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。     

一个基于OLAM的可视化数据挖掘系统原型

基于OLAM的可视化数据挖掘系统将可视化工具和数据挖掘工具融为一体,它与一般的数据挖掘系统不同,充分利用了OLAM模型沿着多个维进行挖掘,并以智能的方式与用户进行交互,可以在多维数据库的不同部位和不同的抽象级别交互地执行挖掘,以图形的方式输出结果。     

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。     

基于数据仓库的Web日志挖掘技术研究

Web日志挖掘是目前Web挖掘研究的一个重点.针对Web日志挖掘中存在的问题,给出了基于数据仓库技术的Web日志挖掘方案,就数据预处理、数据立方体设计及数据挖掘技术的应用进行了较为深入的探讨.并以一个Web站点日志为例,详细阐述了Web日志数据预处理、Web日志立方体设计以及数据挖掘算法的实现过程,并实现了一个Web日志多维数据集,能够有效解决Web日志分析中的难题.     

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。     

基于数据立方体的数据挖掘系统

介绍了一个通用的数据挖掘系统-基于数据立方体的数据挖掘系统的设计与实现过程。该系统基于C/S构架，引入了挖掘模型的概念，集成了两种算法，图形化显示挖掘结果。文中详细介绍了系统的这些特点。     

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.     

基于Web的设备管理跟踪及OLAM决策支持系统

OLAM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.介绍高校现代教育技术平台下的多元化设备管理的特点与难点.设计了基于Web的设备管理跟踪及OLAM的决策支持系统.在一定程度上解决了多元化设备数量多、分布广、跟踪难等问题.     

基于web技术的数据挖掘系统研究与设计

在网络设施和技术高度发展的今天 ,许多应用系统得以在互联网 (WEB)上实现。本文对传统的数据挖掘系统如何在 WEB上实现的问题进行探讨 ,,提出了网络型数据挖掘系统 (E- Data Mining System,简称为 E- DMS)框架 ,并分析了 E-DMS设计中的若干问题 ,针对未来数据挖掘和网络技术发展趋势给出了 E- DMS面临要解决的问题和研究的方向。     

基于Web的数据挖掘技术的研究

基于Web的数据挖掘是一个结合了数据挖掘和WWW的热门研究主题。本文介绍了Web上数据信息的特点入手．研究面向Web的数据挖掘需解决的主要问题，提出了一种基于Web数据挖掘的应用模式框架，并着重从功能的角度介绍了Web数据挖掘的演进过程。     

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。     

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。     

基于Web的数据挖掘技术

基于Web数据挖掘是一个结合了数据挖掘和WWW的热门研究主题.本文综述了基于Web的数据挖掘技术,介绍了Web数据挖掘目前最流行的分类:Web内容挖掘、Web结构挖掘和Web访问挖掘,根据Web数据挖掘的最近研究现状,小结了几个研究热点.由于Web数据所具有的半结构化特性,使得Web数据挖掘更为复杂,不同于传统的基于数据库的数据挖掘.最后介绍一种全新的技术XML,XML的出现为解决Web数据挖掘的难题带来了机会.Web数据挖掘的研究具有极大的挑战性,同时又具有极大的开发潜力.     

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.     

基于工作仓库的OLAM缓存替换算法

联机分析挖掘技术（OLAM）结合了OLAP多维分析的在线性,灵活性和数据挖掘（DM）的深入性的优点,实现了两者的优势互补。传统的OLAM架构在处理海量数据时,数据重复利用率低,执行时间长。针对传统架构中数据处理的耗时性和对数据需求的多样性,提出了一种基于工作仓库的新的OLAM架构,设计了工作仓库中的缓存替换算法。该算法中运用价值度权衡因子对缓存空间进行数据替换判断。在保证算法执行效率的前提下,提高了缓存替换的准确性。同时将该模型应用于某医疗保险决策支持系统（DSS）中,取得了良好的效果。     

基于Web的数据挖掘算法与数据仓库的接口设计

提出了一种基于Web的数据挖掘系统中数据挖掘算法与数据仓库的接口设计方案，解决了算法与数据仓库的接口问题，实现用户通过Web浏览器动态调用算法，算法在Web环境下对数据仓库数据进行挖掘，发现有用的知识。该接口方案的通用性增强了数据挖掘系统的扩展性，有利于系统快速添加更多的新算法，以满足各种挖掘需求。