数据仓库查询技术在股票数据分析中的应用研究.pdfVIP

4.5 小结33 34 34 第五章 结束语3344 35 35 致谢3355 36 36 参考文献3366 39 39 附录3399 摘要 摘要 随着数据库学科的迅猛发展，数据仓库技术已日趋成熟，它也被广泛地应用 到各行各业中，特别对于证券行业的股票市场，它包含了海量的股票交易历史数 据，更需要运用数据仓库技术对数据进行有效的管理。 毋庸置疑，数据仓库除了有效地管理和维护数据以外，还需要支持即席的、 复杂的查询，而这些查询需要访问大量的记录，进行复杂的多表连接与聚集操作， 在最坏情况下，用户在忍受查询响应时间过长的同时，还要容忍查询有效性的低 下，这在决策支持应用中是不能接受的，因此，如何提高海量数据上的查询效率 已成为一个热点问题，对数据仓库查询技术方面的研究也就具有重大的意义。 本文深入研究了数据仓库查询技术，并提出了一种适用于股票数据分析的查 询方法，即通过增加一个查询预处理层来提高查询效率。该查询预处理层主要用 来对股票交易数据属性进行排序，使其与基于星型模型的多表连接算法 M-Join 和聚集算法MuSA相结合，以此提高查询的有效性。在股票交易数据属性排序 CA 算法中，我们使用模糊聚类算法 算法对数值型数据进行离散化，得到若干个 优化的类，然后用关联规则挖掘出有意义的规则，最后根据其置信度对属性进行 排序。实验结果表明，该方法在股票数据分析中有较好的效果，它不仅能够提高 查询的有效性，而且提高了预测的准确度，为后续人员的分析带来了方便，具有 较好的应用前景。 关键词：数据仓库，数据仓库查询技术，股票数据分析，多表连接，模糊聚类， 关联规则； I 摘要 Abstract Taken the advantage of the rapid growing in database science, the data warehouse technology is largely developed and is widely used in all the fields. One of the most typical areas is the stoke market in the securities industry, which includes ginormous amount of stock exchange histories and, as a result, needs very advanced techniques inefficient