200810165132涂兆文new

1、学号： 200810165132 成绩：_武汉科技大学城市学院课程论文院 系 信息工程学部 专 业 信息系统与信息管理 年级 班 08级 （1）班 课程名称 数据仓库与数据挖掘 论文题目 维度建模技术研究及其在高校教育数据仓库中的应用姓 名 涂兆文 指导教师 杨 艳 霞 2011年 11月20日课程论文评分表学号： 200810165132 姓名： 涂兆文 评分标准：1、字数要求：3000字以上。2、评分标准：100分主要分为：论文结构50分；语言组织20分；创新10分；使用价值20分。（1）论文结构：50分A论文层次分明，内容组织有序：4050分；B论文层次一般，内容组织一般：3039分；C

2、论文层次不合理，内容组织不合理：30分以下。（2）语言组织：20分A语言简练，通顺。1620分；B语言一般，基本通顺。1215分；C语言不通顺，有错字。11分以下。（3）创新：10分A论文具有前瞻性，有较多的创新见解：810分；B论文具有前瞻性，有少数的创新见解：47分；C论文没有前瞻性，无创新：03分。（4）使用价值：20分A论文有较高的使用价值，能够解决实际问题；1620分；B论文使用价值一般，有一定的参考价值；815分；C论文没有使用价值：07分。教师评分：1. 论文结构： 得分_2. 语言组织： 得分_3. 创新： 得分_4. 使用价值： 得分_ 总分：_维度建模技术研究及其在高校教育

3、数据仓库中的应用摘要 数据仓库技术在为企业科学地提高决策支持水平，提高企业信息质量和企业的应变能力等方面具有重要的意义。在竞争日益激烈的现代化教育管理体系中，引入数据仓库技术可以辅助高校管理者进行决策分析，提高学校的竞争力。从数据集市开始，由小而大，由易至难，逐步扩充与完善，最终建成一个企业级的数据仓库，这是当前我国教育数据仓库建设的可行策略。关键词 高校教育管理，数据仓库，维度建模，OLAP，招生管理1维度建模技术研究及其在高校教育数据仓库总体框架1.1面向“招生”主题数据仓库是面向主题的，在证券投资分析系统中，我们主要针对“招生”这一主题进行一些分析。主题中包含的信息一般来说比较全面，而原

4、有的数据库中的个股信息只侧重于某些方面，因此，有必要把关于个股的各种信息综合在“个股”这一主题中，其中包括：招生年度;成绩;基本情况;专业计划.12 高校教育数据仓库系统的框架结构图l-1给出了基于数据仓库的投资分析系统的体系结构，该系统基于数据仓库、知识库、模型库和方法库“四库”之上，主要利用联机分析处理和数据挖掘技术对个股特征和发展趋势进行分析。数据仓库对内、外部数据源中的事务级数据进行提取、转换，重新组成面向全局的数据视图，为高校招生决策分析提供数据存储和组织的基础。数据挖掘以数据仓库中的大量数据为基础，利用特定的算法完成特定的挖掘任务，用于发现隐藏在数据库中的知识，并以这些知识模式为基

5、础自动做出预测。数据挖掘中发现的新知识可以直接用于指导联机分析(OLAP)的分析处理，而数据挖掘和联机分析处理得出的新知识也可以立即补充到系统的知识库中。2 数据提取、转换和加载数据提取、转换和加载是数据仓库构建过程中比较复杂的一个环节，该过程主要完成如下工作：数据提取 是指从源数据中提取出所需要的数据，并去除不同源数据中数据的不一致性；数据转换 是指将提取出来的数据转换为所需的结构和数据类型；数据加载 把转换了的数据加载到数据仓库中。数据提取的具体实现，主要考虑数据源的不同而采取不同的方式。根据数据源的不同，一般可分成相同数据库数据源、不同数据库数据源、非数据库数据源的数据提取。交互界面 分

6、析结果数据可视化OLAP知识库数据挖掘数据仓库方法库模型库提取、转换、加载元数据内部数据源本地外部数据源远程外部数据源图1-1 基于数据仓库的证券投资分析系统 由于本系统的数据源是高等院校历年的招生数据，数据来源单一，数据量不大，以年度为单位进行数据刷新，属于小型数据仓库范畴，主要是为招生决策提供多维分析、决策支持的，所以本系统的预期用户是院校的招生管理机构。针对本系统采用微软SOL Server 2000及其相关工具作为系统开发平台和工具。3 数据挖掘经过以上过程，我们可以看出加载后的数据仓库不仅包含高校招生的大量反映其招生状况和招生前景的信息，同时也包含高校招生数据。在此基础上，利用数据挖

7、掘技术，可使投资者从中提炼出各种有用的信息为招生决策服务，增加预期的可靠性和确定性，从而提高高校自身的招生人数的过程。具体来讲，数据挖掘所要处理的问题，就是从庞大的数据库中寻找出有价值的隐藏事件，加以分析，并将这些有意义的信息归纳成结构模式，作为高校招生决策之参考依据。此外，数据挖掘所着重的是数据库的再分析，包括模式的建构或是资料样式的决定，其主要内容就是要从数据库中发现先前关心却未曾知悉的有价值信息。通过横向招生指标完成度可以有效反映高校招生情况，确立反映高校招生指标的完善性。通过数据分析,增加未来招生预期性及专业分配人数额。利用历史招生人数比分析方法，分析各年度各专业专业开班分配性的合理性

8、，从而进行分析，预期来年的情况。从历史招生情况，分析学生对专业的向往性及专业的热门性。利用关联规则分析方法对高校招生关联进行考查，确定各高校之间的招生情况关联特性，从而确定有效的招生方案。4 小结目前数据仓库在国内应用还不是很广泛，主要原因在于国内企业数据库的数据积累还不够，达不到实施的规模。而高校成立以来，积累了相当大量招生的数据，为数据仓库的建立提供了条件。另一方面，如果能利用数据仓库技术从庞杂的数据中提炼、发现潜在的、有用的信息，则可以为高校招生及专业开办决策提供支持，从而代替人为的分析处理。基于数据仓库的投资分析系统正是从这一目的出发，集成了数据仓库、联机分析、数据挖掘等多种信息处理技术，并提供了一种有效、可行的体系化解决方案。参考文献1 Giovinazzo W A著，潇湘工作室译面向对象数据仓库技术M北京：人民邮电出版社，200012：全书2 袁长河，吴永明基于数据仓库的决策支持系统研究与建设j计算机工程与应用，2001(16)：10l1033 连立贵，金凤，蔡家楣数据仓库中的数据提取_J计算机工程，2001(9)：6162，994 陈秋双，刘东红，李红星基于