【基於数据仓库技术的决策支持系统的设计与实现】魏名元.pdf

基于数据仓库技术的决策支持系统的设计与实现提要本文较为系统地介绍了决策支持系统(DSS)的发展过程、组成部分,并对DSS系统所涉及到的相关技术如数据仓库、数据挖掘等做了详细论述,在此基础之上,设计并实现了一个具体的决策支持在阐述了决策支持系统的各个组成部分之后,本文应用决策树、规则归纳、C5等算法,实现了一个DSS系统,提出并完成了一个改进的聚类算法。传统系统聚类算法仅限于样本聚类,在聚类指标过多并且指标之间存在依赖关系的情况下正确度不高,而笔者提出的多重聚类在一定程度上解决了这一问题。它将样本聚类与变量聚类结合起来,在被考察样本的指标个数较多时有着较高的准确性。

日录 1.客户信用度分析 4客户行为分析 4基于类别的潜在客户挖掘 5多重系统聚类算法顶备知识 5基本概念 5系统聚类多重系统聚类 5有监督分类算法-C5 5算法概述(5算法 5C5算法的若干改进 5白适应匹配 5交义验证 5其他方法第五章算法设计 5.

日前,各大数据库厂商均在数据仓库项目上提出了风格各异、内容相似的数据仓库全面解决方案,比较知i名的有Oracle、Sybase、Informix、IBM、NCR、Sybase拥有一个独特而强有力的点对点方案,用来设计、建立和管理数据仓库和数据集市。各个部门之间通过集中的元数据进行交互,其有完整性、集中性和灵活性等特点。使用的工具也具有很多优越性能,如PowerDesigner WarehouseArchitect、PowerStage、AdaptiveServerIQ、PowerDimensions Sybase的解决方案及其组成具有以下特点:快速实现、数据集市与中心仓库的 Oracl