《DB2数据库结构的设计-应用于数据报表平台》_开题报告

（一）国外研究现状

       （Knowledge、Discovery、in Databases，KDD)与DM是数据库领域中最重要的课题之一。KDD一词是在1989年8月于美国底特律市召开的第十一届国际人工智能会议上正式形成的。1995年在加拿大蒙特利尔召开的首届KDD&DataMining国际学术会议上，把数据挖掘技术分为科研领域的知识发现与工程领域的数据挖掘。之后每年召开一次这样的会议，经过十几年的努力，数据挖掘技术的研究已经取得了丰硕的成果。目前，对KDD的研究主要围绕理论、技术和应用这三个方面展开。多种理论与方法的合理整合是大多数研究者采用的有效技术。目前，国外数据挖掘的最新发展主要有对发现知识的方法的一步研究，如近年来注重对Bayes(贝叶斯)方法以及Boosting方法的研究和改进提高；KDD与数据库的紧密结合；传统的统计学回归方法在KDD中的应用。在应用方面主要体现在KDD商业软件工具从解决问题的孤立过程转向建立解决问题的整体系统，主要用户有保险公司、大型银行和销售业等。许多计算机公司和研究机构都非常重视数据挖掘的开发应用，IBM和微软都相继成立了相应的研究中心。美国是全球数据挖掘研究最繁荣的地区，并占据着研究的核心地位。由于数据挖掘软件市场需求量的增大，包括国际知名公司在内的很多软件公司都纷纷加入到了数据挖掘工具研发的行列中来，到目前已开发了一系列技术成熟、应用价值较高的数据挖掘软件。以下为目前最主要的数据挖掘软件：(1)Knowledge Studio：由Angoss软件公司开发的能够灵活地导入外部模型和产生规则的数据挖掘工具。最大的优点：响应速度快，且模型、文档易于理解，SDK中容易加入新的算法。(2)IBM Intelligent Miner：该软件能自动实现数据选择、转换、发掘和结果呈现一整套数据挖掘操作；支持分类、预测、关联规则、聚类等算法，并且具有强大的API函数库，可以创建定制的模型。(3) SPSS Clementine：SPSS是世界上最早的统计分析软件之一。Clementine是SPSS的数据挖掘应用工具，它可以把直观的用户图形界面与多种分析技术如神经网络、关联规则和规则归纳技术结合在一起。该软件首次引入了数据挖掘流概念，用户可以在同一个工作流环境中清理数据、转换数据和构建模型。(4)Cognos Scenario：该软件是基于树的高度视图化的数据挖掘工具，可以用最短的应时间得出最精确的结果。此外，还有由美国Insightful公司开发的I-Miner、SGI公司和美国Standford大学联合开发的Minset、Unica公司开发的Affinium Model、加拿大Simon Fraser大学开发的DBMiner、HNC公司开发的用于信用卡诈骗分析的Database MiningWorkstation、NeoVista开发的Decision Series等。

（二）国内研究现状

      与国外相比，国内对数据挖掘的研究起步稍晚且不成熟，目前正处于发展阶段。最新发展：分类技术研究中，试图建立其集合理论体系，实现海量数据处理；将粗糙集和模糊集理论二者融合用于知识发现；构造模糊系统辨识方法与模糊系统知识模型；构造智能专家系统；研究中文文本挖掘的理论模型与实现技术；利用概念进行文本挖掘。我国也有不少新兴的数据挖掘软件：(1)MSMiner：由中科院计算技术研究所智能信息处理重点实验室开发的多策略通用数据挖掘平台。该平台对数据和挖掘策略的组织有很好的灵活性。(2)DMiner：由上海复旦德门软件公司开发的具有自主知识产权的数据挖掘系统。该系统提供了丰富的数据可视化控件来展示分析结果，实现了数据查询结果可视化、数据层次结构可视化、多维数据结构可视化、复杂数据可视化。(3)Scope Miner：由东北大学开发的面向先进制造业的综合数据挖掘系统。(4)iDMiner：由海尔青大公司研发的具有自主知识产权的数据挖掘平台。该平台大胆采用了国际通用业界标准，对该软件今后的发展有很大的促进作用，同时也为国内同类软件的开发提供了一条新的思路。除此之外，还有复旦德门公司开发的CIAS和

ARMiner、东北大学软件中心开发的基于SAS的OpenMiner以及南京大学开发的一个原

型系统Knight等。目前，国内数据挖掘软件产业还不成熟，从事此方面研究的人员主要集中在高校，只有少部分分布在研究所或公司，且大多数研究项目都是由政府资助，主要的研究方向集中在数据挖掘的学习算法、理论方面以及实际应用。研究的产品尚未得到国际市场的认可，在国际上的使用更是为数甚少。

二、^范文提纲

1.课题来源

2课题的研究目标、研究内容

2.1 课题的研究目标

2.2 课题的研究内容

3课题的研究方法、设计及试验方案

3.1课题的研究方法

3.1.1 收集相关研究数据

3.1.2 模拟具体物理环境

3.1.3 设计具体方案

4课题设计方案

4.1 课题研究物理环境参数配置

4.2 实施流程

5 研究结果

三、参考文献

[1] 李嶶，李宛州.基于数据仓库技术的进销存系统的设计与实现.2001(10)：93-94[2]Jiawei Han.数据挖掘概念与技术.机械工业出版社2001，8 [3]W.H.Inmon.数据仓库.机械工业出版社2000，5[4]林字等编著.数据仓库原理与实践.北京：人民邮电出版社，2003[5]张春阳，周继恩，刘贵全，蔡庆生.基于数据仓库的决策支持系统的构建，计算机工程.2002(4)：249-252[6]陈德军，盛翊智，陈绵云.基于数据仓库的OLAP在DSS中的应用研究.2003(1)：30-31[7]朱明，数据挖掘.合肥：中国科技大学出版社2002，5[8] 陈京民等.数据仓库与数据挖掘技术[M].北京:电子工业出版社,2002.[9] 毛国君等.数据挖掘原理与算法[M].北京:清华大学出版社,2005.[10] 陈文伟等.数据挖掘技术[M].北京:北京工业大学出版社,2002.