邱怀姗[1]2003年在《OLAP和数据挖掘技术在高校科技管理决策中的应用》文中认为随着人们认识和管理水平的提高,对客观世界的描述越来越全面,存储的数据量也越来越大,然而,对数据库中数据的开发应用主要是检索查询,效率很低,简单的数据查询或统计虽然可以满足某些低层次的需要,但人们更为需要的是从大量数据资源中挖掘出对各类决策有指导意义的一般知识.大量的数据未能充分利用这一现象常常被描述为"数据丰富,但信息贫乏".快速增长的数据如果没有强有力的工具来助,其得出的决策结果只能是基于决策者的直觉而不是数据库中丰富的信息.为此,决策者迫切需要从海量数据中提取有价值知识的工具,OLAP和数据挖掘技术基于此而产生.本文介绍了北京化工大学科技信息管理平台的设计与实现,着重阐述了它的网络结构和安全体系,在 OLTP 的基础上对 OLAP 和数据挖掘方面做了进一步研究探索。首先在历年科技数据基础上构建科技数据仓库,该数据仓库综合了ROLAP 组织数据以及 MOLAP 多维形式存储的优点,利用关系数据库存储细节数据,将基本事实数据和汇总数据以多维形式存储.其次利用 OLAP 引擎建立起关于教师的 OLAP 分析主题,包括:教师基本情况、项目、论文与教学任务等。系统提供了多种表格、图形分析 ii<WP=5>北 京 化 工 大 学 学 位 论 文 用 纸方法,使用户能够以直观的形式进行分析,同时分析主题可以通过开发工具和第叁方软件(如 EXCELL)访问,具有较高的灵活性。最后,对数据挖掘技术中较为重要的关联规则采掘问题进行了研究。分析了典型的关联规则挖掘算法 Apriori 和改进算法 FP-tree 算法,结合作者开发的北京化工大学科技信息管理平台,设计了旨在协助决策者找到影响学科发展因素的基于 FP-tree 算法的挖掘系统原型。将数据挖掘技术运用到高校的发展战略决策中,给高校科技管理探索了一种新的思路。
杨静[2]2008年在《数据仓库技术在高校科研管理中的应用研究》文中研究指明随着高校科研项目的增多,科研领域数据库的数据量也越来越大。传统的基于联机事务处理的管理系统缺乏对历史数据的有效利用和分析,出现了“数据过剩,知识匮乏”的现象。为此,决策者迫切需要从海量数据中提取有价值的知识的工具,数据仓库和联机分析处理技术便应运而生。数据仓库(Data Warehouse,DW)是面向主题的、集成的、时变的和非易失的数据集合,用以支持经营管理中的决策制定过程。联机分析处理(On-Line AnalyticalProcessing,OLAP),可以为用户提供多角度、快速、直观的视图,以便深入观察数据。因此,根据现在高校的特点和发展需求,若将DW和OLAP应用在现有的科研管理系统中,就可为决策者提供决策支持。本文首先介绍了四层B/W/D/C结构的基于Web的高校科研管理信息系统,包括系统的总体功能、系统架构,并对该系统的硬件配置与软件配置进行了深入的分析。在此基础上,按照科研管理人员关心的主题和角度,建立了科研信息多维数据模型,包括概念模型、逻辑模型和物理模型的设计,并使用MS SQL Server 2000Analysis Services工具建立了高校科研数据仓库;介绍了使用DTS工具进行数据的输入/输出和自动调度,并在数据传输中完成对数据的验证、清洗和转换等工作;采用ADO MD作为访问多维数据的接口,并结合MDX语言实现对科研多维数据的访问。最后,以Analysis Services为OLAP引擎,借助DSO、PivotTable Services、OWC、VB等技术对科研信息进行维度切换、上钻、下探、切片、切块、旋转、排序等多维分析操作,结果以图表等形式清晰直观的展示。既实现了对科研数据有效的、快速的、灵活的、多角度的探测分析,又为挖掘科研信息潜在知识打下基础。本系统的应用对高校科研管理信息化建设有一定指导作用,为高层决策者提供了科学、方便和快捷的决策信息。
高正源[3]2007年在《XX市科技咨询专家管理信息系统的研发》文中研究说明随着科学技术的快速发展,各种研究项目层出不穷,相应的项目评审工作也越来越多,参与的具有专业技能的高级专家也越来越多。原来的专家库系统功能单一,只能简单地从数据库中调用数据,在专家变更上往往无法做到实时更新,使得很多工作无法开展。对于数量庞大的专家的管理和如何抽取评审专家都成了一件困难的事。因此,为了公平公开公正地做好科技项目的评审工作,迫切需要建立一套具有辅助决策功能的专家库信息管理系统。本文结合XX市已有的专家库信息管理系统的建设现状,开发了基于Web和数据仓库技术等的简单的辅助决策系统。首先,介绍了数据仓库与数据挖掘新技术。数据仓库是将各类信息进行整理归档,其目的是为了支持管理决策而建立的。数据挖掘则是在随着时间变化而变化的数据仓库中从信息中发现知识的过程。并且能从海量数据中发现隐含的信息,从而挖掘出一些模式。然后,根据专家库管理系统的特点,建立了数据仓库应用系统的框架结构,提出了数据仓库的建模技术。鉴于数据仓库系统是多项技术的综合体,文中还详细地讨论了多维数据库技术、元数据管理、联机分析处理和数据挖掘等各项技术的原理及其在专家数据库系统中的应用。最后,在windows2003平台上利用微软SQL Server2000数据库的强大功能实现了基于Web和数据挖掘技术的咨询专家库管理系统管理系统。该系统能担负专家数据的整理、分析并从中抽取适合评审的专家,对专家信息的管理和评审工作的开展起到了重要作用,使工作效率明显地提高,在实际管理中有着非常重要的意义。
乔祥源[4]2007年在《关联规则挖掘算法研究及在科技管理信息系统的应用》文中进行了进一步梳理数据挖掘是指从大量的数据中发现人们事先不知道的、有用的知识(或模式)的处理过程，它是继数据库、人工智能等领域之后发展起来的一门重要学科。由于挖掘到的知识能够给各领域以有力的支持，因此，数据挖掘技术得到了广泛的应用。在数据挖掘算法的研究中，比较有影响的是关联规则发现算法，它是数据挖掘研究的一个重要分支，也是数据挖掘的众多知识类型中最为典型的一种。论文首先介绍数据挖掘的功能和数据挖掘中所涉及到的常用算法，重点研究了关联规则中的FP-growth算法，并用实验方法对FP-growth算法和Apriori算法做了比较。并对FP-growth算法进行了分析，提出了基于以下叁点的算法改进：1．将双向的FP-树改成单向，以简化数据结构，2．采用改变结点数据结构的方法，避免了条件FP-树生成，提高了计算速度3．在算法流程方面，使用循环替代递归，提高执行速度，降低了内存开销。通过对时间和空间性能的分析和实验的证明，改进的FP-growth算法性能得到提高。文章在实现某高校科技管理系统的系统设计和数据库设计的基础上，将数据挖掘中的关联规则挖掘算法应用科技管理信息系统。经过对关联规则算法的研究和改进，采用了关联规则中的改进的FP-growth算法对经过数据预处理的数据仓库中六张表进行了挖掘，并分析了挖掘结果，提出了高校应当加强国家级项目的申请，加强30-40岁的青年学者的科研能力等建议。论文最后，讨论了目前研究工作中需要进一步完善的问题，指出了今后的研究方向。
沙笑笑[5]2008年在《基于数据仓库的高校科研管理与决策分析系统研究》文中研究指明“教学是立校之本,科研是强校之路”,科研管理在高校中日益占有重要的地位,各大院校以及具有科研工作的企业都在积极开发适合自己的科研管理系统。然而,随着数据量和人们的需求不断增多,普通的科研管理系统已不能满足决策者从数据中分析出有价值信息和为领导决策提供参考的需要,在一定程度上限制了高校科研管理水平的进一步提高。如何从数据中分析和挖掘出对高校科研管理有用的信息,成为用户们所面临的现实问题,决策分析也成为近几年来计算机技术最活跃的研究领域之一。科研管理系统中,基于数据仓库(Data warehouse,DW)和联机分析处理(On line analytical processing,OLAP)、数据挖掘(Data mining,DM)技术可以让科研管理者从多角度、多层次分析数据,并且可以发现数据间隐藏的深层关系,使科研管理者能够掌握科研最新情况和发展趋势,发现影响科研质量的因素,为制定相关政策提供数据支持,提高学校科研水平。本文通过对高校科研管理及决策工作进行调研以及大量相关文献的分析,以西安理工大学科研数据为基础,实现了完成日常科研信息管理的事务管理系统,在此可分门别类地对不同的科研数据进行录入、编辑、查询以及科研经费调拨等管理。在事务管理系统数据库基础上,通过对数据仓库技术的深入研究,采用目前最为广泛应用的基于关系表的存储方式,建立了科研信息的数据仓库。利用SQL Server 2000的Analysis Services组件作为OLAP工具,构建了科研项目、论文、教师参与成果等多个多维数据集,并结合OLAP预聚合数据、进行多维分析的特点,前台用户可方便的通过EXCEL从多个角度、多个层次观察、分析数据,及时掌握学校的科研情况。同时利用ADOMD和MDX开发了常用的科研决策分析多维数据报表。最后,在研究了关联规则的Apriori算法后,利用该算法进行了教师属性和论文级别的关联挖掘,通过得到的关联规则给决策者提供数据支持,从而能够为高校的科研建设制定有效方针,满足了科研决策分析需求。
郭载勋[6]2014年在《数据仓库与数据挖掘技术在高校招生决策中的应用研究》文中进行了进一步梳理近年来随着我国高等院校招生规模的不断扩大，数据量急剧增多，从众多数据中自动获取有效的知识已成为制约高校招生工作进步发展的“瓶颈”。因此，建立高校招生智能决策支持系统，实现知识的自动获取具有重要的理论和应用价值。论文基于数据仓库和数据挖掘技术，通过数据仓库完成决策支持底层数据源的存储，同时提出种改进的Apriori算法，并利用此算法挖掘出数据中的有效知识，实现了高校招生决策支持系统的开发。论文的主要研究内容和创新点概括如下：（1）在深入分析了数据仓库和数据挖掘理论与技术的基础上，研究了基于数据仓库的高校招生决策支持系统框架，并以北京工业大学2005年-2008年学生的招生、学籍及就业数据作为数据源，根据对系统主题的分析，基于SQLServer2008平台设计并实现了面向对象的招生决策数据仓库，完成了北京工业大学招生决策支持系统的框架设计。（2）为了解决招生决策支持系统知识自动获取的问题，提出了种基于改进Apriori算法的数据挖掘方法。该数据挖掘方法首先针对学生加权成绩分档的问题，利用数据离散化方法可降低人为主观因素对挖掘结果的影响；其次，提出种改进的Apriori算法，通过建立字段与值的索引、扫描数据库获取数据快照、引入关联规则提升度以及增加字段的因果属性等方法，提高了改进Apriori算法的性能；最后，将改进的Apriori算法应用于招生决策支持系统的数据挖掘，提高了挖掘精度。（3）针对目前尚无有效高校招生决策支持原型系统的问题，通过所搭建的高校招生决策支持系统架构、数据仓库以及所研究的数据挖掘算法，以C#语言为基础，成功建立了基于C/S架构的北京工业大学招生决策支持系统的原型系统，实现了数据的有效分析与获取。
胡海员[7]2006年在《数据仓库与数据挖掘技术在招生决策中的应用研究》文中认为随着高职院校招生规模不断扩大,招生方式的多元化、自主化,高职院校之间的竞争日趋激烈。如何充分利用已有的招生信息资源,以使高职院校在每年的招生宣传、招生计划投放、学院专业设置、生源选择等方面做出正确的决策,是摆在高职院校面前的紧迫课题。目前的招生方式一般都以过去的经验进行,具有一定的盲目性,单凭有限的经验无法将招生信息效益最大化,不能很好地保证录取学生素质及其报到率。数据仓库与数据挖掘技术能从数据信息中发现规则,指导决策,广泛应用于众多领域并获得了很大的成功。在高职院校招生领域引入数据仓库与数据挖掘技术,将有助于解决上述问题。论文以某职业技术学院2002年至2005年的招生、学籍数据为例,从应用的角度,以数据仓库技术为基础,利用OLAP分析和数据挖掘进行知识发现。主要目标如下:一、综合分析比较,选用合适数据仓库平台及数据挖掘工具二、研究提出简单高效的数据仓库设计与实现方案。对来自不同的数据源、不同格式的数据,进行抽取、清理、集成、转换、加载,完成招生决策数据仓库的建立。叁、基于招生数据仓库进行OALP分析,对生源结构、生源流失情况进行分析及可视化呈现。四、采用关联分析、决策树分析、聚类分析等数据挖掘方法,以发现生源地等级、成绩等级、毕业学校、专业设置与生源流失之间的内在关系。五、最后,根据上述分析结果,进行规则获取、分析评估与比较,提出招生策略及建议,以供招生决策人员参考。研究分析表明,数据仓库与数据挖掘技术在现代高职院校招生领域的应用,能从招生信息中发现各种潜在的有价值的知识,得到相应的招生策略,提供有效的决策支持信息,科学地指导招生、合理设置专业、高效地开展宣传,提高新生报到率和生源质量。这对整个高职院校扩大规模、提高办学质量具有重要的实践意义。
谈晓洁[8]2005年在《基于知识的交通拥堵疏导决策方法及系统研究》文中研究指明如何应对城市现代化带来的交通拥堵问题,是交通管理者需要迫切解决的问题。本文以构筑智能化城市交通拥堵疏导决策支持系统为研究目的,着重应用数据驱动的决策支持方法,比较深入地研究了基于知识的城市交通拥堵疏导决策中的几个突出问题:1.从智能决策分析的角度,系统地分析了城市交通拥堵的各种用于决策的属性,特别是其时空分布及发展趋势特性,提出了一种实用的交通拥堵时空分布判别算法以及发展趋势分析解释机制;接着提出了拥堵特征描述模型,从影响因素和分类的角度,研究了拥挤疏导的对策问题;最后,阐述了本文将基于知识的系统应用于该领域的目的及作用,并进行了拥堵疏导决策知识类型及内容的深入剖析。2.提出了数据仓库在城市交通拥堵疏导决策支持系统中的应用及理论框架。探讨了基于数据仓库的城市交通拥堵疏导决策数据管理方法,按主题组织数据,以星型模型建模,提供有效的数据抽取和集成功能,经过加工的数据是面向决策的,从而为进行智能化决策提供了一个集成的公用数据平台。在此基础上,交通拥堵管理决策人员不仅能够有效整合多种异构数据源,获得对整个交通拥堵状态信息的集成视图,而且还为进一步数据挖掘提供了数据基础。3.提出将粗糙集理论及方法应用于城市交通拥堵疏导决策分析中的知识获取问题。针对决策过程中的某些不确定性问题,着重研究了城市交通道路监测数据与交通拥堵程度之间的依赖关系,建立了进行交通状态模式识别的知识模型,给出了基于案例推理的交通报警处理系统中案例特征项权值确定算法,说明粗糙集是一种交通管理研究的理想动态工具。这一方面是对粗糙集应用领域的扩展,另一方面,也有效地解决了基于知识的城市交通拥堵疏导决策支持系统中知识获取的瓶颈问题。4.提出利用数据仓库、范例推理和知识获取的理论及方法加以辅助决策分析,构建了基于知识的城市交通拥堵疏导决策支持系统体系结构。这种应用方案通过扩展传统的定量决策模型为知识决策模型,综合利用定性推理和定量计算的长处,一方面较好地解决了传统四库结构的决策支持系统中的数据基础和知识获取问题,降低了分析模型和算法的设计复杂性,使系统具有清晰的结构和较强的知识处理、更新能力;另一方面由于交通拥堵管理在实践中积累了丰富的经验,存在着大量的实际案例,所以范例推理很好利用了这一实际情况,避免了知识增加时知识库的完整性和一致性问题。
朱明[9]2015年在《我国大学学科水平评价问题研究》文中研究说明学科的发展关系着大学的声誉、地位乃至一国战略目标的实现。能否对处于既定发展阶段的学科其水平作出科学准确的评价具有重要的理论价值和现实意义,然而,目前的学科诸类评价却并未从根本上解决这一问题,反而引发了社会不少的困惑,人们也正以不同的方式积极寻求对这一问题的解答。基于此种考虑,本文以相对静态的学科水平为研究对象,本着求同存异的原则,以世界一流水平为研究标杆,就我国大学的学科水平评价问题进行系统研究,旨在为学科的发展、建设与管理等提供参考依据。在行文上,研究遵循“问题导向”,按照通常的“叁段论”依次展开,强调立足基本、深入分析、找准对策,并从理论架构和方法技术两个层面系统阐述有关学科水平评价的诸多问题。首先,论文立足现实,沿着国外、国内两条脉络详细分析了当前学科水平评价的现状,重点介绍了若干权威学科排行榜的评价特点及其指标体系构成,并结合主题,从中提出“为什么评”的问题。其次,围绕学科本源即知识这一核心对“学科水平”作了全新解读,提出“学科水平是学科评价的逻辑起点和循环归根”观点,以此点明其在学科评价中的重要性,同时,利用Logistic曲线辨析了过程中可取的诊断、比较和发展叁种情形,进而从学科的知识和组织二维形态入手,指出评价具有知识管理和组织管理的双重价值,同时,就如何保证评价的科学性作了分析。至此,较好的回答了“评价是什么”的问题。再次,充分考量学科所处环境的复杂性和特殊性,运用拟生态方法,将学科水平作为一个大的“学科树“系统看待,从其影响因素中寻找切入点,建立了社会和自然两个分析维度,全面梳理了影响学科水平变化的内外因素,并将诸因素划分为输入性维持、过程性管理和输出性表征叁类,进而系统讨论了各类因素的关系与相互作用,在此基础上,架构了学科水平组成结构。由此,解决了“评价评什么”的问题。接着,论文围绕“如何评”先从理论上进行了探讨,系统研究了学科水平评价指标体系的构建。过程中,综合运用问卷调查法、专家访谈法、德尔菲法、隶属度法、变异系数法等多种研究方法对体系进行多轮筛选,最终构建了集维持水平、表征水平和管理水平3个一级指标以及对应的9个二级指标、38个叁级指标在内的大学学科水平评价指标体系,并对该体系进行了检验。在此基础上,论文进一步从技术上就解决如何评的问题进行了研究,提出学科水平的结构型评价思路,创新性的构建了两类评价模型,一是基于平面视图和灰色关联分析的平面评价模型,分别从形态相似性、水平接近性和水平综合性叁个方面对学科水平作出平面评价,并进行了实证验证;二是基于叁维空间和多面视图的空间评价模型,分别从形态特征和空间距离两个方面对学科水平作出进一步的空间评价。然后,对应学科管理和水平评价实际需要,提出开发设计一套大学学科水平智能化评价系统的设想,并对该系统的技术架构和功能等进行了科学设计,进而就如何实施给出了建议。至此,解决了“如何评”的问题。最后,对全文进行了总结,并就后续研究予以了展望。
郑世良[10]2010年在《商业智能技术在科研管理中的应用研究》文中认为首先探讨在科研管理中引入商业智能技术的必要性,并以此为基础,分析应用于科研管理系统的商业智能核心技术,阐述商业智能技术在科研管理领域的应用,并设计出一个基于商业智能技术的科研管理知识发现系统。
参考文献：
[1]. OLAP和数据挖掘技术在高校科技管理决策中的应用[D]. 邱怀姗. 北京化工大学. 2003
[2]. 数据仓库技术在高校科研管理中的应用研究[D]. 杨静. 河北工程大学. 2008
[3]. XX市科技咨询专家管理信息系统的研发[D]. 高正源. 重庆大学. 2007
[4]. 关联规则挖掘算法研究及在科技管理信息系统的应用[D]. 乔祥源. 南京理工大学. 2007
[5]. 基于数据仓库的高校科研管理与决策分析系统研究[D]. 沙笑笑. 西安理工大学. 2008
[6]. 数据仓库与数据挖掘技术在高校招生决策中的应用研究[D]. 郭载勋. 北京工业大学. 2014
[7]. 数据仓库与数据挖掘技术在招生决策中的应用研究[D]. 胡海员. 东南大学. 2006
[8]. 基于知识的交通拥堵疏导决策方法及系统研究[D]. 谈晓洁. 东南大学. 2005
[9]. 我国大学学科水平评价问题研究[D]. 朱明. 南京航空航天大学. 2015
[10]. 商业智能技术在科研管理中的应用研究[J]. 郑世良. 科技管理研究. 2010
标签：计算机软件及计算机应用论文; 数据挖掘论文; 科技论文; 数据仓库论文; 关联规则论文; 大数据论文; 数据挖掘算法论文; 决策支持系统论文; 决策能力论文;