数据可视化和数据挖掘技术在中小型企业经营分析中的应用
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 1 引言 | 第11-16页 |
| ·论文研究背景 | 第11-13页 |
| ·国内外研究现状 | 第13-14页 |
| ·本文主要研究方法、目的和文章结构 | 第14-16页 |
| 2 理论技术介绍 | 第16-32页 |
| ·数据仓库 | 第16-19页 |
| ·数据仓库概念和特征 | 第16-17页 |
| ·数据仓库系统结构 | 第17-18页 |
| ·多维OLAP | 第18-19页 |
| ·数据可视化技术 | 第19-21页 |
| ·可视化技术 | 第19-20页 |
| ·多维数据的可视化 | 第20-21页 |
| ·构建数据仓库系统的方法 | 第21-25页 |
| ·数据仓库系统规划 | 第21页 |
| ·构建数据仓库系统的三个步骤 | 第21-23页 |
| ·数据仓库系统的关键技术 | 第23-25页 |
| ·数据挖掘 | 第25-26页 |
| ·数据挖掘概念和分类 | 第25-26页 |
| ·数据挖掘技术的应用步骤 | 第26页 |
| ·多维OLAP 与数据挖掘技术的结合 | 第26-31页 |
| ·OLAP 可视化分析与数据挖掘技术的局限性 | 第26-27页 |
| ·基于OLAP 的多维数据挖掘 | 第27-30页 |
| ·可视化分析与数据挖掘应用流程 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 3 多维OLAP 经营分析系统的设计与开发 | 第32-62页 |
| ·系统总体设计和物理存储结构 | 第32-36页 |
| ·需求分析 | 第32页 |
| ·数据仓库系统的体系结构 | 第32-34页 |
| ·确定数据源 | 第34页 |
| ·数据仓库存储结构 | 第34-36页 |
| ·ETL 过程 | 第36-40页 |
| ·ETL 过程的实现 | 第36-37页 |
| ·ETL 的异常处理 | 第37-38页 |
| ·优化ETL 过程 | 第38-40页 |
| ·数据模型的设计步骤 | 第40-43页 |
| ·概念模型 | 第40页 |
| ·逻辑模型 | 第40-41页 |
| ·物理模型 | 第41-43页 |
| ·设计OLAP 多维模型 | 第43-47页 |
| ·多维模型维度的设计 | 第43-46页 |
| ·多维模型事实表的设计 | 第46-47页 |
| ·基于BIEE 的星型模型设计 | 第47-51页 |
| ·BIEE 介绍 | 第47-48页 |
| ·星型模型的设计 | 第48-51页 |
| ·前端web 开发 | 第51-53页 |
| ·数据仓库系统的性能优化 | 第53-61页 |
| ·性能问题 | 第53-55页 |
| ·性能优化方案 | 第55-60页 |
| ·优化分析 | 第60-61页 |
| ·性能优化总结 | 第61页 |
| ·本章小结 | 第61-62页 |
| 4 设计基于多维的神经网络模型结构 | 第62-68页 |
| ·设计多维神经网络 | 第62-64页 |
| ·变量贡献分析 | 第64-66页 |
| ·计算神经网络权重矩阵 | 第66-67页 |
| ·本章小结 | 第67-68页 |
| 5 多维可视化分析和多维神经网络的实例应用 | 第68-77页 |
| ·实例问题 | 第68页 |
| ·OLAP 可视化分析过程 | 第68-73页 |
| ·问题分析 | 第68-69页 |
| ·扩展维度 | 第69-71页 |
| ·确定结果 | 第71-73页 |
| ·多维神经网络算法的应用 | 第73-76页 |
| ·确定输入变量 | 第73页 |
| ·构建基于多维结构的前馈神经网络 | 第73-74页 |
| ·标准化输入变量 | 第74-75页 |
| ·计算结果 | 第75-76页 |
| ·本章小结 | 第76-77页 |
| 6 总结和展望 | 第77-79页 |
| ·总结 | 第77页 |
| ·展望 | 第77-79页 |
| 参考文献 | 第79-81页 |
| 致谢 | 第81-82页 |
| 攻读学位期间发表的学术论文目录 | 第82页 |
