论文部分内容阅读
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。