面向ERP的OLAP执行方法的研究及应用

介绍了以数据仓库为基础的OLAP技术,讨论了ERP的数据多维模型,研究了面向ERP的OLAP的执行方法,提出了MOLAP ADT的多维查询的执行算法,从而为企业提供快速的整体决策.     

一种基于查询聚类的物化视图动态调整策略

为了提高数据仓库的查询响应性能,避免视图集频繁调整引发的"抖动性",提出了一种基于查询聚类的物化视图动态调整策略,运用关联规则挖掘方法计算属性字段相似性,进而计算查询语句相似性,并对一个查询周期内的查询语句集进行聚类,产生候选视图集,根据效益模型计算候选视图的效益,再运用物化视图动态调整算法生成物化视图.在航空公司机票结算数据集上的实验结果表明,在单机环境和分布式环境下,较基准算法相比,所提出的方法均能显著提升数据仓库的查询响应性能,尤其是对高频查询语句的响应性能.     

基于XML技术为数据存储层的数据仓库应用系统的设计

为了解决传统信息系统及数据仓库对全局性历史数据的操作型处理困难的问题,同时实现异构数据源与数据仓库便捷的抽取,笔者提出一种基于XML技术作为操作数据存储层（ODS）的三层数据仓库应用系统。通过ODS中间层与数据仓库层的紧密结合,完善了组织对历史数据的各个层次的处理需求,同时由于XML以及样式表技术的采用使得信息处理的结果可以多角度的展示给用户。在数据的抽取、净化、转换（Extraction,Cleanup,Transformation,ECT）工作上,通过自行设计的ETC程序来实现数据的转换处理过程。在数据仓库的建立上,通过对组织中相关主题的提炼,设计了基于SQLSERVER2000的星型数据仓库,同时采用SQLSERVER2000自带的分析服务器建立相应的多维数据集实现分析处理,最后通过多维查询语言以程序定制的方式把分析结果提供给用户。     

基于数据仓库技术的电力设备决策系统

本文以某县电力局电力设备决策系统为研究背景,在对原有的数据源进行分析和重新组织的基础上,构建电力设备数据仓库,并建立多维星型模式的数据立方体。运用OLAP技术,从多角度、多层次快速地分析和查询数据仓库的数据,实现设备管理和预测的科学化,并说明OLAP数据仓库能够为电力系统管理人员提供有效的决策信息。     

基于CQPM的OLAP查询日志挖掘及推荐

为提高用户的使用效率,提出基于连续查询模式挖掘(CQPM)算法的联机分析处理(OLAP)查询日志挖掘及推荐方法.CQPM算法在双向扩展频繁闭合序列模式挖掘算法(BIDE)的基础上加入查询之间的间隔约束,确保查询模式的连续性.提出方法通过基于查询后缀树的模糊查询模式匹配(AQPM)算法预测用户下一步有效查询,并将预测结果按概率大小排序后推荐给用户.通过8名OLAP分析人员在Mondrian OLAP服务器上的查询日志对提出方法进行性能评价,结果表明,相较基于prefixspan的改进算法,采用CQPM算法能够去除数量庞大的冗余的查询模式,相较基本的前缀匹配算法,AQPM算法能够提高推荐的准确率.     

关系数据库上基于索引的Top-N关键词查询

为了实现关系数据库上自由态的关键词查询,通过创建索引表并运用其存储的知识为每个属性赋予不同的权值来改进信息检索中传统的排序方法.对每个查询用索引表和改进的排序方法来获得Top-N答案.用实际数据集进行了实验,实验结果表明此方法在查询时间和准确性上是有效的.     

下期论文摘要预登

基于数据仓库内在特征的OLAP关键词查询肖敏1,2,陈岭1,夏海元3,陈根才1(1.浙江大学计算机科学与技术学院,浙江杭州310027;2.中国人民解放军75733部队,广东广州510800;3.浙江省公安厅,浙江     

基于MS Analysis Services多维分析系统的实现

基于OLAP技术相关理论，通过分析MS Analysis Services中的多维数据集的建立和访问技术，提出了一种多维分析系统设计与实现方法，并在此基础上给出了一个从OLAP数据源结构设计到应用程序设计的实例，实现了对数据的多角度、多层次的查询及初步分析功能．     

数据仓库在电信行业中的应用

针对江汉油田电信局的数据处理需求,提出了一个具有4个存储结构和3个数据流的数据仓库模型的解决方案。详细介绍了该数据仓库的特点和体系结构,及其构建过程,并就多维数据库设计、OLAP(联机分析处理)以及数据分析方法进行了探讨。     

基于缓存候选结果集的轨迹隐私保护方法

在基于位置服务的连续范围查询过程中,针对相交区域需要重复查询的问题,提出一种基于缓存候选结果集的轨迹隐私保护方法。该方法采用二级缓存机制,分别在用户端和匿名器中缓存用户查询得到的候选结果集,供用户移动轨迹上的后续查询点使用,以减少用户与服务器之间的交互,降低用户信息暴露给服务器的风险。同时通过基于Markov模型的移动位置预测方法进行k-匿名,提高缓存的命中率。安全分析表明该方法能有效保护用户的轨迹隐私。实验结果显示该方法能减小服务器的计算和通信开销。     

基于有序决策树的改进归纳算法

基于构建有序决策树,提出了一种新的归纳算法。该算法选择的扩展属性不仅和类的有序互信息值最大,而且要求和同一分支上已被用过的条件属性的有序互信息值最小。实验结果表明,考虑了条件属性之间的相关性后,可避免同一条件属性的重复选择,真正体现了条件属性和决策属性之间的有序互信息,与已有的算法相比,提高了测试精度。     

基于模糊粗糙集依赖度的两步属性约简方法

为获取连续属性值数据集的最小属性子集,提出了一种两步约简方法.该方法以模糊粗糙集模型为基础,将描述条件属性和决策属性依赖关系的模糊依赖度概念进行了扩展,使其能对条件属性之间的依赖关系进行度量,利用属性与类别之间的依赖度选出候选属性集,然后根据单个属性与类别和属性之间的依赖度对候选属性集进行约简.仿真结果表明,该方法在有效降低属性维数的同时一定程度上保证了分类正确率.     

基于矩阵计算极小碰集的启发式算法

提出了一种基于矩阵模型计算极小碰集的新方法。通过在矩阵中存储冲突集合簇的相关信息,引入集合簇中元素的频率作为启发信息,完成对极小碰集的计算。该算法的数据结构简单,程序易于实现,同时启发信息的引入减少了节点的生成。该算法可以产生而且仅产生所有的极小碰集。实验结果表明该算法有较高的计算效率。     

Rough Set Assisted Meta-Learning Method to Select Learning Algorithms

1 Introduction Extensiveresearchhas been performed todevel- op appropriatemachine learningtechniques for dif- ferentdata mining problems,and has led to a rapid growth of differentlearning algorithms.The Data Mining algorithmisthemechanism thatcreatesmin -…     

Multidimensional Visualization of Bikeshare Travel Patterns Using a Visual Data Mining Technique: Data Cubes

In order to explore the travel characteristics and space-time distribution of different groups of bikeshare users, an online analytical processing (OLAP) tool called data cube was used for treating and displaying multi-dimensional data. We extended and modified the traditionally three-dimensional data cube into four dimensions, which are space, date, time, and user, each with a user-specified hierarchy, and took transaction numbers and travel time as two quantitative measures. The results suggest that there are two obvious transaction peaks during the morning and afternoon rush hours on weekdays, while the volume at weekends has an approximate even distribution. Bad weather condition significantly restricts the bikeshare usage. Besides, seamless smartcard users generally take a longer trip than exclusive smartcard users; and non-native users ride faster than native users. These findings not only support the applicability and efficiency of data cube in the field of visualizing massive smartcard data, but also raise equity concerns among bikeshare users with different demographic backgrounds.     

基于面向对象技术构建多维数据模型

在关系数据库中单表、星型模式或雪花模式之上建立一个逻辑结构，把要分析的数据及相关属性抽象成主题、立方体、事实、、维层次和度量等对象，相关的处理过程抽象成对象的行为，并介绍利用XML文档存储多维数据模型对象的信息方法及立体方体的创建过程，实现了多维数据模型的对象化，有利于OLAP及数据挖掘。     

基于群用户兴趣模型的搜索结果排序研究

为提高搜索引擎的查准率,提出了一种基于群用户兴趣模型的加权全局相关度查询排序算法。算法综合考虑了用户搜索意图与搜索结果的全局相关度,改进了搜索引擎的排序结果,为用户提供了准确的搜索服务。实验结果表明,与用户意图相关的搜索结果能够排在最前面,搜索准确率明显提高。     

基于社会信任正则化的排名推荐算法

随着在线商品交易额逐年增大和社交网络不断深入发展,推荐系统已成为解决信息过载的重要工具之一。当评分矩阵数据稀疏性较大时推荐精度就会显著下降,特别是用户冷启动的时候这个问题更加明显。因此,本文提出一种新的基于隐式反馈信息的社会化排序推荐算法。该算法首先利用矩阵分解方法计算不同项目间的用户偏好。其次将用户偏好信息融入Bayesian Personalized Ranking (BPR)算法中。然后挖掘用户之间相似关系以及信任用户直接和间接关系,并量化它们之间的信任关系,从而研究不同项目之间用户偏好差异。最后将以上这些信任关系和BPR算法进行融合,进而构建出社会化排序推荐模型。为了验证所提出的社会化排序推荐算法,在DouBan数据集和FilmTrust数据集上,进行该算法的有效性验证。主要通过Precision、MAP和NGCD这三种排序评估指标分别在全数据集和用户冷启动中验证本文所提算法与SBPR、TBPR、BPRMF和MostPopular等算法之间排序推荐的优劣性。实验结果证明本文所提算法明显优于其他排序推荐算法,并可以获得更好的推荐准确率。可见该算法可以有效改善由于数据稀疏性和用户冷启动所带来推荐效果差的问题。     

面向SNS用户访问行为的Web缓存预测替换

为了提高web缓存性能,在已有缓存替换算法的基础上加入预测机制,提出了一种面向社交网站(SNS)用户访问行为特征的预测替换算法.通过研究SNS的用户行为模型,引入预测对象集,减小了替换风险,提高了缓存命中率.为了验证所提算法的性能,进行了大量仿真实验,结果表明,该算法在基于SNS使用行为的缓存方面,具有提高命中率的优越性.