OLAP与数据挖掘一体化的研究与应用

论述了OLAP与数据挖掘各自内在的特点,提出了将其一体化的OLAM(OLAP Mining)模型,给出了OLAP与数据挖掘一体化的框架,并将此OLAM模型应用在铝电解槽电解质温度在线分析系统中．     

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。     

数据仓库分析工具及发展研究

介绍了数据仓库的基础知识，以及相关的分析工具：OLAP和数据挖掘。重点研究了OLAP和数据挖掘相结合形成的新技术——OLAM及其发展。     

基于约束的多维数据挖掘技术

从特定查询驱动的系统功能出发,讨论了面向多维数据挖掘的重点——五种约束,通过一个数据挖掘查询实例,进一步阐述了这些约束及所产生的关联规则,并用数据挖掘查询语言(DMQL)进行表达.介绍和讨论了关联规则的处理,在挖掘关联规则中,联合使用维/层约束和规则约束,能够带来高效的挖掘过程,一个规则约束如果能被较深地推入到分层结构里,进一步在当前提取层和较深层上挖掘,是非常有价值的.最后给出了运用本文思想的一种联机分析挖掘系统的结构,并对其组成、功能及特点进行了描述.     

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网络分析水泥生料X荧光谱中学习谱的选择

利用最优线性联想记忆(OLAM)神经网络方法对水泥生料样品X荧光谱进行了分析,学习谱的选择采用了两种方式:单质谱学习和混合谱学习。对这两种方式及输出结果作了对比,单质谱学习可以构建模拟谱,用于对谱漂移和漏学习的判别;混合谱学习具有信息容量大,考虑了基体效应的优点,但是学习谱之间的多重相关性可能对结果造成一定影响。     

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。     

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.