数据立方梯度是关联规则在数据立方上的推广和一般化,它描述了立方元组因维值的变化所导致的度量变化,能够支持更复杂、更广泛的假设分析。为了克服传统的梯度挖掘算法从基表开始、象生成数据立方一样计算出立方梯度造成的巨大计算代价,提出了数据立方梯度的联机挖掘MCGO算法。由于数据立方中蕴含了所有的立方梯度,并且在联机分析处理中通常会预先计算数据立方以加速查询响应,因此MCGO算法利用联机分析处理查询得到所需的立方元组,再通过维值匹配和梯度约束判断生成立方梯度,这样不但节省了计算代价,也避免了同时保存立方元组和立方梯度的冗余。将梯度挖掘与联机分析处理集成,也符合用户在浏览数据立方时产生的挖掘兴趣。数据立方的巨大尺寸有可能使得保存和维护一个经过完全计算的数据立方变得不切实际,而浓缩数据立方则可以大大节省存储空间,并且可以在其上构建CuboidTree索引,提高查询效率。在此基础上提出了基于浓缩数据立方的梯度联机挖掘MCGOBC算法。注意到浓缩数据立方的本质是将那些由相同基表元组集合聚集得到的立方元组浓缩到一条基本单元组,并且在CuboidTree索引中具有相同单值维集的基本单元组被组织在一起构成虚小方,MCGOBC算法采取了虚小方查询修剪和基本单元组定向扩展的优化策略,保证了每个虚数据小方都只被查询一次,基本单元组也仅在泛化、具体化和突变方向上进行扩展,从而有利于减少查询开销,提高算法性能。在研究了联机分析处理与数据挖掘集成的联机分析挖掘系统基础上,设计了基于达梦联机分析处理服务器的数据立方梯度联机挖掘工具DM_MCGOBC。