基于商務(wù)智能的從業(yè)資格管理系統(tǒng)的研究與應(yīng)用.pdf

1、隨著企業(yè)中各種應(yīng)用系統(tǒng)的投入運行,企業(yè)積累下了大量的、寶貴的歷史數(shù)據(jù),激烈的市場競爭迫使企業(yè)必須引入商務(wù)智能來充分利用這些海量信息資源,從中獲得有價值的信息,協(xié)助中高層管理者獲得知識、制定科學(xué)合理的商業(yè)決策來提升企業(yè)的綜合市場競爭能力。商務(wù)智能系統(tǒng)主要運用了數(shù)據(jù)倉庫、數(shù)據(jù)挖掘和聯(lián)機分析處理等技術(shù)來實現(xiàn)數(shù)據(jù)的收集、處理、深入分析、預(yù)測以及模型的構(gòu)建和知識的發(fā)現(xiàn)等功能。
　　本文重點研究了數(shù)據(jù)挖掘中的關(guān)聯(lián)規(guī)則挖掘問題和其經(jīng)典Aprio

2、ri算法,并對Apriori算法的運行效率和性能瓶頸進行了深入分析。在Apriori算法中擁有多次重復(fù)掃描數(shù)據(jù)庫和候選項集數(shù)目龐大兩個性能缺陷,嚴重影響了算法的執(zhí)行效率。針對這兩大性能瓶頸問題,本文提出了一種基于索引的頻集壓縮的Apriori優(yōu)化算法。該算法引入了事務(wù)索引表和頻集壓縮辦法,使算法運行全程只需要掃描一次數(shù)據(jù)庫,縮減了查找事務(wù)所消耗的時間,而且省略掉了候選項集生成步,大大減小了候選項集所占用的內(nèi)存空間,降低了與候選項集相關(guān)的

3、運算量,有效地彌補了Apriori算法的性能缺陷問題。
　　本文在研究商務(wù)智能及其核心技術(shù)的基礎(chǔ)上,根據(jù)道路運輸業(yè)從業(yè)資格管理系統(tǒng)的需求提出了一個商務(wù)智能設(shè)計方案,該方案在系統(tǒng)原有功能的基礎(chǔ)上引入了商務(wù)智能相關(guān)技術(shù)來實現(xiàn)商務(wù)智能功能模塊的設(shè)計與開發(fā),將從業(yè)資格管理系統(tǒng)擴展為商務(wù)智能系統(tǒng),實現(xiàn)了數(shù)據(jù)倉庫的構(gòu)建、挖掘模型的建立和OLAP的數(shù)據(jù)深入分析等技術(shù)的前端展現(xiàn)。使該系統(tǒng)具有海量數(shù)據(jù)管理、模型構(gòu)建、數(shù)據(jù)挖掘以及數(shù)據(jù)分析預(yù)測等能力,