本论文就中等职业技术学校招生信息管理系统的设置及决策分析模块中应用的数据挖掘技术进行了有益的探索和研究。

数据仓库中的数据并不要求与联机事务处理系统保持实时同步，因此数据抽取可以定时进行，但多个抽取操作执行的时间、相互的顺序、成败对数据仓库中信息的有效性则至关重要。

优化全分行报表生成、报送、管理和使用体系，省分行管理部门所需报表统一归口信息中心生成、报送、管理和发布，凡是省分行数据仓库可以生成的报表由系统自动生成，系统缺乏数据的报表，由信息中心归纳整理成相关指标，通过管理信息平台的指标报送系统收集数据后再由系统自动生成；实现资产负债分析、经营业绩分析、客户分析、信贷风险分析和财务分析五个方面的专题统计分析，并为将来引进决策分析模型进行决策支持奠定基础。

这份文件的重点在于描述所有对浙商银行决策分析环境有用的系统和组成部分。在项目实施过程中，将提供一份关于需要客户化开发的组成部件的详细说明，和现有组成部件的总结性描述。

浅谈专家系统应用与发展摘要：专家系统作为人工智能应用研究的课题之一在各个领域得到广泛应用，但也存在一些突出问题限制了其进一步的发展。本文就专家系统的应用领域和研究热点及其存在问题作了讨论，并提出了新型专家系统的一些特点，指出发展新型专家系统是很有必要的。

管理信息系统（MIS）为信息处理提供强大的数据处理和存储能力。早期信息系统主要是为实现业务而建立的，根据业务的需要建立大量独立的系统。多个独立的系统间要交互数据很困难，出现了“抽取”的模式。其特点是与信息系统无关，直接对信息系统的数据源进行“抽取”。

国际权威的学术组织the IEEE International Conference on Data Mining (ICDM) 2006年12月评选出了数据挖掘领域的十大经典算法：C4.5, k-Means, SVM, Apriori, EM, PageRank, AdaBoost, kNN, Naive Bayes, and CART. 不仅仅是选中的十大算法，其实参加评选的18种算法，实际上随便拿出一种来都可以称得上是经典算法，它们在数据挖掘领域都产生了极为深远的影响。

联机事务处理系统（On-line Transaction Processing）OLTP系统：也称为生产系统，它是事件驱动、面向需求的，比如银行的储蓄系统就是一个典型的OLTP系统。 OLTP在使用过程中积累了大量的数据。 关系数据库概念提出之后，联机事务处理一直是数据库应用的主流。

kettle 资源库的创建

　数据仓库概念始于本世纪80年代中期，首次出现是在号称“数据仓库之父”William H.Inmon的《建立数据仓库》一书中。随着人们对大型数据系统研究、管理、维护等方面的深刻识认和不断完善，在总结、丰富、集中多行企业信息的经验之后，为数据仓库给出了更为精确的定义，即“数据仓库是在企业管理和决策中面向主题的、集成的、与时间相关的、不可修改的数据集合”。

摘要：数据挖掘技术从一开始就是面向应用的。目前，在很多领域，数据挖掘都是一个很时髦的词，尤其是在如银行、电信、保险、交通、零售（如超级市场）等商业领域。数据挖掘所能解决的典型商业问题包括：数据库营销、客户群体划分、背景分析、交叉销售等市场分析行为，以及客户流失性分析、客户信用记分、欺诈发现等等。

在本项目建议书的编写过程中，微软公司按照基础架构优化模型，对华宇物流的基础架构和执行流程进行了评估。微软、TNT和华宇物流人员组成的团队据此编写了一系列的建议来达到更加优化的运营状态。对这些建议的执行和部署可以通过华宇物流的内部资源、或者外包给微软服务或合作伙伴来执行。<br> 这份建议书总结了基础架构评估的结果，提出了一个部署微软SQL服务器的计划。通过部署微软SQL服务器，可以改善报表管理和分析方面的成熟度。<br> 微软基础架构优化模型是利用企业客户的最佳实践，结合微软的经验总结而成。它基于Garter集团的基础架构成熟度模型和麻省理工学院的架构成熟度模型。微软创立基础架构优化模型的目标是建立一个简单灵活的成熟度框架，用于衡量技术能力和业务价值，并且，客户可以以此为基础来设计和计划自身的基础架构。

数据仓库与数据挖掘综述。概念、体系结构、趋势、应用报告人：王建慧2011年12月30日提纲数据仓库概念数据仓库体系结构及组件数据仓库设计数据仓库技术（与数据库技术的区别）数据仓库性能数据仓库应用数据挖掘应用概述数据挖掘技术与趋势数据挖掘应用平台（科委申请项目）数据仓库概念基本概念对数据仓库的一些误解基本概念。

WEKA的全名是怀卡托智能分析环境（Waikato Environment for Knowledge Analysis），它的源代码可通过http://www.cs.waikato.ac.nz/ml/weka得到。同时weka也是新西兰的一种鸟名，而WEKA的主要开发者来自新西兰。 WEKA作为一个公开的数据挖掘工作平台，集合了大量能承担数据挖掘任务的机器学习算法，包括对数据进行预处理，分类，回归、聚类、关联规则以及在新的交互式界面上的可视化。 如果想自己实现数据挖掘算法的话，可以看一看weka的接口文档。在weka中集成自己的算法甚至借鉴它的方法自己实现可视化工具并不是件很困难的事情。

在一般的数据仓库应用系统中，根据系统体系结构的不同，数据仓库设计的内容和范围不尽相同，并且设计方法也不尽相同，下面的两幅图示分别表示带有ODS的数据仓库应用系统体系结构和不带ODS的数据仓库应用系统体系结构。本文将说明两个体系结构上的差异以及这种差异造成的设计方法的不同，并且重点介绍带有ODS的体系结构中数据仓库的设计方法。

____随着C/S技术的成熟和并行数据库的发展,信息处理技术的发展趋势是:从大量的事务型数据库中抽取数据,并将其清理、转换为新的存储格式,即为决策目标把数据聚合在一种特殊的格式中。随着此过程的发展和完善,这种支持决策的、特殊的数据存储即被称为数据仓库(Data Warehouse, DW)。

数据仓库与数据挖掘综述概念、体系结构、趋势、应用2004年6月7日提纲数据仓库概念数据仓库体系结构及组件数据仓库设计数据仓库技术（与数据库技术的区别）数据仓库性能数据仓库应用数据挖掘应用概述数据挖掘技术与趋势数据挖掘应用平台（科委申请项目）数据仓库概念基本概念对数据仓库的一些误解基本概念—数据仓库。

数据挖掘是致力于数据分析和理解、揭示数据内部蕴藏知识的技术，它成为未来信息技术应用的重要目标之一。经过十几年的努力，数据挖掘产生了许多新概念和方法。特别是最近几年，一些基本概念和方法趋于清晰，它的研究正向着更深入的方向发展。像其它新技术的发展历程一样，数据挖掘技术也必须经过概念提出、概念接受、广泛研究和探索、逐步应用和大量应用等阶段。从目前的现状看，大部分学者认为数据挖掘的研究仍然处于广泛研究和探索阶段，迫切需要在基础理论、应用模式、系统构架以及挖掘算法和挖掘语言等方面进行创新。关联规则挖掘是数据挖掘中成果颇丰而且比较活跃的研究分支，留给研究者的是更深入的课题。面对大型数据库，关联规则挖掘需要在挖掘效率、可用性、精确性等方面得到提升。因此，需要探索新的挖掘理论和模型；需要利用用户的约束等聚焦挖掘目标；需要对一些传统的算法进行改进；也需要研究新的更有效的算法等。鉴于目前数据挖掘技术和关联规则挖掘研究的现状和发展趋势，在各类基金的支持下，我们选择了这一课题开展相关工作。

该文在这些研究的基础上,介绍了一种基于网格平台的分布式频繁模式挖掘算法。 引言随着市场竞争的日益激烈，数据仓库的应用也越来越广泛。采用数据仓库的企业有两个前提条件，一是企业存在大量数据，二是企业处在竞争的环境中。 要想在当今社会激烈的竞争环境下迅速、长足的发展，建立起一套自己的"数字神经系统"是必要的，即通过各路"神经" 对外界环境变化的迅速感知传输至"大脑"中枢，然后将经中枢处理得出的应对及预防措施及时反馈给各路"神经"。所以必须搭建起企业当前和今后发展的综合软件应用平台，优化工作流程，提高企业整体工作效率，及时掌握影响企业运作的关键指标与决策依据、突发事件、重大事件及关系紧密的行业、专业、市场信息，做到"信息掌握及时，管理高效顺畅"。

Kettle是”kettle E.T.T.L Envirnonment”首字母缩写，这意味着设计实现ETL需要：抽取，转换，装入和加载数据。Spoon是一个图形用户界面，它允许运行转换或者任务，其中转换是用pan工具来运行，任务是用Kitchen来运行。