论文部分内容阅读
随着企业中各种应用系统的投入运行，企业积累下了大量的、宝贵的历史数据，激烈的市场竞争迫使企业必须引入商务智能来充分利用这些海量信息资源，从中获得有价值的信息，协助中高层管理者获得知识、制定科学合理的商业决策来提升企业的综合市场竞争能力。商务智能系统主要运用了数据仓库、数据挖掘和联机分析处理等技术来实现数据的收集、处理、深入分析、预测以及模型的构建和知识的发现等功能。本文重点研究了数据挖掘中的关联规则挖掘问题和其经典Apriori算法，并对Apriori算法的运行效率和性能瓶颈进行了深入分析。在Apriori算法中拥有多次重复扫描数据库和候选项集数目庞大两个性能缺陷，严重影响了算法的执行效率。针对这两大性能瓶颈问题，本文提出了一种基于索引的频集压缩的Apriori优化算法。该算法引入了事务索引表和频集压缩办法，使算法运行全程只需要扫描一次数据库，缩减了查找事务所消耗的时间，而且省略掉了候选项集生成步，大大减小了候选项集所占用的内存空间，降低了与候选项集相关的运算量，有效地弥补了Apriori算法的性能缺陷问题。本文在研究商务智能及其核心技术的基础上，根据道路运输业从业资格管理系统的需求提出了一个商务智能设计方案，该方案在系统原有功能的基础上引入了商务智能相关技术来实现商务智能功能模块的设计与开发，将从业资格管理系统扩展为商务智能系统，实现了数据仓库的构建、挖掘模型的建立和OLAP的数据深入分析等技术的前端展现。使该系统具有海量数据管理、模型构建、数据挖掘以及数据分析预测等能力，辅助了中高层管理者了解企业运行情况和市场发展趋势，快速制定高效合理的商业决策，提升企业的管理运营能力和综合市场竞争力。