数据仓库与数据挖掘概述(学时2)

《数据仓库与数据挖掘概述(学时2)》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、数据仓库与数据挖掘（DATAWAREHOUSINGANDDATAMINING）石家庄铁道大学课程介绍21世纪是一个以计算机技术和知识经济为核心的信息化时代。随着计算机技术、网络技术的飞速发展和数据库应用的不断深化，数据仓库（DataWarehousing）和数据挖掘（DataMining）技术及其应用已成为计算机科学技术领域的热点之一。--课程介绍数据库技术及其应用的发展：从关系模型发展到面向对象模型从单机应用发展到分布式应用从局域网数据库应用发展到Web数据库应用从联机事务处理（OLTP：On-LineTransact

2、ionProcess）发展到联机分析处理（OLAP：On-LineAnalysisProcess）从数据库发展到数据仓库从数据的统计分析发展到数据挖掘--课程介绍(Cont.)目前，计算机科学技术界的许多专家、学者都在大力研究数据仓库的构筑技术和基于各种模型的数据挖掘算法，并取得了可喜的成果。国内外一些著名计算机企业也纷纷提出了数据仓库实施战略，推出了一些OLAP和数据挖掘工具。高等院校的研究生需要掌握这方面的新知识、新技术，掌握数据仓库与数据挖掘领域的基本理论、基本原理和实现技术，适应计算机科学技术新的发展趋势。--课

3、程介绍(Cont.)本课程在数据仓库部分全面深入地介绍数据仓库的基本概念和体系结构，详细阐述数据仓库的实现技术；在数据挖掘部分介绍数据挖掘的各类算法（包括关联规则挖掘算法、分类规则挖掘算法、聚类分析算法、WEB数据挖掘等）。--学时及成绩评定学时：32=20+12教学形式：讲解、报告、实验等考核方式：C方式C：平时（30%）+课程论文（70%）平时：出勤、课堂表现、作业、报告等课程论文：专题论文、实验报告等--参考资料1.王丽珍，周丽华等.数据仓库与数据挖掘原理及应用.北京：科学出版社，20052.安淑芝等.数据仓库与数

4、据挖掘.北京：清华大学出版社，20053.陈京民.数据仓库与数据挖掘技术.北京：电子工业出版社，20024.DataMiningConceptsandTechniques.(影印版).北京：高等教育出版社，20015.有关参考资料和文献、学术刊物上有关论文--主要内容数据仓库与数据挖掘概述数据仓库的数据模型与数据组织数据仓库的开发方法及开发过程数据集市及开发OLAP概述、MOLAP与ROLAP数据挖掘技术与算法数据挖掘工具及其应用--第1章数据仓库与数据挖掘概述本章要点数据仓库的发展数据仓库的基本概念数据挖掘的发展数据挖

5、掘的基本概念数据仓库与数据挖掘的集成--1.引言在最近的几十年当中，有关数据库新技术的研究有三件事情值得我们加以关注：面向对象数据库：80年代末—数据仓库：90年代初—对象--关系数据库：90年代中—--数据库方式数据仓库方式80年代以后90年代以后以支持日常业务处理过程为目的（OLTP）以支持经营管理过程中的决策制定为目的（DSS）进入90年代以后，数据库系统的应用从传统的事务处理应用扩展到辅助决策等新的集成应用领域。--面向对象数据库数据仓库对象--关系数据库为传统的RDB开拓了新的应用途径：联机分析处理（OLAP）

6、数据挖掘（DM）--2.从数据库到数据仓库基于数据库技术的数据处理操作可以分为两大类：操作型处理分析型处理--操作型处理分析型处理也叫事务处理，是指对数据库的日常联机访问操作，所以也叫联机事务处理(OLTP:On-LineTransactionProcess)。其访问特点是：通常仅仅是对一个或一组记录的查询或修改执行频率高人们关心的是处理的响应时间、数据的安全性和完整性等指标。--操作型处理分析型处理也叫联机分析处理(OLAP:On-LineAnalysesProcess).用于企业管理人员的决策分析，为制订企业的未来经

7、营管理计划提供辅助决策信息，如决策支持系统(DSS--DecisionSupportSystem)。其访问特点是：需要执行大量的统计操作需要访问大量的历史数据执行频率和对响应时间的要求都不高。--展示模型库数据库方法库图1传统的DSS决策模型决策支持系统是70年代兴起的一种计算机应用技术，用于帮助企业领导作辅助性决策。传统的DSS系统由三个组成部分：数据、算法与模型、展示。其结构模型如图1所示：--在传统的以数据库为核心的事务处理环境中不适宜建立DSS等分析型应用的原因主要有以下五条：事务处理：用户每次操作处理的时间短，

8、存取数据量小，但操作频率高，并发程度大。分析处理：每次分析可能需要连续运行很长的时间，存取数据量大，但很少做这样的分析处理，也没有并发执行的要求。（1）事务处理和分析处理的性能特性不同--分析处理：DSS需要集成的数据，包括整个企业内部各部门的相关数据，还需要企业外部、竞争对手等处的相关数据。全面而正确的数据是有效的