Корпоративные информационные системы. Борисов Д.Н. - 42 стр.

UptoLike

ВУЗ: 

ВГУ | Воронеж

Составители: 

Рубрика: 

• алгоритмы ограниченного перебора, вычисляющие частоты
комбинаций простых логических событий в подгруппах данных.
1.3.3.4. Интеграция OLAP и Data Mining
Оперативная аналитическая обработка (OLAP) и интеллектуальный
анализ данных (Data Mining) – две составные части процесса поддержки
принятия решений. Однако сегодня большинство систем OLAP заостряет
внимание только на обеспечении доступа к многомерным данным, а
большинство средств Data Mining, работающих в сфере закономерностей,
имеют дело с одномерными перспективами данных. Для увеличения
эффективности обработки данных для систем поддержки принятия
решений эти два вида анализа должны быть объединены.
В настоящее время появляется составной термин «OLAP Data Mining»
(многомерный интеллектуальный анализ) для обозначения такого
объединения (рис. 1.23).
Рис. 1.23. Архитектура системы многомерного
интеллектуального анализа данных
Существует три основных способа формирования «OLAP Data
Mining»:
• «Cubing then mining». Возможность выполнения
интеллектуального анализа должна обеспечиваться над любым
результатом запроса к многомерному концептуальному представлению, то
есть над любым фрагментом любой проекции гиперкуба показателей.
• «Mining then cubing». Подобно данным, извлечённым из
хранилища, результаты интеллектуального анализа должны
представляться в гиперкубической форме для последующего
многомерного анализа.
• «Cubing while mining». Этот гибкий способ интеграции позволяет
автоматически активизировать однотипные механизмы интеллектуальной
обработки над результатом каждого шага многомерного анализа (перехода
42
    • алгоритмы ограниченного перебора, вычисляющие           частоты
комбинаций простых логических событий в подгруппах данных.

1.3.3.4. Интеграция OLAP и Data Mining
     Оперативная аналитическая обработка (OLAP) и интеллектуальный
анализ данных (Data Mining) – две составные части процесса поддержки
принятия решений. Однако сегодня большинство систем OLAP заостряет
внимание только на обеспечении доступа к многомерным данным, а
большинство средств Data Mining, работающих в сфере закономерностей,
имеют дело с одномерными перспективами данных. Для увеличения
эффективности обработки данных для систем поддержки принятия
решений эти два вида анализа должны быть объединены.
     В настоящее время появляется составной термин «OLAP Data Mining»
(многомерный интеллектуальный анализ) для обозначения такого
объединения (рис. 1.23).




             Рис. 1.23. Архитектура системы многомерного
                    интеллектуального анализа данных
     Существует три основных способа формирования «OLAP Data
Mining»:
     • «Cubing       then     mining».    Возможность       выполнения
интеллектуального анализа должна обеспечиваться над любым
результатом запроса к многомерному концептуальному представлению, то
есть над любым фрагментом любой проекции гиперкуба показателей.
     • «Mining then cubing». Подобно данным, извлечённым из
хранилища,     результаты      интеллектуального    анализа    должны
представляться    в    гиперкубической    форме    для   последующего
многомерного анализа.
     • «Cubing while mining». Этот гибкий способ интеграции позволяет
автоматически активизировать однотипные механизмы интеллектуальной
обработки над результатом каждого шага многомерного анализа (перехода

                                 42

Страницы