课程文献中心 更多>>

关键词： 故障预测   关联规则   数据仓库   聚类   医疗仪器  

摘要： 在现代医学水平不断发展的今天,临床检验仪器在医疗系统中有着广泛的运用。同时,为满足医疗系统的日常检验需求,它有着系统复杂度高、运转速度快、设备体积大等特点。其中最典型的就是用于临床辅助诊断的体外诊断仪器。由于其不可替代性,一旦仪器出现故障,将严重影响到整个医疗系统的正常运作;所以,实现仪器的故障预测可为使用者提供决策支持,进而规避故障或为故障处理做出准备,对整个医疗系统的流程有着重要的意义。对于医疗仪器的故障问题,医院或设备方多使用基于统计学或基于数学模型的方法对仪器进行故障预测,这些方法存在实时性差,预测效率低等问题。而数据挖掘技术在类似于大型电机和风力设备等大型设备的故障预测问题中有着较好的应用效果。为此,本论文针对医疗仪器的故障预测问题,设计并建立了基于医疗仪器故障决策的数据仓库,并提出了包含数据特征提取归类的基于故障因素提取的关联规则故障预测算法。主要工作包括以下内容。1、考虑到仪器相关数据的分散及格式各异等问题,需对仪器各项数据特点进行分析,建立数据模型,并对仪器各个数据源数据进行抽取和清洗并建立数据仓库。2、由于仪器发生故障的因素多样,需要提取有效的故障因素数据,所以利用聚类及统计方法提取有效故障事件,并定义故障事件规则作为故障数据提取依据。3、利用基于时序的关联规则算法对故障数据进行数据挖掘,得到预测规则。最终,利用十折交叉验证方法对仪器故障因素事件提取效果进行评估验证,证明因素提取的有效性。同时,在故障因素提取有效的前提下,使用一个月的故障数据对基于时许序列的关联规则算法所获取的预测规则进行检验,得出精确度达到77%,准确率达到95%的结果。所以认为该故障预测方法能够获得较好的故障预测规则,同时在实际运用上能够高效的对仪器的进行故障预判并可以给予维护人员更高效的决策支持。

关键词： 慢性肾病   方剂配伍   数据仓库   OLAP   中医经验传承  

摘要： 慢性肾病是一种常见慢性疾病。采用数据仓库对慢性肾病中医医案数据进行主题存储,并从多维角度展示方剂配伍规律有助于学习中医诊治慢性肾病经验。基于医案信息提出按语生成方法并进行诊疗路径推荐利于辅助中医经验传承。本文对方剂配伍中君臣佐使配伍,性味归经配伍,七情配伍识别方法进行研究,并采用数据仓库技术对上述配伍规律进行维度分析,使用数据挖掘技术进行医案按语生成和诊疗路径推荐。具体工作如下:1.在方剂君臣佐使识别研究中,针对现有方法对方剂数据信息利用不足,二分结构无法充分揭示方剂组成结构问题,本文提出基于方剂功效、药物相对位置、药物相对剂量的改进的朴素贝叶斯分类方法对方剂君臣佐使药物进行识别,平均准确率为85.9%,并与传统定义法和模糊聚类法进行对比。在方剂性味归经识别研究中,针对药物剂量权重无法有效反映性味归经偏性问题,本文提出基于改进的Apriori算法的方剂性味归经筛选方法,准确率分别为86.9%,65.1%,63.3%,并分别与性量化法、味量化法和归经系数法进行对比。在方剂七情配伍识别研究中,针对无法利用药物功效属性构建决策树模型问题,本文结合互信息识别方剂药对,提出基于药对特征向量的多层感知机七情关系识别方法,平均准确率为66.8%。2.在慢性肾病中医医案方剂数据仓库设计中,为从多维角度进行方剂君臣佐使、性味归经、七情配伍规律分析,建立面向主题的数据存储,本文确定方剂角色分布,方剂性分布,方剂味分布,方剂归经分布,方剂七情分布主题。基于维度建模理论,确定主题事实,维度,度量;构建数据仓库总线矩阵,对每个主题建立星形模型的事实表和维度表依赖关系。使用ODI对每个主题进行ETL设计,使用OBIEE进行OLAP设计。3.在数据挖掘分析中,针对现有按语由医生总结,耗费人力问题,本文提出对按语中症状对应病机、代表方加药情况、方剂药组功效、多诊次用药情况进行计算的方法,完成按语的自动生成。同时基于改进的Apriori算法设计基于医案数据的慢性肾病诊疗路径推荐。4.基于WPF框架、Oracle数据仓库设计器和Echarts图表工具完成了方剂数据仓库系统原型,具备方剂角色、性、味、归经、七情分布主题的多维设计,报表展现功能和诊疗路径展现功能。

关键词： 数据仓库   数据清洗   数据转换   数据集市   客户分类  

摘要： 当前保险市场正处于高速发展阶段,同时行业竞争也在逐年加剧,以往常规的营销方式已无法满足现在的市场需要,各家保险公司纷纷借助数据分析手段提升销售能力,那么如何有效利用保险公司业务数据进行客户分析以寻找潜在的客户需求已成为各家保险公司急待解决的问题。本文是以保险公司日常经营数据为基础,结合客户分析需求设计并创建一套可以灵活有效的支持各种复杂分析功能的数据仓库系统。与单一业务数据库进行数据集中存储不同,保险公司内部系统繁多,数据存储较为分散,数据标准各不相同,这对数据仓库系统的搭建造成了极大困难。本文的研究重点是对不同数据库进行数据抽取并对数据进行的清洗、转换等功能,并最终将各类数据统一保存到数据仓库中。本文首先对当前数据仓库技术的发展现状和数据仓库的构建模式及组成等相关理论知识做了详细介绍,并列举了以往数据仓库在保险行业的实施案例,在对保险公司系统现状和业务需求进行详细分析之后,给出了数据仓库系统的详细设计,并在此基础上实现了数据抽取、数据清洗、数据转换等功能,完成了整个数据仓库系统的搭建。最后在数据仓库系统中实现了根据不同分析主题创建数据集市的功能,然后使用k-means算法对每个数据集市中的客户进行分类计算并对分类结果逐一进行说明,通过客户分类功能的实现以验证数据仓库系统对于客户分析功能的支持能力,证明数据仓库系统的设计与实现符合客户分析的需要。

关键词： 大学生就业   半结构化   校友资源   大数据技术   学科规划   非结构化数据   数据抽取   数据分析方法   高校信息管理系统   数据仓库  

摘要： 高校中汇聚着大量的信息,从学生角度来看,包括联系方式等基本信息,食堂消费、住宿晚归等生活信息,选课、课后作业、借阅图书、成绩等学习信息,参与的社团、竞赛、讲座等第二课堂信息;从教师角度来看,包含教学任务、课件等教学信息,论文著作、科学研究数据等科研信息;从管理者的角度来看,包含学校的资产信息、师资信息、招生就业信息等。同时随着移动互联网以及物联网等新技术的兴起,学校师生主动产生和由设备自动收集的信息越

关键词： 数据库   Hadoop   数据仓库   文本文件   外部表   SQL  

摘要： Hive是Hadoop的常用基础构架,在实际的工作使用的频率很高。Hive类似于MySQL之类的数据库,其在Hadoop生态圈中实际上扮演的是数据仓库的角色,提供了数据管理和查询功能。利用Hive提供的相关工具,可以进行数据提取转化加载等操作。其实现了存储、查询和分析存储在Hadoop中的大规模数据的机制。

关键词： 招生数据   数据仓库   OLAP   数据挖掘  

摘要： 从2001年开始,全国普通高校开始采用网上远程录取方式进行新生的录取工作,随后各省、市、自治区陆续实施平行志愿进行招生,近年来新的高考改革在各地陆续展开;高校对优质生源的竞争日趋激烈,各高校招生系统必须提升信息化技术水平,加强对考生志愿填报进行指导,加强招生宣传,提高报到率。本文针对四川理工学院招生工作实际,研究设计了一个高校招生数据处理及应用平台。该平台可为高校招生信息的收集与处理、校内部其他管理系统的数据协作与交互、数据的统计与报表、分析与决策、以及社会人员填报志愿等服务。论文基于联机分析处理(OLAP)技术和数据挖掘(DM)技术,首先通过OLAP技术对数据进行统计,再在此基础上进行数据挖掘,探寻影响报到率的因素、发掘各专业志愿之间的联系,从而形成决策意见。论文研究的主要内容如下:⑴研究数据标准化问题:建立标准的数据结构,使汇总的新生数据表能够在结构和字段含义上趋于一致,将各省的录取新生原始信息表进行标准化处理,构建平台需要的数据仓库。⑵研究招生数据处理及应用平台的统计功能:利用联机分析处理(OLAP)技术,对招生数据进行统计与钻取,动态生成各类报表以满足不同人群的需要。⑶研究招生数据处理及应用平台的决策功能:在确定专业志愿填报、考生报到率分析主题后,利用数据挖掘技术,对有价值的数据进行挖掘和分析,发现历年各地区招生专业之间的联系和影响报到率的因素,形成决策意见,供今后招生录取工作做决策参考。

关键词： 工作流引擎   银行自动化数据获取   平台设计   数据仓库   办公自动化  

摘要： 最近几年，客户信息以非正规渠道流传到非法人员手中，造成社会危害。对此，监管局、公安局等相关部门对银行系统数据的监管日益加强。数据的安全，传输和审批流程的管理尤为重要。审批流程中的关键审批节点一般都是行内领导，而源源不断产生的大批量数据，使他们很难做到及时审批和处理流程。本课题研究就为解决这一问题。　　本课题研究的数据需求平台系统核心是设计有效快速的审批处理流程保证数据安全获取。工作流技术的引用安全便捷地实现了为达到特定的业务目的，在多个参与人之间利用计算机技术按某种预定规则自动传递任务或信息的目标。本文的主要内容包括:　　(1)对办公自动化审批系统在国内外的应用，以及现研究进展进行分析;简要描述工作流引擎技术的发展情况;对Activiti的架构和组件进行介绍，并简单介绍Activiti技术和Spring整合方式;对数据仓库和SSM框架技术进行了简单介绍;(2)对数据需求平台系统进行需求分析，针对系统的可行性、性能、角色需求、功能进行分析;在此基础设上设计出数据需求平台系统的总体架构，设计系统工作流程图和基本系统功能模块;并简要介绍数据库设计和数据仓库设计方案;(3)介绍系统的开发环境，详细设计并实现工作流引擎Activiti，完成工作流流程图的设计;详细设计并实现了系统流程功能模块和知识库管理、办公云盘接口开发;(4)对数据需求平台系统环境部署进行简要描述;对工作流程图各个节点的运转进行测试;对所有接口的调用等多项功能进行测试;对系统故障恢复及并发、负载、压力进行测试;对用户权限等安全性功能进行测试。　　本文的研究工作是针对某家银行如何将近百个数量的源系统，在进入数据仓库之后，对数据进行分析。通过工作流形式，把分析后的数据提供给业务部门，该项目使全行数据需求获取更加灵活安全，提高全行的工作效率，减少资源浪费，使管理更加便捷。

关键词： 数据仓库   数据挖掘   医院管理  

摘要： 随着医疗改革的深化,医院将面临日趋激烈的竞争形势,在信息技术高度发达的今天,医院也已广泛开展信息化建设工作.本文提出结合医院实际特点,应用数据仓库技术对已有业务数据库进行集成,并利用数据挖掘技术在其上进行数据分析,挖掘潜在有用的知识,从而进一步改善医院服务质量,提高效益,降低成本,并指导管理者做出科学决策分析,提高医院核心竞争力.

关键词： 种质资源   堆栈式稀疏自编码器   聚类分析   数据仓库   Spark   Hive  

摘要： 作为生态系统与生物多样性的关键组成元素,作物种质资源是维护粮食安全与生态安全,维系农业可持续发展的关键性资源。中国是全球生物多样性最为丰富的大国之一,作物种质资源种类多且数量大。得益于中国政府的鼎力支持和农业工作者数十年来的艰苦奋斗,种质资源的信息化工作进展顺利,农作物种质资源数据库初步建成。而随着种质资源信息化工作的进一步拓展,种质资源数据量进一步增大,基于传统的关系型数据库搭建的系统并不能充分满足育种专家的需求,隐藏在种质资源数据内部的价值不能充分挖掘出来。在大数据的时代背景之下,如何利用新技术,解决种质资源信息的存储和共享,实现种质资源大数据的深度挖掘,是目前农业领域科研工作者亟待解决的难题。本文通过Hadoop生态圈技术,尤其是Spark和Hive的运用,基于目前已投入使用的农作物种质资源数据库之上,建立新型的种质资源数据仓库,是种质资源数据进一步利用与价值挖掘的有益尝试。本文的主要研究工作如下:(1)针对种质资源数据仓库搭建过程之中,大量种质材料需要进行品质分类的问题,提出利用基于堆栈式稀疏自编码神经网络的K-means聚类算法来实现,并利用商空间理论,参照现有的种质资源品质数据对聚类后的数据进行标注,从而实现大规模种质资源数据的品质自动归类。由于种质资源样本属性众多,通过特征约简的运用,能有效地降低数据维度提取出关键数据特征,提高聚类的准确性,减少聚类的时间。将堆栈式稀疏自编码神经网络学习得到的混合特征,作为K-means聚类的初始聚类中心,可以很好地解决K-means聚类算法对初始点的选择比较敏感的问题。与目前常用的主成分分析支持下的聚类算法相比,该算法处理高维数据的能力更强,聚类效果更好。(2)针对大数据时代背景之下,随着种质资源信息化工作的不断推进,种质资源数据量不断增加,而数据利用率低的问题,提出利用Spark框架和Hive搭建一种新型种质资源数据仓库系统。本文详细阐述了系统中关键组成模块的功能,阐明各模块所涉及的关键性技术,并详细介绍了如何利用Spark和Hive来实现所想建设的种质资源数据仓库系统。与传统的基于关系型数据库搭建的系统相比,该数据仓库系统处理海量数据的能力更强,更易于扩展,并具备交互式查询功能与一定数据挖掘功能,能为育种工作者提供科学的指导,提高其工作效率。

关键词： 决策支持系统   数据仓库   联机分析处理   C4.5算法   工作流  

摘要： 长江航道横贯了我国东西部地区,其货物运输量在全世界内河航道中占据第一位。我国非常重视内河航运的发展,投入大量资金进行数字航道建设。长江重庆航道局的数字航道建设已基本实现主要助航设施(航标、水位和船舶等)的动态监测,这些监测系统主要是针对航道维护的单一要素信息。航道维护突发事件是导致航标异常、航道阻塞或航道中断的主要原因。航道维护突发事件的种类和涉及的风险要素信息比较多,重庆航道局航道维护突发事件的应急处置主要依靠相应的纸质应急预案,存在应急处置的数字化程度不高和应急响应速度较慢等问题。鉴于现有航道维护突发事件应急处置的现状,本文在现有长江重庆航道局数字航道建设的成果上,利用数据仓库、决策树算法、联机分析处理和工作流等技术,开展了航道维护突发事件决策支持系统(Decision Support System for Emergency Maintenance of Channel以下简称CMDSS)的研究,主要的研究内容如下:(1)经过实地调研和查阅相关的业务规范标准,对航道维护突发事件的种类、风险因素、风险预警标准、应急处置流程和CMDSS系统的需求进行了系统的分析,并设计了CMDSS系统的体系结构和功能结构;(2)将离散分布在各级管理部门中的航道维护基础数据进行了集约化管理,建立了CMDSS的数据仓库,应用OLAP技术将风险要素信息的多维可视化视图显示出来,辅助决策者决策;(3)建立CMDSS系统的风险预警模型,对水位异常、入库流量异常、禁航时间、航标异常和水上交通事故这五类航道维护突发事件的风险等级进行判定。其中,针对C4.5算法在信息增益率公式的计算过程中涉及到多次的对数函数运算,应用泰勒公式和麦克劳林公式对C4.5算法的信息增益率进行了简化计算,降低了算法的复杂度,建立了基于改进C4.5算法的水上交通事故碍航等级判定模型;(4)运用工作流技术将纸质应急预案流程转换成数字化应急预案流程,通过人机交互界面引导用户执行相应的行动,提高了应急响应的速度。并将整个应急处置的过程记录下来,为应急不利事件的调查提供了依据。