面向商业智能的并行数据挖掘技术及应用研究

摘要

随着企业信息化进程的不断推进,很多企业已经积累了大量的业务数据,但这些业务数据的商业价值并没有得到充分的挖掘和利用.随着市场竞争的不断加剧,企业需要商业智能指导业务行为并进行辅助决策,以便在激烈的市场竞争中赢得主动和更多的商机.作为企业实现商业智能核心技术的数据挖掘技术虽然为企业实现商业智能提供了可能和技术保证,但是面对企业复杂的数据分析问题,现有数据挖掘技术显然不能很好适应并较好地解决所有这些问题.除了需要研究更好的数据挖掘技术和理论以外,如何提高数据挖掘的效率已经成为学术界研究的焦点.本论文以商业智能应用为背景,以提高数据挖掘的效率作为研究目标,将并行处理技术与数据挖掘技术紧密结合在一起,从并行数据挖掘体系结构、数据挖掘结果模式的表达和存储、并行神经网络BP算法以及其商业应用等四个方面,为实现商业企业的商业智能提供了一整套解决方案.因此本论文的研究工作具有较高的学术意义和实用价值.

目录

文摘

英文文摘

1绪论

1.1论文研究背景及选题意义

1.2国内外研究现状

1.2.1数据挖掘体系结构研究现状

1.2.2神经网络挖掘技术现状

1.3论文研究的主要内容

1.4论文组织结构

2商业智能与数据挖掘

2.1商业智能

2.1.1概念与定义

2.1.2核心技术

2.1.3应用领域与前景

2.1.4商业智能的体系结构

2.1.5商业数据挖掘过程

2.2商业智能中采用的主要数据挖掘技术

2.2.1关联规则

2.2.2分类

2.2.3聚类

2.2.4人工神经网络

2.2.5决策树

2.3小结

3并行数据挖掘技术基础

3.1并行计算抽象模型

3.1.1 PRAM模型

3.1.2 BSP模型

3.1.3阶段模型

3.2并行计算复杂性理论

3.3并行算法性能评价指标

3.4并行编程方法与模型

3.5并行算法设计需要解决的主要问题

3.5.1并行策略

3.5.2负载平衡

3.6并行程序设计环境

3.6.1 PVM(Parallel Virtual Machine)

3.6.2 MPI(Message PassingInterface)

3.6.3 PVM与MPI的比较

3.7小结

4一种并行数据挖掘体系结构

4.1数据挖掘体系结构分析

4.1.1已有的典型数据挖掘系统及结构

4.1.2现有数据挖掘系统结构框架

4.1.3现有数据挖掘系统的不足

4.2采用数据挖掘结果存储的数据挖掘体系结构

4.2.1对现有数据挖掘系统结构的改进思路

4.2.2数据挖掘结果的存储和再利用

4.3采用并行处理技术提高数据挖掘效率

4.3.1对称多处理机系统SMP

4.3.2大规模并行处理机系统MPP

4.3.3分布式共享存储器系统DSM

4.3.4工作站机群COW

4.3.5 COW的性能特点

4.3.6 COW性能的实验分析

4.4一种面向商业智能应用的并行数据挖掘体系结构

4.4.1并行数据挖掘体系结构框架

4.4.2并行数据挖掘体系结构的特点

4.5小结

5数据挖掘模式存储方法研究

5.1现有数据挖掘系统中结果模式的存储方法

5.1.1关联规则存储

5.1.2分类规则存储

5.1.3序列模式存储

5.2三种结果模式的关系代数描述方法

5.2.1关联规则的关系代数描述

5.2.2分类规则的关系代数描述

5.2.3序列模式的关系代数描述

5.3三种数据挖掘结果模式的统一存储方法

5.4结构化模式查询语言SPQL

5.5小结

6并行神经网络算法设计及应用

6.1神经网络的常用模型

6.2串行神经网络BP算法

6.2.1 BP算法的思想

6.2.2 BP算法描述

6.2.3 BP算法的局限性

6.2.4 BP算法的改进方法

6.3并行神经网络BP算法设计

6.3.1并行策略

6.3.2 BP算法改进策略

6.3.3二次并行BP算法

6.4 TP-BP算法实验与性能分析

6.4.1实验描述

6.4.2实验结果分析

6.5药品销售趋势预测模型与实现

6.5.1 BP网络预测模型

6.5.2销售预测系统实现

6.6 小结

7总结

7.1论文工作总结

7.2今后的研究方向

致 谢

参考文献

附 录

独创性声明和学位论文版权使用授权书