基于数据仓库技术的决策支持系统的设计与实现.pdf

《基于数据仓库技术的决策支持系统的设计与实现.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、目录第一章引言……………………………………………………………………..11.1问题的提出…………………………………………………………..…11.2国内外发展现状……………………………………………………….21.3主要工作及成果……………………………………………………….3第二章数据仓库技术………..…………………………………………………42.1基本概念………………………………………………………………..42.2数据仓库简介…………………………………………………………...42.3数据仓库的关键技术…………………………………………………..52．3.1数据的抽取

2、…………………………………………………..…52．3．2存取和管理…………………………………………………….52．3．3数据的表现……………………………………………………..72.4数据仓库和数据库的区别……………………………………………..72.5数据仓库多维模型设计………………………………………………..72．5.1多维模型的设计原则………………………………………..…72．5．2多维模型的设计方法………………………………………..…82.6数据仓库成功案例…………………………………………………..10第三章联机分析处理与数据挖掘…………………………………

3、…………123.1联机分析处理…………………………………………………………123．1．1OLAP的概念及特征……………………………………..……123．1．2OLAP的结构………………………………………………..…133.2数据挖掘……………………………………………………………..133．2．1数据挖掘的概念…………………………………………..…143．2．2数据挖掘技术的工业标准………………………………..…153．2．3数据挖掘的处理过程……………………………………..…153．2．4数据挖掘的典型模式……………………………………..…163.3OLAP与

4、DM的区别……………………………………………………17第四章决策支持系统及其实现……………………………………………….194.1系统概述……………………………………………………………….194.2模块描述………………………………………………………………204.2.1客户信用度管理………………………………………………214.2.2防欺诈策略管理……………………………………………….224.2.3客户行为与潜在客户分析与管理……………………………..224.2.4趋势分析………………………………………………………..234.3信用度及行为分析处理数据流图……………

5、……………………...2314.3．1客户信用度分析………………………………………………..234.3．2客户行为分析…………………………………………………..274.3．3基于类别的潜在客户挖掘……………………………………..28第五章算法设计………………………………………………………………305.1概述……………………………………………………………………305.2多重系统聚类算法…………………………………………………..305．2．1预备知识…………………………………………………..…305．2．2基本概念…………………………………………………..…305

6、．2．3系统聚类…………………………………………………..…315．2．4多重系统聚类……………………………………………..…325.3有监督分类算法—C5……………………………………………..345．3．1算法概述…………………………………………………..…345．3．2C5算法……………………………………………………..…395.4C5算法的若干改进………………………………………………..435．4．1自适应匹配………………………………………………..…435．4．2交叉验证…………………………………………………..…445．4．3其他方法……………………

7、……………………………..…45第六章结论…………………………………………………………..………..46参考文献………………………………………………………………….…….48致谢论文摘要Abstract2第一章引言1．1问题的提出我国的电信业，尤其是移动通信业，起步比较晚，但发展非常快，对许多业务的决策和方向的把握都是在摸索中进行的，某些立项缺乏统一意见和充足的科学依据，带有一定程度的盲目性。另一方面，经过多年运营，积累了庞大的业务数据，如计费中心的计费数据、客服中心的用户信息数据等，这些海量数据中包含着宝贵的经验和商业信息，可以很好地拿来借鉴今后的业务运作。

8、但是这些数据信息隐藏在庞大、复杂的数据