数据仓库论文数据挖掘论文：基于数据仓库模型在研究生招生管理中的应用研究内容摘要：
本文实现的招生管理挖掘系统综合 了以前诸多部门的各种不同的系统，是一个系统的融合，这样做不仅使得管理操作统一、界面相同，更重要的是使得各项不同的数据能够保存在一个数据仓库系统中，共用相同的数据结构，以便更加方便地利用数据挖掘算法进行分析。 同时本文采用的决策树和聚类分析挖掘算法是最常使用的挖掘算法，它们高效、简单，能够快速地得出知识信息，并且能够以清楚简单易于理解的方式显示给用户。 最后，系统以一个简单的界面提供给使用者，使用者可以采用两种方法进行验证和查询。 如果是大量的考生信息，可以采用把考生信息保存在文件中，然后系统将对文件中的每个人 的信息进行计算和分析，并把分析结果保存在特定的地方。 如果是少量的考生信息，系统提供了输入界面，对学生进行分析。 如图 1 所示。 从中可以看出，该系统的数据源来自不同的数据库，根据多种数据源进行数据整合、分析、处理，构造出 8 个不同的立方体，然后进行 etl 处理开发，形成数据仓库。 核心业务层包括入学成绩管理模块、招生挖掘模块、考试成绩管理模块、招生挖掘预测模块。 核心业务层是该系统的主要完成的功能。 入学成绩管理模块负责一般的事务性处理工作，主要负责考生的入学成绩及相关的考生信息等；考试成绩管理负责学生入学后的选课和考试成绩；招生挖掘模 块是重要的模块，它能根据入学信息和考试信息挖掘出有价值的信息；招生挖掘预测模块能够根据考生的入学成绩预测出该生入学后是否能有较大的发展，以便辅助招生决策。 最后，系统通过门户集成发布到内网上，以方便多人能够同时进行工作，提高工作效率，并且可随时随地进行查询。 数据仓库主要是满足决策分析的需要，将来自各种数据源的数据存储到数据仓库中，数据围绕决策主题来组织的，并且对数据查询的要求比较高，数据存储量非常大。 数据仓库建模采用自上而下的三级建模方式，即概念建模、逻辑建模、物理建模。 现在比较流行的建模方式是以信息打包方法为主的概念建模方式，以星型建模方法和雪花建模方法为主的逻。阅读剩余 0%
本站所有文章资讯、展示的图片素材等内容均为注册用户上传(部分报媒/平媒内容转载自网络合作媒体)，仅供学习参考。
用户通过本站上传、发布的任何内容的知识产权归属用户或原始著作权人所有。如有侵犯您的版权，请联系我们反馈本站将在三个工作日内改正。