论文部分内容阅读
该论文将与客户有关的空间和非空间数据集成到统一的空间数据仓库中,建立具有空间分析能力的客户智能框架体系.研究空间联机分析处理(空间OLAP)和空间联机分析挖掘(空间OLAM,又称空间OLAP Mining)两种空间数据挖掘工具在客户智能系统中的应用.该文研究面向客户智能的空间OLAP技术,首先通过空间数据仓库中维和度量的建模方法,建立空间OLAP分析的基础,然后针对空间OLAP存在严重的响应延迟问题,提出基于双向空间贪心算法和基于修正式遗传算法的空间视图物化方法,综合使用以提高空间OLAP操作的响应时间.最后,将时间数据集成到面向客户分析的空间数据仓库中,研究基于复合索引的时空OLAP实现机制研究.经过以上支撑技术的研究与运用,面向客户智能的空间OLAP可以实现多视角的、多层次的、多侧面的可视化查询分析.在空间OLAP的基础上,该文进而研究空间OLAM技术,实现更加深入地客户分析功能.首先研究空间谓词的计算和存储方法,实现客户周边信息的提取.针对空间对象的模糊性和不确定性,提出基于粗糙集的对象表示方法和ID3算法来计算多层次的空间谓词.进而在面向客户分析的空间数据仓库和大量空间谓词的基础上,提出针对客户分析的空间在线关联挖掘的模型;然后该文针对客户智能系统中的空间和非空间信息所具有的不完整性和不确定性,提出基于不确定粗糙集理论的空间数据分类方法:最后,该文使用K-means聚类方法、模拟退火算法和Dijkstra算法相结合的空间聚类方法,实现了具有较低的时间复杂度和更高的执行效率的,面向客户服务机构选址的在线分析功能.以上挖掘方法得出的空间关联规则、空间分类规则和空间聚类规则可用以指导"客户识别、客户选择、客户获得、客户提高及客户保持"等策略的制定.该论文提出将空间信息分析贯穿到"客户识别、客户选择、客户获得、客户提高及客户保持"的决策支持过程.实现具有空间分析能力的、灵活交互的、深入的、快速响应的在线客户分析功能,还原了客户分析过程可视化的真实面貌,从新的视角丰富了客户智能的分析方法.