基于数据仓库的决策支持技术的应用研究与实现

论文摘要

自从决策支持技术诞生以来，面临许多挑战性的研究问题，人们在机器学习、统计学、数据库系统的大量研究成果直接应用到了该领域，各系统单独解决不了所有的问题，因此必须为决策支持所用的集成各学科的综合技术。从某种意义上说，决策支持技术已成了独立的新研究领域，并且它被用到了更多的知识领域，各知识领域不断向纵深发展并派生出新的分支，所以决策支持技术对各学科起到了促进作用，对人类知识的保存、管理、发现等产生着越来越大的影响。本文概要介绍决策支持技术的发展情况体系结构所用到的技术及它的研究步骤，决策支持技术能自动分析数据，对它们进行归纳性推理和联想，寻找数据间内在的某些关联，从中发掘出潜在的、对信息预测和决策行为起着十分重要作用的模式。决策支持技术涉及数据库、人工智能、机器学习、神经计算和统计分析等多种技术，它使人们对数据的管理和利用跨入了一个新的阶段。本文重点研究了数据仓库模型和数据挖掘模型的设计流程，分析决策树、模糊逻辑、进化算法、神经网络、规则归纳、统计方法等相关关键技术的特点，模型实现与质量分析的重点问题和处理要点，并把研究成果在邮政客户管理系统上进行了实现。文章还对数据挖掘过程中可能出现的质量问题进行了分析并做出了相应的处理。通过实践的检验认为所设计的数据仓库模型和数据挖掘模型在邮政业务数据挖掘上可以取得了较好的效果。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景和目的
• 1.2 国内外研究现状和面临的难题
• 1.3 研究的关键技术问题和研究思路
• 1.3.1 研究的关键技术问题
• 1.3.2 本文研究思路
• 1.4 论文章节安排
• 第二章 决策支持技术
• 2.1 决策支持技术体系结构
• 2.1.1 传统的决策支持技术体系结构
• 2.1.2 基于数据仓库的决策支持技术体系结构
• 2.2 数据仓库技术
• 2.2.1 概念与特征
• 2.2.2 数据组织
• 2.2.3 使用与管理
• 2.3 OLAP技术
• 2.3.1 概念与特征
• 2.3.2 OLAP分类
• 2.4 数据挖掘技术
• 2.4.1 概念与特征
• 2.4.2 功能与算法
• 2.5 决策支持技术之间的关系
• 2.5.1 数据仓库与 OLAP的关系
• 2.5.2 数据仓库与数据挖掘的关系
• 2.5.3 OLAP与数据挖掘的关系
• 第三章 数据仓库模型与数据挖掘模型
• 3.1 数据仓库模型设计
• 3.1.1 数据仓库模型概述
• 3.1.2 数据仓库模型设计
• 3.2 数据挖掘模型设计
• 3.2.1 数据挖掘模型概述
• 3.2.2 数据挖掘模型流程
• 3.2.3 ETL设计与实现
• 3.3 关键技术
• 3.3.1 决策树
• 3.3.2 模糊逻辑
• 3.3.3 进化算法
• 3.3.4 神经网络
• 3.3.5 规则归纳
• 3.3.6 统计
• 3.3.7 统计分类法
• 第四章 模型实现与质量分析
• 4.1 系统背景
• 4.2 功能介绍
• 4.2.1 系统结构
• 4.2.2 数据挖掘功能介绍
• 4.3 质量问题
• 4.3.1 代表性问题
• 4.3.2 转换性问题
• 4.3.3 生成性问题
• 4.3.4 模型选择性问题
• 4.4 质量问题处理
• 4.4.1 源数据质量问题的处理
• 4.4.2 数据集成时质量问题的处理
• 4.4.3 数据分析时质量问题的处理
• 第五章 结论和展望
• 5.1 结论
• 5.2 存在的问题与展望
• 参考文献
• 致谢
• 攻读学位期间主要的研究成果