数据仓库的特征和结构模型,研究了OLAP的特征和体系结构及其实现决策分析的过程,最后给出了应用实例,并探讨了完善DSS结构的研究方向。     

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.     

数据仓库在生产连续型企业库存控制中的应用

本文通过对生产连续型企业库存控制的特点分析，指出了仅仅利用传统的基于事务处理的管理信息系统和决策支持系统(DSS)解决该类库存控制决策分析问题的局限性，提出了采用数据仓库技术的必要性，并分析了传统决策支持系统的不足之处以及数据仓库(DW)技术对DSS的支持，设计了一种利用DW技术和数据挖掘(DM)、联机分析处理(OLAP)等
数据仓库工具提供库存控制决策支持的方案。     

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。     

联机分析在公共财政管理中的应用

本文提出利用联机分析技术将公共财政以及实时数据仓库中的业务数据集成,来建立公共财政管理系统。决策者通过OLAP实现多维数据分析,对数据仓库中的数据进行查询和在线分析,快速发现数据之间的规律;利用数据挖掘工具对数据仓库中的数据进一步发掘出有用的知识;甩决策模型库来实现多个广义模型进行组合辅助决策,更加有效地、实时地决策分析。     

浅谈数据仓库中的OLAP技术

随着数据仓库技术和联机分析处理(OLAP)技术的发展,多维数据查询与分析已经广泛应用到商务、金融以及军事等多个领域的信息处理中,为各行业的决策分析提供了强大的支持。本文主要从数据仓库及OLAP技术的相关概念,OLAP多维数据模型及核心技术方面进行了分析总结。     

LC模型简介及其在OLAP层次分析上的应用

OLAP技术为企业数据分析提供了极大的便利,LC模型是一种用于进行OLAP建模的软件数据模型。本文对LC模型进行了简要的介绍,把OLAP的层次分成了对称层次与非对称层次,并使用LC模型对两种层次进行了一定的解析,这样。使我们加深了对OLAP层次的了解,有利于OLAP的建模。     

OLAP分析模型在集团企业财务分析中的应用

从OLAP分析的代数实现出发，提出了一种OLAP分析模型，包括一个多维立方体数据模型和一系列多维算子模型，并将此OLAP分析模型应用于集团企业的财务分析，提供了各种财务分析方法的代数实现。     

OLAP技术在油田开发中的研究与应用

基于数据仓库的OLAP数据分析技术可以辅助油田决策的需要,给出了OLAP分析模型的形式定义和OLAP分析模型上的多维操作,讨论了OLAP分析模型设计思想,设计了油田开发数据的OLAP分析模型,并给出了油田开发数据的OLAP分析结果。实践表明,OLAP技术较好地满足了油田生产开发的决策需要。     

数据仓库中的一种立方体数据模型

数据仓库和联机分析处理(OLAP)是商业数据处理领域中的两个最重大的新技术。OLAP应用要求对数据仓库中存储的大量数据进行分析,用标准关系数据库技术来实现非常复杂的查询是相当困难的。所以,在数据仓库中,数据被组织成立方体数据模型。该文提出了一种简单、直观的数据立方体模型以及在这个立方体上支持OLAP操作的代数。为复杂的查询提供了简要的表述方法。     

数据仓库和OLAP技术在大型施工企业财务分析中的应用

首先介绍了数据仓库和OLAP技术的基本概念，然后阐述了当前国内大型建筑施工企业中进行财务分析的方法并指出了存在的问题，提出了引入OLAP技术来辅助建筑企业进行财务数据分析的思路。研究运用数据仓库和OLAP技术构建财务数据多维分析系统，并对系统中所涉及到的财务数据多维模型进行了设计。     

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.     

联机分析处理数据立方体代数

数据立方体是多维数据库和以多维分析为基础的联机分析处理技术的核心机制.文章提出了一个支持多维数据库和多维分析的关于数据立方体的代数,从而为数据仓库及联机分析处理的语义描述提供了理论基础.同时,文章还论述了数据立方体的一些应用,以证明该工具所具有的强大功能.     

Graph OLAP: a multi-dimensional framework for graph data analysis

Databases and data warehouse systems have been evolving from handling normalized spreadsheets stored in relational databases, to managing and analyzing diverse application-oriented data with complex interconnecting structures. Responding to this emerging trend, graphs have been growing rapidly and showing their critical importance in many applications, such as the analysis of XML, social networks, Web, biological data, multimedia data and spatiotemporal data. Can we extend useful functions of databases and data warehouse systems to handle graph structured data? In particular, OLAP (On-Line Analytical Processing) has been a popular tool for fast and user-friendly multi-dimensional analysis of data warehouses. Can we OLAP graphs? Unfortunately, to our best knowledge, there are no OLAP tools available that can interactively view and analyze graph data from different perspectives and with multiple granularities. In this paper, we argue that it is critically important to OLAP graph structured data and propose a novel Graph OLAP framework. According to this framework, given a graph dataset with its nodes and edges associated with respective attributes, a multi-dimensional model can be built to enable efficient on-line analytical processing so that any portions of the graphs can be generalized/specialized dynamically, offering multiple, versatile views of the data. The contributions of this work are three-fold. First, starting from basic definitions, i.e., what are dimensions and measures in the Graph OLAP scenario, we develop a conceptual framework for data cubes on graphs. We also look into different semantics of OLAP operations, and classify the framework into two major subcases: informational OLAP and topological OLAP. Second, we show how a graph cube can be materialized by calculating a special kind of measure called aggregated graph and how to implement it efficiently. This includes both full materialization and partial materialization where constraints are enforced to obtain an iceberg cube. As we can see, due to the increased structural complexity of data, aggregated graphs that depend on the underlying “network” properties of the graph dataset are much harder to compute than their traditional OLAP counterparts. Third, to provide more flexible, interesting and informative OLAP of graphs, we further propose a discovery-driven multi-dimensional analysis model to ensure that OLAP is performed in an intelligent manner, guided by expert rules and knowledge discovery processes. We outline such a framework and discuss some challenging research issues for discovery-driven Graph OLAP.     

基于MS Analysis Services 的OLAP分析系统模型设计及应用

首先对OLAP和MS Analysis Services技术进行了讨论,然后提出了一种基于MS Analysis Services的OLAP分析系统模型设计,模型具有通用性、实用性和开放性.最后给出了运用此模型构建的OLAP分析系统实例,阐述了系统开发的步骤.实践证明运用提出的模型构建OLAP分析系统,实现了良好的分析决策功能.