| 【中文题名】 | 基于Rough集理论的知识发现及数据仓库的决策支持研究 |
| 【英文题名】 | The Research of Decision Support Based on Rough Set Theory and Data Warehouse |
| 【学科专业】 | 计算机应用技术 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2004-8-31 |
| 【中关键词】 | 决策支持,粗糙集理论,数据仓库,,, |
| 【英关键词】 | Decision Support,Rough Set Theory,Data Warehouse, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>专家系统、知识工程> |
| 【论文摘要】 | 本文首先分析了目前基于数据仓库的决策支持概况。在分别对数据仓库技术、联机分析处理(OLAP)技术及数据挖掘(DM)技术进行详细探讨之后，结合实际系统，构建了销售主题数据仓库，并运用OLAP技术对该实验数据仓库进行决策分析与研究。在此基础上根据实际需求，构建了Rough集决策表，并利用Rough集理论进行属性约简，数据归约等。
由于数据仓库的海量特性，为获得尽可能大的决策支持度，本文提出了一个改进的基于Rough集(粗糙集)理论的决策规则的最大覆盖算法，该算法在最佳数据归约的基础上，通过引入决策矩阵来对目标决策类进行分类。实验证明该算法能有效降低系统计算的复杂度，并得到较满意的决策规则。实验结果亦表明基于粗集理论的挖掘算法较其他传统算法无论在分类精度还是预测准确度上都具有明显的提高。
本文最后给出了一个通用的基于Rough集理论与数据仓库的决策支持系统模型。 |
| 【论文题纲】 |
|
第一章 绪论 |
7-11 |
|
1.1 论文的选题背景及意义 |
7-8 |
|
1.2 国内外研究现状 |
8-9 |
|
1.3 本文的内容和结构安排 |
9-11 |
|
第二章 数据仓库系统的研究和应用 |
11-23 |
|
2.1 数据仓库技术的提出 |
11 |
|
2.2 数据仓库的定义 |
11-12 |
|
2.3 数据仓库的功能 |
12-13 |
|
2.4 数据仓库中的数据组织 |
13-16 |
|
2.5 数据仓库系统 |
16-17 |
|
2.6 数据仓库设计 |
17-20 |
|
2.7 实际系统中的销售数据仓库的体系结构 |
20-21 |
|
2.8 数据仓库目前的发展状况 |
21-22 |
|
2.9 本章小结 |
22-23 |
|
第三章 OLAP的研究及应用 |
23-31 |
|
3.1 基本概念 |
23-25 |
|
3.2 OLAP的多维数据结构 |
25-26 |
|
3.3 OLAP的实现方法 |
26-27 |
|
3.4 多维数据集的构建 |
27-30 |
|
3.5 OLAP的发展方向 |
30 |
|
3.6 本章小结 |
30-31 |
|
第四章 Rough集理论及其在决策支持上的应用研究 |
31-51 |
|
4.1 数据挖掘(DM)与知识发现(KDD) |
31-35 |
|
4.2 Rough集理论的特点 |
35-37 |
|
4.3 基于Rough集理论的知识发现过程 |
37 |
|
4.4 Rough集理论相关知识 |
37-44 |
|
4.5 决策规则的最大覆盖方法 |
44-48 |
|
4.6 改进的决策规则的最大覆盖方法 |
48-50 |
|
4.7 本章小结 |
50-51 |
|
第五章 实验及数据分析 |
51-60 |
|
5.1 决策需求分析 |
51 |
|
5.2 决策表构造 |
51-53 |
|
5.3 决策知识获取 |
53-56 |
|
5.4 实验结果及评价 |
56-57 |
|
5.5 RS方法与其他算法的比较分析 |
57-58 |
|
5.6 基于Rough集理论及数据仓库的决策支持系统模型 |
58-59 |
|
5.7 本章小结 |
59-60 |
|
第六章 总结 |
60-62 |
|
6.1 工作小结 |
60 |
|
6.2 进一步的工作 |
60-62 |
|
参考文献 |
62-64 |
|
致谢 |
64 |
|
| 【DOI】 | LunWen.ID:2.2008.387081 |
