数据挖掘面向对象的数据库系统.pptVIP

2007.3荆楚理工学院●复制工具SQLSERVER2000的复制工具能够分发数据并协调不同的数据库之间的更新操作，尤其是复制工具能够有效地把中央数据仓库中的数据分发到数据集市中。9.1数据仓库2007.3荆楚理工学院一、数据挖掘技术概述数据挖掘是一门综合性的技术，涉及到很多学科---数据库、人工智能和数理统计等等。目前其主要研究内容包括基础理论、发现算法、数据仓库、可视化技术、定性定量互换模型、知识表示方法、发现知识的维护和再利用、半结构化和非结构化数据中的知识发现以及网上数据挖掘等。9.2数据挖掘2007.3荆楚理工学院数据挖掘与数据仓库技术有着密切的关系。见图10.2.19.2数据挖掘2007.3荆楚理工学院数据挖掘库可能是你的数据仓库的一个逻辑上的子集，而不一定非得是物理上单独的数据库。但如果你的数据仓库的计算资源已经很紧张，那你最好还是建立一个单独的数据挖掘库。9.2数据挖掘2007.3荆楚理工学院数据挖掘和OLAP的不同之处：●OLAP是决策支持领域的一部分。OLAP分析过程在本质上是一个演绎推理的过程。但是如果分析的变量达到几十或上百个，那么再用OLAP手动分析验证这些假设将是一件非常困难和痛苦的事情。数据挖掘与OLAP不同的地方是，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。他在本质上是一个归纳的过程。9.2数据挖掘2007.3荆楚理工学院●数据挖掘和OLAP具有一定的互补性。在利用数据挖掘出来的结论采取行动之前，你也许要验证一下如果采取这样的行动会给公司带来什么样的影响，那么OLAP工具能回答你的这些问题。9.2数据挖掘2007.3荆楚理工学院二、数据挖掘（DATAMINING）的定义数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。9.2数据挖掘2007.3荆楚理工学院以上定义包括好几层含义：●数据源必须是真实的、大量的、含噪声的；●发现的是用户感兴趣的知识；●发现的知识要可接受、可理解、可运用；●并不要求发现放之四海皆准的知识，仅支持特定的发现问题。9.2数据挖掘2007.3荆楚理工学院数据挖掘的目标是从数据中找到感兴趣的模式，用这些模式来决定商业策略或发现不正常的情况。数据挖掘工具在海量数据上应用了统计技术来查找这些模式。9.2数据挖掘2007.3荆楚理工学院三、数据挖掘的过程模型及常用技术以TWOCROWS公司的数据挖掘过程模型为例进行讨论。基本数据挖掘步骤包括：定义商业问题、建立数据挖掘模型、分析数据、准备数据、建立模型、评价模型和实施。9.2数据挖掘2007.3荆楚理工学院数据挖掘常用技术包括：①人工神经网络，即仿照生理神经网络结构的非线形预测模型，通过学习进行模式识别。②决策树，它代表着决策集的树形结构。③遗传算法，基于进化理论，并采用遗传结合、遗传变异、以及自然选择等设计方法的优化技术。④近邻算法，将数据集合中每一个记录进行分类的方法。⑤规则推导，从统计意义上对数据中的如果-那么规则进行寻找和推导。9.2数据挖掘2007.3荆楚理工学院四、目前数据挖掘的主要应用●网站的数据挖掘●生物信息或基因的数据挖掘●文本的数据挖掘9.2数据挖掘2007.3荆楚理工学院面向对象的数据库技术可以直接处理一些复杂的对象、描述这些对象的复杂特征，因此，它可以满足当前一些新的数据库应用的需要。这些新的应用中的数据大部分是不能利用关系模型和实体-联系模型来充分加以描绘的。这些应用包括：9.3面向对象的数据库技术2007.3荆楚理工学院●计算机辅助设计（CAD）CAD数据库存储了与一个工程设计相关的数据，包括所设计物品的各个组件、这些组件之间的相互关系等。●计算机辅助软件工程（CASE）CASE数据库存储了用于辅助软件开发者的一些数据。这些数据包括源代码、软件模块间的依赖关系、变量的定义和使用，以及软件系统的开发历史等。9.3面向对象的数据库技术2007.3荆楚理工学院●多媒体数据库多媒体数据库包含图像数据、空间数据、音频数据、视频数据等等。这种类型的数据主要用于存储照片和地理数据，以及语音邮件系统、图形系统和视频点播系统等。●办公自动化系统办公自动化包括基于工作台的文档的生成和检索工具、维护日程安排的工具等。办公自动化数据库必须允许对日程、文档和文档内容进行查询。9.3面向对象的数据库技术2007.3荆楚理工学院●超文本