52.txt

This complete matlab for neural network

发信人: ashun (阿顺), 信区: DataMining
标  题: 数据仓库概述
发信站: 南京大学小百合站 (Sat Aug 25 14:31:00 2001)

                           数据仓库概述
             2000-09-05 00:00:00· · ··数据仓库之路
                                
 
　　 随着计算机技术的飞速发展和企业界不断提出新的需求，数据仓库技术应运而生。传
统的数据库技术是单一的数据资源，即数据库为中心，进行从事事务处理、批处理到决策
分析等各种类型的数据处理工作。近年来，随着计算机应用，,网络计算，开始向两个不同
的方向拓展，一是广度计算，一是深度计算，广度计算的含义是把计算机的应用范围尽量
扩大，同时实现广泛的数据交流，互联网就是广度计算的特征，另一方面就是人们对以往
计算机的简单数据操作，提出了更高的要求，希望计算机能够更多的参与数据分析与决策
的制定等领域。特别是数据库处理可以大致地划分为两大类：操作型处理和分析型处理（
或信息型处理）。这种分离，划清了数据处理的分析型环境与操作型环境之间的界限，从
而由原来的以单一数据库为中心的数据环境发展为一种新环境：体系化环境。

数据库系统作为数据管理手段，从它的诞生开始，就主要用于事务处理。经过数十年的发
展，在这些数据库中已经保存了大量的日常业务数据。传统的业务系统一般是直接建立在
这种事务处理环境上的。随着技术的进步，人们试图让计算机担任更多的工作，而数据库
技术也一直力图使自己能胜任从事务处理、批处理到分析处理的各种类型的信息处理任务
。后来人们逐渐认识到，在目前的计算机处理能力上，根本无法实现这种功能，而且，另
一方面，事物处理和分析处理具有极不相同的性质，直接使用事务处理环境来支持决策是
行不通的。

事务处理环境不适宜DSS应用的原因主要有以下五条：

（1）事务处理和分析处理的性能特性不同。

在事务处理环境中，用户的行为特点是数据的存取操作频率高而每次操作处理的时间短；
在分析处理环境中，用户的行为模式与此完全不同，某个DSS应用程序可能需要连续几个小
时，从而消耗大量的系统资源。将具有如此不同处理性能的两种应用放在同一个环境中运
行显然是不适当的。

（2）数据集成问题。

DSS需要集成的数据。全面而正确的数据是有效的分析和决策的首要前提，相关数据收集得
月完整，得到的结果就越可靠。当前绝大多数企业内数据的真正状况是分散而非集成的。
造成这种分散的原因有多种，主要有事务处理应用分散、“蜘蛛网”问题、数据不一致问
题、外部数据和非结构化数据。

（3）数据动态集成问题。

静态集成的最大缺点在于，如果在数据集成后数据源中 莘⑸