4数据挖掘：概念与技术_第三章_数据仓库和olap技术1.pptVIP

下载本文档

10
0
约1.73万字
约 67页
2018-08-19 发布于湖北
举报
版权申诉

4数据挖掘：概念与技术_第三章_数据仓库和olap技术1.ppt

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

4数据挖掘：概念与技术_第三章_数据仓库和olap技术1

* 数据挖掘：概念与技术 * 联机分析挖掘的体系结构数据仓库元数据 MDDB OLAM 引擎 OLAP 引擎图形用户界面 API 立方体 API 数据库 API 数据清理数据集成第三层 OLAP/OLAM 第2层多维数据库第1层数据存储第4层用户界面层过滤集成过滤数据库挖掘查询挖掘结果 * 数据挖掘：概念与技术 * Chapter 3: Data Warehousing and OLAP Technology: An Overview What is a data warehouse? A multi-dimensional data model Data warehouse architecture Data warehouse implementation From data warehousing to data mining Summary * 数据挖掘：概念与技术 * 总结: 数据仓库和OLAP技术为什么需要数据仓库? 数据仓库的多维数据模型 Star schema, snowflake schema, fact constellations A data cube consists of dimensions measures OLAP 操作: drilling, rolling, slicing, dicing and pivoting 数据仓库结构体系 OLAP 服务器: ROLAP, MOLAP, HOLAP 数据立方体的有效计算 Partial vs. full vs. no materialization Indexing OALP data: Bitmap index and join index OLAP query processing 从 OLAP 到 OLAM (联机分析挖掘) * 数据挖掘：概念与技术 * References (I) S. Agarwal, R. Agrawal, P. M. Deshpande, A. Gupta, J. F. Naughton, R. Ramakrishnan, and S. Sarawagi. On the computation of multidimensional aggregates. VLDB’96 D. Agrawal, A. E. Abbadi, A. Singh, and T. Yurek. Efficient view maintenance in data warehouses. SIGMOD’97 R. Agrawal, A. Gupta, and S. Sarawagi. Modeling multidimensional databases. ICDE’97 S. Chaudhuri and U. Dayal. An overview of data warehousing and OLAP technology. ACM SIGMOD Record, 26:65-74, 1997 E. F. Codd, S. B. Codd, and C. T. Salley. Beyond decision support. Computer World, 27, July 1993. J. Gray, et al. Data cube: A relational aggregation operator generalizing group-by, cross-tab and sub-totals. Data Mining and Knowledge Discovery, 1:29-54, 1997. A. Gupta and I. S. Mumick. Materialized Views: Techniques, Implementations, and Applications. MIT Press, 1999. J. Han. Towards on-line analytical mining in large databases. ACM SIGMOD Record, 27:97-107, 1998. V. Harinarayan, A. Rajaraman, and J. D. Ullman. Implementing data cubes efficiently. SIGMOD’96 * 数据挖掘：概念与技术 * References (II) C. Imhoff, N. Galemmo, and J. G. Geiger. Mastering Data Warehouse Design: Relational and Dimensional Techniques. John