第10章数据库基础教程(SQL Server平台)[顾韵华][电子教案].ppt

信息处理：支持查询和基本的统计分析，并使用图表、图或表等多种形式进行报告。数据仓库信息处理的当前趋势是构造低代价的基于Web的访问工具，并与Web浏览器集成。 分析处理：支持基本的联机分析处理（OLAP）操作。与信息处理相比，联机分析处理的主要优势是，支持数据仓库的多维数据分析。 数据挖掘：支持知识发现，包括找出隐藏在数据仓库中的模式和关联，构造分析模型，进行分类和预测，并使用可视化工具提供挖掘结果。? 4. 数据仓库的应用 5. 数据仓库的构建 （1）收集和分析业务需求。 （2）建立数据模型和数据仓库的物理设计。 （3）定义数据源。 （4）选择数据仓库技术和平台。 （5）从操作型数据库中抽取、净化和转换数据到数据仓库。 （6）选择访问和报表工具。 （7）选择数据库连接软件。 （8）选择数据分析和数据展示软件。 （9）更新数据仓库。 10.2.2 数据挖掘 在20世纪80年代，随着计算机技术和通信技术的迅速发展，大型数据库系统得到了广泛应用，企业积累的数据量急剧增加。 然而，现有数据库系统主要进行的是事务性的处理，不能发现数据内部隐藏的规律或规则。 因此，人们亟需一种能从海量数据中发现潜在知识的工具，以解决数据爆炸与知识贫乏的矛盾。数据挖掘（Data Mining，DM）技术就是在这样的背景下产生的。 1. 数据挖掘的概念 数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取潜在的、有价值的模式和数据间关系（或知识）的过程。 2. 数据挖掘的数据对象 原则上，数据挖掘可以在任何类型的信息载体上进行。 数据对象可以是结构化的数据源，包括关系数据库、数据仓库及各类专业数据库；也可以是半结构化的数据源，如文本数据、多媒体数据库和Web数据。 3. 数据挖掘发现的知识模式 分类模式 聚类模式 时间序列模式 回归模式 关联模式 序列模式 4. 数据挖掘的主要技术 （1）统计分析方法 （2）决策树方法 （3）人工神经网络 （4）遗传算法 （5）模糊技术 （6）粗糙集（Rough Set）方法 （7）可视化技术 5. 数据挖掘的应用 （1）金融行业 （2）医疗保健 （3）市场零售行业 （4）制造业 （5）科学研究领域 * 电子工业出版社（《数据库基础教程（SQL Server平台）》配套电子教案） * * 第十章 数据库新进展 10.1 数据库技术的研究与发展 10.2 数据仓库与数据挖掘 10.3 XML数据管理 — 领域知识拓展 10.1 数据库技术的研究与发展 从20世纪80年代起，数据库技术在商业领域取得了巨大的成功，刺激了其他领域对数据库技术需求的迅速增长。 一方面，新的数据库应用领域，如工程数据库、时态数据库、统计数据库、科学数据库、空间数据库等，为数据库应用开辟了新天地。 另一方面，计算机技术的发展也不断地与数据库技术相结合，新的数据库系统不断诞生，如分布式数据库、多媒体数据库、模糊数据库、并行数据库等。 10.1.1 数据库技术的发展 （1）20世纪60年代后期，人们主要利用文件系统来生成各种报告。大量的文件使得维护和开发的复杂性提高，数据同步困难，对数据库技术的研究要求迫切。在科研人员的努力下推出了第一代数据库系统，即层次数据库和网状数据库。 （2）20世纪70年代，关系数据库之父E. F. Codd提出了关系数据模型。此后，关系数据库技术日趋成熟，并开始商业应用。70年代后期，高性能的联机事务处理（On-Line Transaction Processing，OLTP）开始应用。 数据库技术的发展 （3）20世纪80年代，随着数据库技术的成熟，联机事务处理OLTP、管理信息系统（Management Information System，MIS）和决策支持系统（Decision Support System，DSS）不断发展，对数据集成和数据分析要求越来越高，逐步提出了“数据仓库”（Data Warehouse）思想。代表是IBM的“Information Warehouse”。 （4）20世纪90年代，数据库应用领域不断拓展，新概念和新技术不断涌现，有面向对象数据库、分布式数据库、并行数据库、主动数据库、知识库、模糊数据库、工程数据库等。数据仓库成为研究热点，有力地推动了相关研究的进展，如联机分析处理（On-Line Analytical Processing，OLAP）、数据挖掘（Data Mining，DM）和联机分析挖掘（On-Line Analytical Mining，OLAM）。 数据库技术的发展 （5）进入21世纪后，数据仓库与数据挖掘研究领域发展迅速。数据类型日益复杂，日益进步的硬件和网络环境，特别是Inter