马晓亚[1]2017年在《智慧校园之决策支持系统理论与应用研究》文中研究说明随着互联网技术、数字化校园的发展,高校信息化建设已经趋于成熟,人们关注的焦点已不再仅仅是信息系统的方便和可用性。当前高校信息化的进程正由"数字化校园"向"智慧校园"演进,以往数字化校园所体现的数据整合和应用集成已经满足不了高校信息时代发展的需要。智慧校园已经成为了当今校园建设的主题,而决策支持系统作为智慧校园建设中的闪光点,能否为高校管理者乃至于教师、学生提供决策支持,关乎于是否体现了数字化校园的"智慧"。在物联网技术、RFID无线射频技术对校园智能卡普及的促进下,校园中产生了丰富而庞大的来自于不同的数据源记录的数据,如学生的学习成绩、上网、借阅、门禁、食堂超市消费等。而这些数据又与学生的学习和生活又有着密切的联系。这些数字化校园的数据沉淀,在大数据时代应当是一笔财富,如何挖掘这些数据背后隐藏的信息,提高数据利用率,为相关参与者提供决策支持已经成为智慧校园建设、决策支持系统实现的一种迫切需求。本课题是在智慧校园建设背景下,根据目前相关理论和技术研究情况下,综合决策支持系统相关理论和应用,并以2014年本校学生智能卡流水记录为数据源进行相关实验。在平台利用方面:主要使用oracle数据库对数据进行管理,利用Java语言为基本的编程开发语言,设计并实验了一个针对实验的数据处理和挖掘并可视化的平台。论文首先针对智慧校园和决策支持系统理论进行研究论述,然后对基于智能卡的决策支持系统相关的理论知识和方法进行了论述,主要包括数据仓库、数据挖掘、数据可视化等。之后详细地介绍了系统的设计与实现过程,从需求分析到结构设计再到平台各个模块的实现。最后利用实验平台和前期的准备工作进行了相关的分析和案例应用,对智能卡持有者的消费活动、消费地点、时间等进行分析,并且提出了关于贫困生认证模型的猜想和验证。基于智能卡的决策支持系统主要利用本校学生智能卡数据库流水数据作为数据源,根据基于数据仓库的决策支持系统相关的技术应用开展相关的实验,实验内容主要包括:数据的收集和预处理、数据可视化平台的设计开发与实现、数据挖掘和分析、实验结果分析与决策支持。
冯欣[2]2008年在《基于数据仓库的军事地图管理决策支持系统》文中研究指明随着国防军队建设的发展,信息化建设凸显其重要性。战场各种信息的变化越来越快,也越来越多样化。军队决策者在尽可能短的时间内依据有效底层数据做出正确决断,将影响整个部队的战略部署及行动。因此需要有效的决策支持系统辅助决策。决策支持技术以数据仓库、OLAP(联机分析处理)等技术为主。数据仓库是一个面向主题的、集成的数据集合。它能为军事决策支持管理准备有效数据。联机分析处理则从不同的角度提供了数据的分析功能,能为军队决策者提供军事数据的全局视图。本文根据目前军队单位针对基于数据仓库技术的决策支持系统的迫切需要,对基于数据仓库的决策支持系统的体系结构和模型进行了研究和探讨。在分析了数据仓库的技术特点、组成以及决策支持系统结构的基础上,在军队自组信息网络环境中,设计并实现了C/S模式下的基于数据仓库的军事地图管理决策支持系统。该系统通过数据仓库整合了分散在军队各时期的数据,使用OLAP提供了从不同的角度分析数据的功能,为军队决策者在军事地图需求和地区战略重要性分析方面提供了重要的参考信息。该系统已在军队测绘单位投入试运行。测绘单位决策者可以使用系统进行分析,获得请领单位需求、地图需求量和地区战略地位重要性等指标数据。并能够据此指标制定更为准确的军事地图测绘计划,评估地区军事战略重要性等。总之,基于数据仓库的军事地图管理决策支持系统解决了军队决策者制定决策时,仅凭借经验判断,而缺少数据支持这一问题。实践证明,使用该系统后,决策者的分析决策正确率得到提高。可见,该系统能够为军队制定正确的发展战略提供强有力的支持,是进一步构建军队数据仓库和决策支持系统的参考依据,具有十分重要的现实意义。
杨小艺[3]2014年在《大数据时代的品牌针织服装设计优化研究》文中指出大数据时代的到来使得人类社会进入数字时代，数据信息大幅度增长并深入社会生活的方方面面，推进了人类生活方式及社会生产力的极大变革，市场消费需求自然随之改变。在信息技术、网络技术、社交媒体技术等高新技术不断发展进步的推动下，针织流行迅速更替变化，多元流行信息不断呈现。品牌针织服装企业一方面需要根据以上变化做出策略调整，利用数据进行分析、共享，并广泛用于品牌产品的设计开发中，以积极应对流行更替与消费需求的快速转变。另一方面，品牌针织企业间的竞争越发激烈，产品同质化现象越发严重，品牌针织服装企业需要对其产品设计开发环节进行调整，以立足于激烈的市场竞争潮流中。针对以上现状分析，本文结合大数据理论与品牌针织服装设计理论，利用品牌服装设计学、计算机科学、统计学等多学科原理与方法，提出建立在大数据分析利用上的基于数据仓库的品牌针织服装设计决策支持方法理论，并在参与的实践项目中进行了初步的模拟实验验证。首先，将多渠道来源的品牌针织服装设计相关信息进行设计信息提炼与格式化整理，完成品牌针织服装设计信息数据仓库的建立。其次，依据面向数据立方体的多维数据挖掘原理，利用多维数据方体、OLAP星型挖掘模型、多维数据维表等工具对品牌针织服装设计信息进行数据挖掘，以获得设计元素知识。最后，提出基于数据仓库的品牌针织服装设计决策支持方法，并在研究室项目实践中进行了初步的模拟实验，通过人机交互界面设计对实验过程与结果进行了初步的分析与展示，验证了方法的可行性。本课题提出了基于数据仓库的品牌针织服装设计决策支持方法。该理论方法使品牌针织服装设计能更科学、准确、有效的满足不断更替变化的市场消费需求和流行趋势发展，让品牌针织服装企业在产品开发过程中，避免了依靠设计人员个人经验主观判断的盲目性，减少了品牌产品同质化的可能性，降低了产品盲目投入市场的风险，有效引导品牌发展，增强品牌企业的核心竞争力。
王晟[4]2007年在《基于数据仓库的教务决策支持系统研究与实现》文中研究表明随着数据库系统的逐日运行,数据的规模将越来越庞大,这就需要各级管理人员能够根据各自权限的范围从大量复杂的业务数据中更加有效的分析提取可用的信息。从目前发展来看,数据处理的重点已从传统的业务过程的实现扩展到对业务数据的联机分析处理,并从中得到面向各种管理主题的统计和决策支持信息,决策支持系统应运而生。随着数据仓库技术的成熟,出现了以数据仓库技术为核心,以联机分析处理技术(OLAP)和数据挖掘工具为手段建设决策支持系统(DSS)的可行方案。数据仓库技术、联机分析处理技术和数据挖掘技术对决策支持系统的有力支持使得它们成为当前决策支持系统研究的热点和重点问题。本文对数据仓库的数据组织、结构及相关技术的发展进行了回顾,探讨基于数据仓库的决策支持系统体系结构的理论与难点,对设计方法、实施策略等数据仓库建设方面的关键问题进行研究。通过分析设计,提出结合高校教务管理实际的数据仓库设计和实施方案。并解决了在数据量大、数据分散、基础环境复杂的环境中抽取所需的数据,经过数据转换和清洗,完成按照预选定义好的数据仓库模型,将数据加载的工作。最后结合决策需求的目标,以业务分析为切入,选用Microsoft的SQL Server 2000和Analysis Services 2000构建数据仓库和对OLAP应用进行实现。同时运用多维关联规则挖掘中Apriori算法作为基础,在其部分细节上加入了一些自我的改进,从大量教学相关数据中挖掘出具有一定指导价值的管理规则。通过本课题研究,建设科学合理的高校数据仓库,有效提高高校信息管理和数据利用的能力,加强高校管理决策的合理性和科学性,有着相当的现实意义。
杨家旭[5]2007年在《基于数据仓库的数学模型解决方案的研究与设计》文中进行了进一步梳理随着市场经济竞争的加剧，企业和组织的管理和决策越来越有赖于对市场需求的分析、预测，而现实中往往存在决策依据不足和有效数据十分缺乏的现象；同时，在计算机和关系型数据库系统已经十分普及的今天，大部分企业和组织的管理信息系统仍然是以低层操作型的事务处理为重心建设，而企业中高层的决策支持系统的基础十分薄弱。低层的数据泛滥，而中高层用于决策的信息却十分贫乏的问题表明：基于数据仓库的决策支持系统的开发已十分迫切。数据仓库、数据挖掘和数学建模是作为叁种独立的信息和数学处理技术出现的。数据仓库用于数据的存储和组织，数据挖掘集中于数据的分析，数学建模则致力于模型的构建和知识的自动发现。由于这叁种技术内在的联系性和互补性，它们结合起来就形成了一种新的决策支持系统(DSS)构架，从而构成为基于数据仓库的数学模型解决方案。本文正是在这种背景下，对数据仓库的理论和设计进行了研究。主要是以管理层次的分析为依据，以现实中大规模数据库为基础，借助数据整合手段，采取多维数据模型，构建出底层为仓库数据库服务器、中间层为OLAP服务器、顶层为客户端的叁层数据仓库结构，以满足决策支持系统的构建和数学建模系统研究和设计的需要。在数据仓库的系统设计基础上，我们将数学建模系统作为研究的重点。首先，我们结合实际案例，研究了回归分析和最小二乘法等基于数据的建模方法的应用，这一方法我们称为定制数学建模的方法。其次，我们在研究数学建模的方法和软件开发上，提出了回归函数算法集合的设计思想，并对自动优选数学建模系统进行技术研究与设计。同时运用这一技术，对胜利油田生产和管理的历史数据实例进行研究与分析，建立了许多油田生产管理的数学模型，用于企业预测和分析，都取得了很好的效果。最后，总结了基于数据仓库的数学建模技术的应用并简要讨论了进一步的工作方向。
张文超[6]2013年在《基于数据挖掘的高校学科建设决策支持系统研究与实现》文中研究说明学科是高等院校组织教学的基础单元，是培养人才、发展科技文化的结合点。加强学科建设已成为当代世界高等教育发展的趋势。随着计算机技术，网络技术的不断发展，高等院校均已实现了信息化管理，大量管理信息系统的使用形成了一个庞大的，能够生产大量有效分析数据的工厂。如何利用不断积累起来的信息数据为高校的学科建设服务，提高高校学科管理决策的客观性和科学性，已成为高校学科管理者亟待解决的问题，也成为国内外学者研究的一个热点课题。本文以高校学科建设为应用背景，在研究数据挖掘技术、决策支持系统技术的基础上，有效地利用高校管理信息系统产生的数据，探索学科发展的现象、趋势，揭示高校学科发展规律和特征，继承和发展决策支持系统在高校学科管理领域的新应用。课题首先将基于数据仓库的决策支持系统结构应用于高校学科建设，构建了高校学科建设决策支持系统的架构。该架构既遵循了传统决策支持系统的结构，又将传统结构加以扩展，有效的结合了数据挖掘技术和Web技术，使系统不但可以提供决策支持能力，同时具备一定的扩展能力和交互能力。其次，课题以北京市重点学科信息平台，北京市硕、博学位授权点信息平台等管理信息系统（MIS）提供的历史数据作为数据源，研究了高校学科建设数据仓库的多维数据模型，共建立了师资队伍、科研获奖、科研成果等事实表和时间、单位级别等维度表，实现了高校学科建设数据仓库的搭建。再次，课题通过研究数据挖掘决策树算法，在基于决策树C4.5的基础上，将贝叶斯理论应用于决策树的后剪枝操作中，研究并提出一种基于贝叶斯理论的决策树后剪枝算法，该算法运用贝叶斯后验定理对决策树每个分枝进行验证，将不满足条件的分枝从决策树中剪掉，从而使决策树得到精简，提升了整个算法的泛化能力。最终课题利用该算法实现了对重点学科审批预测模型的建立。得到重点学科审批预测结果之后，课题以市教委颁布的学科评价体系为基础，进一步研究一种基于粗糙集定权的多级模糊评价方法来建立高校学科质量综合评价模型，实现对该学科的综合评价。最终，本文结合所搭建的高校学科建设的决策支持系统架构、数据仓库以及所研究的数据挖掘算法，基于J2EE标准企业体系规范，采用MVC模式，完成并实现了一个B/S结构的高校学科建设的决策支持系统的原型系统。
杨彬彬[7]2005年在《基于数据仓库技术的教育评价决策支持系统EEDSS系统的设计与实现》文中提出自20 世纪50 年代教育评价作为一种专业活动产生以来,教育评价的功能不断从教学和课程领域向外扩展,逐渐成为教育管理的重要手段。目前,世界各国均把教育评价作为核定教育机构办学效能、评定个人工作绩效、改进教育政策方案、改善管理体制的效能、促进教育质量不断提高的必要手段。近年来,随着各种网络平台技术的出现,各大高校相继都建立了具有各自特点的教务管理信息系统,这些系统每天都要操作和处理大量事务性的数据信息,却缺少利用数据信息进行综合分析和教育评价,最终决策支持于教务管理的过程。因此,建立一套用于教育评价的决策支持系统,对于提高教育质量、促进教育发展具有很重要的现实意义。同时,数据仓库(Data Warehouse-DW)和联机分析处理(On-Line Analytical Processing-OLAP)技术的诞生带来了信息系统领域体系结构的革命,也带来了管理决策智能化的时代,这为建立综合决策支持系统提供了技术保障。文章首先讨论了课题的提出,然后介绍了传统决策支持系统的不足和基于数据仓库技术的决策支持系统的由来与特点。第二章较为详细的介绍了数据仓库和联机分析处理所涉及的主要概念、原理、技术等。第叁章以EEDSS系统的设计开发为出发点,按照数据仓库开发的一般原则和步骤,逐步探讨了基于数据仓库的EEDSS系统的项目需求分析、系统软硬件结构设计、概念模型设计、多维数据逻辑建模、数据抽取、转换、清洗和装载过程及OLAP服务器的设计。第四章在阐述系统实现的关键技术及理论依据的基础上,具体介绍了前端多维分析工具及辅助决策模块的实现步骤。文章最后对本文完成的工作进行了总结,指出了设计和实现中的不足,并指出了下一步的工作内容。
廖剑岚[8]2002年在《决策支持系统中的数据挖掘与OLAP——数据仓库环境下的信息分析》文中提出信息是决策的基础，为了获得更好的决策效果，人们开展了各式各样的信息分析活动。信息分析就是以信息为研究对象，根据拟解决的特定问题的需要，搜集相关信息进行分析研究，并得出有助于解决问题的新的信息的过程。决策支持系统是随着计算机技术的发展，逐渐发展并成熟起来的，它为在信息技术的支持下开展信息分析提供了可能。可以说，决策支持系统与信息分析有着密不可分的联系。 数据仓库是20世纪90年代中后期提出的概念，它是以传统的数据库技术作为存储数据和管理资源的基本手段，以统计分析技术作为分析数据和提取信息的有效方法，以人工智能技术作为挖掘知识和发现规律的科学途径的一种解决问题的方案。为了充分利用数据仓库中的数据、满足决策需要，数据仓库工具应运而生，联机分析处理和数据挖掘是其中重要的两类。联机分析处理把数据的组织由二维平面结构扩充到多维空间结构，并提供了多维数据分析方法。数据挖掘则是在人工智能、机器学习中发展起来的，它为知识和规律的自动发现提供了有效的技术与方法。 目前，以数据仓库、联机分析处理和数据挖掘为基础构建的集成化的智能决策支持系统越来越受到重视，开创了决策支持系统发展的新方向。许多来自数据库领域、决策支持系统领域的专家对数据仓库技术展开了深入的研究。他们大多从计算机科学的立场出发，对数据仓库建设做出了重要的贡献。然而，由于专业背景等原因，这些研究往往忽略了数据仓库及其相关技术与信息分析之间的密切关系和必然联系。通过资料调研，作者发现部分情报学专家也开始对数据仓库进行研究，但相关研究比较分散。尤其是将数据仓库与信息分析的学科背景相联系开展的交叉研究目前还比较少。由此可见，从信息分析的角度对数据仓库技术展开研究是值得信息分析专业人员研究的前沿课题。 本文选题的目标就是要弥补现有研究的不足，从信息分析的角度对数据仓库技术进行研究，为我国情报学界开展数据仓库环境下的信息分析研究贡献微薄之力。文章的创新之处在于从信息分析的角度对现有研究数据仓库的理论进行评析，试图找到二者的结合部，为在数据仓库环境下开展信息分析提供理论依据，同时也为信息分析方法的未来发展指明方向。作者重点研究了如何利用数据仓库构建信息分析新环境；详细阐述了数据仓库环境下信息分析方法的发展与创新；开创性地提出了能充分发挥信息分析优势的、基于数据仓库的决策支持系统的新模型;同时，还就数据仓库技术的运用进行了案例分析，为我国企业开展相关建设提供借鉴。 作者通过采用历史回溯、比较研究、文献调研和个案分析等研究方法，力求完整地分析、说明问题，清晰地阐明作者的观点和见解。全文共分六章: 第1章概述:论述了信息与决策的关系及信息分析的产生与发展，归纳了决策支持系统的演化过程及不同发展阶段所采用的信息分析方法，指出目前的发展趋势是建立以数据仓库为基础、数据挖掘和联机分析处理为主要分析方法的集成化的智能决策支持系统，为全文论述做铺垫。 第2章利用数据仓库构建信息分析新环境:从信息分析的角度指出在目前的决策支持系统中开展信息分析存在的问题，分析了存在这些问题的原因，并围绕数据仓库的特点展开讨论，论述了为什么要在数据仓库的环境下开展信息分析。 第3章数据仓库环境下信息分析的新方法:论述了在数据仓库环境下信息分析方法必须有创新和提高，指出数据挖掘和联机分析处理是信息分析新方法的主要代表，对它们的概念、原理和方法进行介绍，并对这两类信息分析方法的效果进行了评价。 第4章基于数据仓库的决策支持系统的设计:从微观层面对数据仓库的设计进行阐述，分析了以往决策支持系统模型的优缺点，提出了基于数据仓库的决策支系统的新模型，为如何在数据仓库的环境下开展信息分析提供了理论模型，并对该模型的先进性进行了评价。 第5章基于数据仓库的决策支持系统的应用:从宏观层面对数据仓库及其分析方法的运用进行阐述，并以招商银行数据仓库项目为例深入剖析，对数据仓库的建设、联机分析处理与数据挖掘等信息分析方法的实际运用进行了阐述，为我国企业开展相关建设提供借鉴。 第6章数据仓库环境下开展信息分析的其他相关问题及展望:进一步论述了与数据仓库环境下开展信息分析密切相关的投资回报和法律法规问题，并就其未来发展做了展望。、公}
黄子瑛[9]2012年在《基于数据仓库的投资决策支持系统研究》文中指出在全球经济一体化的今天，企业信息化已经全面普及，计算机网络给传统企业的管理模式带来了全新的变革，改变了企业的运营模式、经营手段。企业经营的最终目的肯定是实现所有者权益最大化，如何做好财务决策，合理配置资源，提高资源的利用率变得尤为重要，投资决策作为财务决策的重要内容之一，其决策的正确与否直接关系到企业的兴衰成败。但是，我国企业目前的投资决策的方法和手段还比较落后，缺乏科学化的决策方法。随着数据仓库、数据挖掘、联机分析处理等技术的兴起，为企业财务决策支持系统的发展奠定了硬件基础，文章在对投资决策理论和决策支持系统的现状进行分析研究的基础之上，将数据仓库技术融合到投资决策支持系统当中，利用数据仓库的存储和组织技术为投资决策提供一个新型的分析处理环境。文章首先阐述了企业投资决策的前提条件以及其理论基础，对影响投资决策有效性的因素进行了分析，介绍了投资决策的一般方法；然后对投资决策支持系统的相关技术进行了阐述，对于数据仓库以及数据挖掘技术进行了介绍，并选取了螺旋式的系统开发方法作为系统的开发方法；在此基础之上对投资决策支持系统进行了详细的分析，提出了本系统的逻辑结构、描述了系统的体系结构、然后对系统的数据仓库、模型库、知识库以及人机交互部件的设计进行了较为详细的描述，在此基础之上提出了数据仓库集成的思想，将企业的投资、融资、股利分配决策数据进行集成分析研究，并以模型库中的预测模型为例，提出了引入衰减因子的变权重组合预测模型，通过仿真分析得出在投资决策支持系统的模型库中引入变权重组合模型的必要性，最后对本文的研究成果进行了总结。投资决策支持系统的构建有利于推动企业财务决策支持系统的建立于完善，提高企业的投资决策水平，为提高企业经济效益提供科学化的手段。
张可新[10]2007年在《基于数据仓库的企业运营决策支持系统》文中指出随着技术的进步和中国加入WTO,汽车制造行业的竞争日益加剧。商业压力和机遇促使经营者的兴趣转移到数仓库上。同时为了适应激烈的市场竞争环境,理应充分利用业务支撑系统产生的大量宝贵的数据资源,从这些大量的业务数据中提出有用的信息,实现对信息的智能化加工和处理,为市场经营工作提供及时、准确、科学的决策依据。所以用数据仓库技术来构建企业运营决策支持系统是必然的选择。本文阐述了决策支持系统、数据仓库、OLAP、数据挖掘的基本理论,并以某汽车制造企业运营决策支持系统的数据仓库的设计与实现过程为例着重讨论了数据建模、ETL和B/S模式的前端展示平台的实现技术部分并给出了基于数据仓库的决策支持系统的实现技术方案。
参考文献：
[1]. 智慧校园之决策支持系统理论与应用研究[D]. 马晓亚. 中央民族大学. 2017
[2]. 基于数据仓库的军事地图管理决策支持系统[D]. 冯欣. 大连理工大学. 2008
[3]. 大数据时代的品牌针织服装设计优化研究[D]. 杨小艺. 江南大学. 2014
[4]. 基于数据仓库的教务决策支持系统研究与实现[D]. 王晟. 厦门大学. 2007
[5]. 基于数据仓库的数学模型解决方案的研究与设计[D]. 杨家旭. 同济大学. 2007
[6]. 基于数据挖掘的高校学科建设决策支持系统研究与实现[D]. 张文超. 北京工业大学. 2013
[7]. 基于数据仓库技术的教育评价决策支持系统EEDSS系统的设计与实现[D]. 杨彬彬. 辽宁师范大学. 2005
[8]. 决策支持系统中的数据挖掘与OLAP——数据仓库环境下的信息分析[D]. 廖剑岚. 华东师范大学. 2002
[9]. 基于数据仓库的投资决策支持系统研究[D]. 黄子瑛. 湘潭大学. 2012
[10]. 基于数据仓库的企业运营决策支持系统[D]. 张可新. 吉林大学. 2007
标签：计算机软件及计算机应用论文; 数据仓库论文; 数据挖掘论文; 决策支持系统论文; 数据挖掘算法论文; 相关性分析论文; 决策能力论文; 数据分析论文;