李旭亮[1]2009年在《高校招生决策支持系统的研究与实现》文中研究说明随着高校招生规模的不断扩大,招生方式的多元化、自主化,招生数量正逐年增加,专业设置及生源素质都在发生变化。几乎每所高等院校都面临着生源急剧膨胀而带来的资源相对紧缺问题;同时高校机构改革中将不同地域的几所学校及校内部门的合并,都给高校管理带来了前所未有的发展和挑战。在这样的形势下,高校如何以最小的代价获得最大的发展,则已成为一个有待研究解决的新课题。本文以某高校的招生数据为例,以数据仓库技术为基础,利用联机分析处理和数据挖掘技术为数据分析手段,通过对高考历史数据的全面分析来构建新型的招生决策支持系统,从而在为社会提供高效、准确的高考决策支持方面做一些有意义的尝试和探索。高校招生决策支持系统在高校招生领域的应用,能从招生信息中发现各种潜在的有价值的知识,从而为招生工作提供决策支持,以便高校在快速变化的竞争中把握发展方向。
张佳民[2]2008年在《基于数据仓库体系结构的OLAP和数据挖掘技术的研究与应用》文中认为近年来,数据仓库系统在电信业、银行业、零售业、政府机关等都有广泛的应用。数据仓库系统数据量迅速增长和对数据仓库系统需求的发展,对当代数据仓库系统有了新的要求,因此对数据仓库系统及其相关技术的研究有着重要的现实意义。本文通过对实现数据仓库系统的数据仓库、OLAP、数据挖掘叁方面技术进行研究,最后以某市公安信息系统为例,设计实现了公安数据仓库系统。在数据仓库设计技术方面,主要包括实时数据仓库架构的设计和维护数据仓库中缓慢变化维的代理键的研究。实验表明:基于系统数据日志的实时ETL算法和混合型实时数据仓库架构,实现了实时数据仓库与业务系统数据零延时的要求;在数据仓库中,代理键自增序列算法的使用,除了可以维护缓慢变化维,还可以极大的缩减数据仓库的存储容量。在OLAP研究方面,主要研究了OLAP的实现技术与数据存储技术,提出了MOLAP基于Cuboid的数据立方体压缩存储算法,和基于该存储结构的解压缩算法和语义查询算法。实验表明:该算法在压缩稀疏数据的同时,改进了以往多维数组压缩算法对非稀疏数据的敏感性,解决了索引维信息冗余问题。在数据挖掘研究方面,介绍了数据挖掘在数据仓库中的应用,提出最大模糊后验假设,对朴素贝叶斯分类算法进行改进,并与OLAP结合,设计了基于数据立方体的改进朴素贝叶斯分类算法,实验通过对模糊系数的调整,明显提高了朴素贝叶斯分类算法的准确率。在公安数据仓库系统设计方面,结合了公安现有的信息管理系统、全国刑侦联查系统数据接口,设计实现了行政治安和全国刑事侦查两个数据集市组成的实时数据仓库系统。
梅世军[3]2007年在《刑事案件决策支持系统研究与实现》文中提出随着数据库技术的不断成熟，数据仓库技术的以及网络技术、人工智能等计算机相关技术的不断发展，决策支持系统的开发和应用领域进一步扩大，以满足各领域决策者的各种需求。刑事案件决策支持系统作为公安信息化建设的重要组成部分。系统是在将公安机关各种业务信息进行数据集成的基础上，建立数据仓库，运用数据挖掘技术，主要围绕刑事案件和涉案人员进行分析，分析结果为公安机关打击和预防犯罪提供决策支持。本文首先对数据仓库、数据挖掘等理论知识进行简介，并对基于数据仓库的决策支持系统进行描述。其次对刑事案件决策的信息源进行划分，即案件现场信息、业务信息及社会公用信息，设计以“案件”和“案犯(人员)”为主题的数据仓库，Server 2005为数据仓库的软环境。以Microsoft SQL Server 2005中的商务智能应用程序开发工具(BI Dev Studio)作为数据挖掘工具，文中重点描述Microsoft关联规则、决策树挖掘算法的应用实例。文中系统的设计与实现部分，在需求分析的基础上，介绍与数据挖掘编程相关API及用法，如多维的ADO. NET、分析管理对象AMO等，最后介绍了系统的架构和部分功能实现。
王骏强[4]2008年在《基于OLAM的进销存决策支持系统的设计与实现》文中研究指明决策支持系统(Decision Support System,DSS)是一种帮助中高层管理人员进行决策的计算机系统,这种系统综合运用了信息论、人工智能、信息经济学、管理科学、行为科学等学科的理论、方法和技术。随着联机分析挖掘(On-lineAnalytical Mining,OLAM)概念的提出和技术的成熟,OLAM成为了新的决策支持系统的主要分析工具之一,它以数据仓库(Data Warehouse,DW)为基础,无缝集成了联机分析处理(On-line Analytical Process,OLAP)和数据挖掘(DataMining,DM)技术,具有两者的优势,因此有较大的研究与应用价值。本文阐述了基于OLAM的进销存决策支持系统的设计思路,着重利用SQLServer 2005在多种技术无缝集成方面的优势,对整个系统进行了具体的搭建、设计和实施。本文主要工作包括:(1)分析了联机分析挖掘技术在当前国内外研究的背景现状,提出在进销存数据仓库系统中运用联机分析挖掘技术作为辅助决策的构想。(2)对进销存决策支持系统进行总体设计,包括:进销存决策支持系统的需求分析,基于OLAM技术的进销存决策支持系统的系统设计和功能设计。(3)依据具体的进销存数据,通过概念模型、逻辑模型和物理模型的设计建立所需的数据仓库,并对数据仓库实施的关键技术进行了研究。(4)建立了进销存决策支持系统的开发环境,针对进销存数据仓库建立相应的OLAP多维数据集,设置维度、层次和度量值;搭建Web Service平台,用Visual Basic.net语言编程提供接口,建立ASP.net Web服务并调用Web Service接口和Office Web Component组件,通过JavaScript调用Web服务来实现多维数据立方体的前台展现,对进销存系统数据集进行了挖掘结构和挖掘模型的设计,采用聚类挖掘算法进行分析以辅助决策,实现了数据报表的Web发布。论文进行了进销存数据仓库底层构架的设计,实现了进销存决策支持系统的OLAM功能。系统可提供进销存多维数据立方体的查询,还可以通过挖掘算法进行挖掘分析以辅助决策。
梁志坚[5]2007年在《数据挖掘技术在税务行业中的应用》文中提出税务稽查选案系统作为一个为稽查部门提供各种相关数据和数据分析工具的选案软件系统，它是一个过程改进和强化输出的信息工具，是一个辅助稽查部门在经验数据的基础上做出理性决策的支持工具。现在，数据挖掘受到了国内外的普遍关注，己经成为信息系统和计算机科学领域研究中最活跃的前沿领域。数据挖掘已广泛应用于生物医学、金融、零售业、电信业等领域，并产生了巨大的效益。本文提出了一种基于数据仓库和数据挖掘的税务稽查选案系统的设计方案，以期对各种业务数据(如征管数据、专用税票和专用发票等数据)按稽查业务的主题进行抽取、转换、加载等处理后，建立规范统一、高度共享的综合性主题数据中心，并在此基础上，采用数据仓库、在线分析处理、数据挖掘、多元统计分析等先进技术，建设一个能够对事物(如偷税)的构成、分布、等特征以及长变化规律和发展趋势、事物之间的相关关系、强度及均衡性等问题进行分析的平台。本系统按照功能可分为六个层面：原始数据层、信息整合层、数据仓库层、数据挖掘层、数据展现层，系统管理层，并分别进行了详细的分析和论述。最后，在实际应用中，我们发现，该系统可以把稽查选案所需的信息从税收原始数据转化为集中统一、随时可用的信息，实现了对信息的合理、全面、高效的管理，为稽查选案者做出实时、有效的决策提供了科学的依据和保障。
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》文中认为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。
李雪[7]2008年在《数据仓库技术在电力营销系统中的应用研究》文中研究指明本文介绍了电力营销的研究现状,对数据仓库、OLAP和数据挖掘技术进行了系统阐述,在对电力营销业务进行深入分析的基础上,确定了电力营销主题域,设计了电力营销数据仓库结构,并在此基础上整合现有的、相互离散的电力营销数据,使用Oracle 10g建立了电力营销数据仓库。数据挖掘作为一种发现大量数据中潜在信息的数据分析方法和技术,已经成为各界关注的热点,本文介绍了聚类分析、决策树算法和一种新型的智能聚类决策树算法,并给出了算法在电力营销中的应用实例。
陶维成[8]2005年在《基于数据仓库与数据挖掘的营销决策支持系统》文中进行了进一步梳理随着经济全球化和市场经济日渐成熟,企业间的竞争也日趋激烈,迫使企业不断地改进管理手段,提高生产经营决策质量,以提升市场竞争力!信息技术的深入发展,传统的管理信息系统(MIS)难以满足企业对日益增长的海量数据分析处理要求,于是决策支持系统(DSS)便应运而生了。本文根据某啤酒企业销售公司的实际需求情况,结合国内外最新研究动态,提出了以数据仓库(DW)、数据挖掘(DM)、OLAP等技术来构建营销决策支持系统(MDSS)。应用这些技术设计开发决的策支持系统,弥补已有的MIS系统对企业高层管理决策支持能力的不足,提高企业营销决策分析能力。围绕营销决策支持系统的实际应用课题,本文主要完成的研究工作有:①以某啤酒企业销售公司的MDSS研究与开发为目标,对研发过程中所需要的基本理论、方法、算法等进行了深入的比较与研究,解决了系统设计、开发、实施所需要的核心技术。②研究分析了数据挖掘、数据仓库、决策支持系统叁者的关系,提出了适合于该企业MDSS的合理解决方案。③对数据挖掘中的关联规则、决策树方法进行了研究。将优化后的Apriori算法和改进后的ID3算法应用于MDSS中。④设计了MDSS中的数据仓库模型,并将MIS中的源数据经过清洗转换后导入SDW数据仓库中。在数据仓库基础上,使用Microsoft SQL Server2000 Analysis Services创建了所需要的多维数据集,如销售多维数据集,从而全面系统地进行了OLAP数据分析与挖掘。⑤提出了MDSS的架构模式。设计开发了MDSS的前端展示应用程序,采用面向对象和软件工程的思想进行研究与开发,使应用程序具有一定的可扩展性、可维护性及易用性。采用Visual Studio .NET 2003为开发工具,使用C#语言,并利用Web Services技术有效地将后台处理与前台应用分离开来,为分布式应用作了有益地尝试。
钟足峰[9]2007年在《联网收费系统数据分析与挖掘的理论和实现》文中进行了进一步梳理随着我国高速公路的快速发展,越来越多的联网收费系统已经建立起来。通过联网收费系统可以获取大量的交通数据,然而用传统方法处理这些数据既费时又费力,在这些大量的未分析或待分析的数据中有可能隐藏着许多有用的信息,数据挖掘旨在从大量数据中发现这些有价值的信息。数据挖掘技术在商业领域中己广泛使用,然而在交通领域的应用却极少。本文针对莞深高速公司的具体情况,在.Net框架下结合使用了数据预处理、OLAP、数据仓库、数据挖掘等技术,实现收费数据分析系统。本文通过对数据挖掘系统中数据预处理技术的学习,并参考国内外数据挖掘系统在数据预处理方面的处理过程,设计了一个能在一定程度上满足需要的数据预处理系统。本文所阐述的过滤异常值、去掉重复记录方法比较通用,能把数据挖掘前需要准备的数据进行一定程度的和必要的清洗、转换,在一定程度上提高了数据挖掘的质量和效率。本文以数据仓库及其相关技术为出发点,主要致力于研究联网收费系统中的决策支持,制定适合于收费数据分析方案。数据仓库是实现数据分析支持的基础,在数据分析的实现上,作者通过两种途径来实现,即统计分析和数据挖掘,这两者是数据分析的逐步深入。作者利用先进的技术实现了统计分析功能,即数据转换、数据集市的建立和OLAP(联机分析处理)展示。在对系统中数据挖掘技术的研究上,作者综合考虑了分析工作的需求,选用了几种分类算法。系统能够多角度分析展示大量的离线历史数据和在线实时数据,还可以对采集到的数据进行挖掘和分析,并在企业局域网上实现信息共享,供企业各层管理人员监控、查询和进行综合分析,以便有效地进行决策。该系统能够有效地帮助企业高层管理人员对各种相关数据进行分析和预测。本文以实际工程为主线,以实际收费数据为研究对象,对上述各项技术进行探讨。经过实际生产的检验,证明该系统是提高管理信息化的有益尝试。论文结束时还对该技术的发展趋势和前景进行了讨论。
张弛[10]2005年在《数据挖掘技术在水文预报与水库调度中的应用研究》文中提出数据挖掘作为知识发现过程中的重要步骤,是从大型数据库及数据仓库中提取未知的、有价值的和可操作性的关系、模式和趋势用于决策支持的过程。我国目前在防洪领域存在着大量水文数据、水库调度数据和预报成果数据,如何充分有效地利用各种智能算法对这些数据进行分析与挖掘,以形成相应的水文预报、水库调度模型进行准确的预报、合理的调度,是一项具有重要的意义的工作。本文结合数据挖掘中的聚类、分类、关联分析等方法特点,着重探讨了在水文预报、水库调度、组合预报中的应用。同时为了使数据更高效地进行挖掘分析,对水文数据仓库的结构与应用进行探讨与设计,将其与各种数据挖掘应用形成一个水文数据挖掘体系。研究内容和成果概述如下: (1) 针对以数据挖掘为基础的预报与调度的特点,结合我国的防洪减灾实际,建立面向预报、调度等不同主题的水文数据仓库的结构模型,并对其结构、功能、数据存储模型和实现技术进行研究,从而对海量水文信息进行管理与分析,为以数据挖掘为基础的预报、调度体系提供数据支持和提高挖掘效率。随后建立包括数据层、组织层、挖掘层和决策层的水文数据挖掘体系,各层承担着水文数据挖掘不同阶段的任务,从数据预处理、数据挖掘到知识表达,形成了一个完整的系统体系。 (2) 以水文预报中实践性很强的河道洪水传播为例探讨基于数据挖掘的水文预报模型。利用水文数据仓库对流域河道洪水数据进行数据预处理,同时利用T-S模糊推理模型提出一种根据上游各支流条件模糊推理下游流量的方法,针对模糊推理中随着推理条件增多而形成的“维数灾”问题,利用数据挖掘的关联规则分析方法确定历史数据中频繁出现的上游条件组合(即推理规则),将洪水传播中的低流量组合和极少出现的组合规则进行合并或删减,然后利用优化模型分析历史数据确定的规则集在模糊推理中的参数,最终形成基于模糊推理与关联规则分析的洪水传播模型,提高了高流量条件下的预报精度。 (3) 不同的水文预报模型有着不同的特点,很难有适用各种情况的“全能预报模型”。针对这一问题,提出了基于多目标模糊优选的组合预报模型,将多种模型预报结果的洪峰、峰现时间、流量过程的相对误差作为模糊优选的指标,通过对历史预报数据的模式识别分析,得到各种预报模型在不同情况下的适用度,然后在实时预报中根据条件及各种模型的适用度进行组合预报,得到比单个预报模型更合理的预报结果。 (4) 针对目前水库调度技术中的分类调度、扩大调度信息源等研究热点,提出一种利用数据挖掘技术分析历史水文数据与历史调度数据,从而生成调度规则的方法:决策树水库调度模型,该模型将生成的调度结果以调度树的形式表达。作为数据挖掘的结
参考文献：
[1]. 高校招生决策支持系统的研究与实现[D]. 李旭亮. 哈尔滨工程大学. 2009
[2]. 基于数据仓库体系结构的OLAP和数据挖掘技术的研究与应用[D]. 张佳民. 吉林大学. 2008
[3]. 刑事案件决策支持系统研究与实现[D]. 梅世军. 同济大学. 2007
[4]. 基于OLAM的进销存决策支持系统的设计与实现[D]. 王骏强. 武汉理工大学. 2008
[5]. 数据挖掘技术在税务行业中的应用[D]. 梁志坚. 同济大学. 2007
[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]. 数据仓库技术在电力营销系统中的应用研究[D]. 李雪. 华北电力大学（河北）. 2008
[8]. 基于数据仓库与数据挖掘的营销决策支持系统[D]. 陶维成. 重庆大学. 2005
[9]. 联网收费系统数据分析与挖掘的理论和实现[D]. 钟足峰. 长沙理工大学. 2007
[10]. 数据挖掘技术在水文预报与水库调度中的应用研究[D]. 张弛. 大连理工大学. 2005
标签：计算机软件及计算机应用论文; 大数据论文; 数据挖掘论文; 数据仓库论文; 决策支持系统论文; 数据挖掘算法论文; 数据分析能力论文; 决策能力论文; 商务智能论文; 进销存论文;