基于数据仓库、OLAP和数据挖掘的智能决策支持系统研究.docVIP

基于数据仓库、OLAP和数据挖掘的智能决策支持系统研究 摘要：介绍了数据仓库、OLAP和数据挖掘技术，阐述了传统决策支持系统与数据仓库、OLAP和数据挖掘技术相结合的新型智能决策支持系统的体系框架。 关键词：数据仓库；OLAP；数据挖掘；智能决策支持系统 1、引言 决策支持系统是从管理信息系统演变而来，把信息的内在规律挖掘出来为决策服务。众所周知，决策支持系统从传统的“三库”（数据库、模型库、知识库）结构、“四库”（数据库、模型库、方法库、知识库）结构、发展到“五库”（文本库、数据库、模型库、方法库、知识库）结构，直到现在，人们把数据仓库、OLAP技术引进到决策支持系统中，可以说，决策支持系统正一步步走向完善。而OLAP和数据挖掘是密不可分的，我们把数据仓库、OLAP和数据挖掘与传统的模型库、知识库、方法库结合起来形成综合的智能决策支持系统。 2、数据仓库 数据仓库是在管理人员决策中的面向主题的、集成的、非易失的并且随时间变化而变化的数据集合。传统的数据库包含的数据信息一般都是事务型数据，支持操作；而数据仓库的数据属于分析型数据，主要支持决策分析。数据仓库中的数据有的是来源于组织中的操作数据，也有一些可能是来源于组织外部。 3、OLAP技术 OLAP（联机分析处理）是针对特定问题的联机数据访问和分析。通过对信息（维数据）的多种可能的观察形式进行快速、稳定一致和交互性的存取，允许管理决策人员对数据进行深入观察。OLAP的多维数据分析方法主要有slice（切片）、dice（切块）、turning/pivot（旋转/转轴、drill（钻取）。 4、数据挖掘 数据挖掘的任务是从大量数据中发现有用的数据，提取隐含在其中的、人们事先不知道的但又可能有用的信息和知识。挖掘的结果需要进行评价才能最终成为有用的信息，按照评价结果的不同，数据可能需要反馈到不同的阶段，重新进行分析计算。数据挖掘的基本算法包括分类规则挖掘、预测分析与趋势分析规则、关联算法、聚类算法、统计分析算法、品种优化算法、进化算法等。 5、OLAP与数据挖掘的关系 数据挖掘与0LAP不同的是，数据挖掘不是用于验证某个假定的模式（模型）的正确性，而是在数据库中自己寻找模型，没有目标性。这两种技术可以在一定程度上融合，更好地为决策分析服务。 6、基于数据仓库、OLAP和数据挖掘的决策支持系统 数据仓库和OLAP技术的发展为决策支持系统注入了新的活力，而OLAP-q数据挖掘的有机融合更是决策支持系统的一个很好的方法。如图1所示，该结构是传统的DSS结构与数据仓库、OLAP和数据挖掘有机的结合起来，尤其是OLAP与数据挖掘相辅相成，形成新的决策支持技术，此结构将会更好地为DSS服务，辅助决策人员作出决策判断。 6.1 人机交互接口 该部分提供了一个用户与机器交互的一个平台。首先，该部分可以方便用户输入信息，该信息可以是自然语言；其次，系统返回的结果通过该部分清晰地呈现给用户，可以以多种用户理解的形式显示，例如，图表、图片，报表等形式；最后，该部分提供用户中途退出该系统的功能，并能够对问题进行添加、删除、修改等操作。 6.2 问题处理系统 该部分主要是理解用户的自然语言，并将自然语言或其他语言转化为计算机识别的序列，并按照一定的推理策略处理问题。 6.3 数据仓库管理子系统 数据仓库源数据来源于数据库，这些数据并不是最新的，专有的，而是面向主题的、集成的、不同时间的数据集合。OLAP技术主要基于数据仓库执行。 数据仓库管理系统主要负责对数据仓库的更新、添加、删除的相关的操作。 6.4 方法库管理子系统 方法库包括各种数值方法和非数值方法，比如预测方法（时序分析法、结构性分析法、回归预测法等）、统计分析法（回归分析、主成本分析法等）、优化方法（线性规划法、非线性规划法、动态规划法、网络计划法等）及数学方法等。 方法库管理系统负责对方法进行删除、添加等操作，也可以根据数据挖掘的结果自动生成新方法。 6.5 模型库管理子系统 模型库是提供模型存储和表示模式的计算机系统。模型库是DSS的共享资源，它有一些具有支持不同层次的决策活动的基本模型，其中有一些为支持频繁操作的单一模型，还有一些用于生成新模型的基本模块和基本元素。包括预制的标准模型和为解决某种问题特制的模型，还有在进行数据挖掘过程中自动生成的模型。 模型库管理系统主要负责对模型库中的模型进行添加、删除、修改等操作。 6.6 知识库管理子系统 知识库中包含专家长期积累起来的经验性知识和数据挖掘过程中得到的知识，并结合一些事实规则及运用人工智能等有关原理，通过建立推理机制来实现知识的表达与运用。 知识库管理系统负责对知识添加、删除、修改等操作。 6.7 OLAP、数据挖掘模块 在进行决策的过程当中，运用OLAP技术进行在线分析，通过建立多维数