基于数据仓库的高校科研管理与决策分析系统研究

论文摘要

“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。

论文目录

• 摘要
• Abstract
• 1 引言
• 1.1 课题研究背景
• 1.2 相关技术的国内外发展现状
• 1.2.1 数据仓库（DW）的现状
• 1.2.2 联机分析处理（OLAP）技术的现状
• 1.2.3 数据挖掘（DM）的现状
• 1.3 课题的主要内容
• 2 科研管理与决策分析系统的总体设计
• 2.1 系统需求
• 2.2 功能模块
• 2.3 体系结构
• 2.4 系统运行环境
• 3 科研事务管理系统的设计与开发
• 3.1 系统功能模块的设计
• 3.2 数据库设计
• 3.2.1 概念设计
• 3.2.2 逻辑设计
• 3.2.3 物理设计
• 3.3 科研事务管理系统开发
• 4 科研管理与决策分析系统中数据仓库的设计与构建
• 4.1 数据仓库
• 4.1.1 数据仓库的特点
• 4.1.2 数据仓库与传统数据库的区别与联系
• 4.1.3 数据仓库的数据组织
• 4.2 科研决策系统中数据仓库的设计
• 4.2.1 数据仓库模型设计
• 4.2.2 数据仓库的数据获取与集成
• 5 OLAP在科研管理与决策分析系统中的应用
• 5.1 OLAP
• 5.1.1 OLAP的基本核心
• 5.1.2 OLAP的多维分析操作
• 5.1.3 OLAP的分类
• 5.2 多维表达式（MDX）
• 5.2.1 MDX的语法结构
• 5.2.2 MDX的查询过程
• 5.3 构建多维数据集
• 5.4 多维数据集的数据浏览
• 5.4.1 多维数据的浏览方式
• 5.4.2 OLAP的结果展示
• 6 数据挖掘在科研管理与决策分析系统中的应用
• 6.1 数据挖掘
• 6.2 关联规则
• 6.2.1 基本定义
• 6.2.2 关联规则的分类
• 6.2.3 Apriori算法
• 6.2.4 关联规则的生成
• 6.2.5 Apriori算法的几种优化
• 6.3 Apriori算法在科研决策系统中的应用
• 6.3.1 数据预处理
• 6.3.2 关联挖掘
• 总结与展望
• 致谢
• 参考文献
• 攻读硕士期间发表的学位论文