导读:本文包含了联机分析处理论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:本体,多维,数据仓库,电子显微镜,数据,语义,作战。
联机分析处理论文文献综述
张志琪[1]（2019）在《联机分析处理技术在生物医学领域的发展》一文中研究指出随着数据库数据量的增加,用户对于数据库的需求越来越复杂,基于数据挖掘(DM)的联机分析处理(OLAP)技术应运而生。现综述OLAP技术的基本概念、术语、特征及发展历史,重点讨论其在生物医学领域的应用与发展趋势,指出将数据仓库(DW)、OLAP以及DM结合形成基于DM的OLAP技术是更好地提供决策支持的必然趋势。随着DW的应用及OLAP、DM技术的不断推广,OLAP技术在生物医学领域会有越来越广泛的应用。(本文来源于《医疗装备》期刊2019年03期）
耿松涛,操新文,李晓宁,原晓波[2]（2018）在《基于联机分析处理技术的实验数据分析方法》一文中研究指出为了分析多个实验要素或实验因子与实验结果之间的因果关系,从而探索作战问题规律,研究基于联机分析处理技术(OLAP)的实验数据分析方法。基于实验要素分析的几类需求,提出基于OLAP的探索分析方法,并进行了详细论述说明,然后通过将该方法应用于解决电子对抗作战部署的要素分析,展示具体运用方法。(本文来源于《火力与指挥控制》期刊2018年11期）
俞东进,倪智勇,孙景超[3]（2017）在《支持联机分析处理的推特用户兴趣维层次提取方法》一文中研究指出从海量推特数据中探索用户兴趣的分布规律和相关性有利于实现精确的个性化推荐。联机分析处理(OnLine Analytical Processing,OLAP)提供了一种适合人们探究数据的直观形式。将OLAP技术应用于推特数据的关键是如何挖掘和构建推特用户的兴趣维层次。针对现有方法只能提取单一层次兴趣的不足,该文提出一种支持联机分析处理的推特用户兴趣维层次提取方法。该方法首先通过Rest API获取推特数据,然后通过改进的LDA(Latent Dirichlet Allocation)模型挖掘用户的兴趣和子兴趣,最后在此基础上构建兴趣维层次结构。实验评估了该方法的模型效果和可扩展性,并证实与LDA和h LDA相比可以更有效地提取出推特用户的兴趣维层次并应用于联机分析处理。(本文来源于《电子与信息学报》期刊2017年09期）
胡德胜,赵倩,林建泉[4]（2017）在《多联机空调系统新风处理方式的对比分析》一文中研究指出给出了多联机空调系统叁种新风处理方式的典型系统形式,分析了每种典型系统形式在夏季空调工况下的热湿处理过程和基本关系式,并探讨了各自的特点和优劣,以供类似工程设计参考。(本文来源于《建筑热能通风空调》期刊2017年05期）
周高典,汪新庆[5]（2016）在《地质云平台及地质大数据的联机分析处理》一文中研究指出随着互联网技术的高速发展,我国地质信息化的不断深入,地质数据的数据量飞速增长,数据种类除了传统的地质报告、图件、表格外,也出现了大量图片和视频等格式的数据。地质大数据是一种时空大数据,它来源于基础地质、矿产地质、工程地质、环境地质、灾害地质的调查、勘查、勘察和相应的地质科学研究过程中与能源、矿产的开发利用和环境、地灾的监测、防治过程中。为了推动地质行业大数据技术的研发和应用,国土资源部,地调调研多个省份,结合需求,在此基础上搭建了地质云平台,并实现了对部分地环数据的简单分析处理。地质云平台架构主要分为叁部分:底层,管理层和服务层,分别作为数据存储,数据管理,和web服务等。底层为基础单元,提供了云平台的硬件资源,数据录入存储,以及云桌面;管理层作为数据调度的模块,对底层数据进行管理,以BS模式展示;服务层为用户提供数据与云桌面服务,数据的浏览、下载,OLAP数据联机分析等。主要研究工作如下:(1)研究了VMware以及KVM虚拟化技术,利用现有硬件资源,对服务器进行虚拟化,制作模版,用部分虚拟机作为云桌面提供服务。(2)研究在结构化数据库(Oracle)与非结构化数据库(Hadoop)之间布设大数据连接器,解决结构化与非结构化数据之间的无缝集成。(3)研究并部署Hadoop开源软件,利用HDFS完成非结构化数据的分布式存储;Sqoop,Hive,Mapreduce,共同完成外部数据库数据导入,分布式计算,完成对地质数据的挖掘与分析。(4)研究了OLAP(Online Analytical Prcessing)联机分析处理的思想,从不同的角度对多维数据进行快速的、实时的交互式访问,以部分的地环数据进行应用,获得对数据的全方位的、更加深入的了解。数据爆炸式的增长与信息技术的革新,使得地质发展必然向大数据计算与云技术靠拢,利用好这些技术,以地质的需求对其进行再创造,会使得地质数据应用上升到一个新的高度。(本文来源于《第十五届全国数学地质与地学信息学术研讨会论文集》期刊2016-10-21）
赵艳艳[6]（2016）在《基于Hadoop的联机分析处理系统关键技术研究》一文中研究指出近年来,多维数据查询联机分析处理技术(Online Analytical Processing,OLAP)越来越重要。基于OLAP的多维分析技术成为企业管理人员重要的决策依据。目前,针对OLAP的研究都是面向单一数据模型的存储处理和相应OLAP查询性能上的优化。单一数据组织模式的基于关系数据库的ROLAP(Relational-OLAP)和基于多维数据库的MOLAP(Multidimensional-OLAP),无法满足在不同规模级别数据集下异构数据模型和低延迟的多维查询需求。针对以上问题,本文从不同数据组织模型的查询规划、查询解释、缓存查询优化机制等方面改进,设计和实现了一个可扩展性和高效性的分布式混合型联机分析处理(Hybrid-OLAP,HOLAP)系统。该系统旨在解决不同规模级别数据集的多维查询,根据不同多维组织的实现模式作出高效合理的查询处理。基于该系统下的研究主要包括以下四个方面的内容:第一,针对传统ROLAP系统无法高效地解决大规模数据集的多维分析问题,提出了一个能够在Hadoop环境下,满足不同规模级别数据集进行快速多维查询分析,同时支持Hive的MDX(Multidimensional Expressions)查询解释和聚集方法,以及基于Hbase预计算缓存机制的多维查询优化方法的HOLAP系统架构。第二,针对大规模数据集上的Hive多维查询优化,通过一种构建Hbase立方体缓存的分段逐层降维聚集算法(S-Redu-D-A),研究了从类似关系型数据库Hive到Nosql数据库中,Hbase数据模型的形式化方法(Hsql-To-Nosql Formalized Model,Hs-Nos-FM)。提出并验证了满足HOLAP高效地形式化多维立方体(Format Multi Cube,F-M-Cube)数据存储模型,在大规模数据集多维查询上表现出良好的性能。第叁,针对两种查询计划,通过实时性要求、数据规模、维度基数、存储空间、多表连接、查询频率等指标进行查询规划计算分析;提出了包含权限控制、查询监听、查询分析和查询分配的查询规划工作流程。通过对不同规模数据、不同多维查询的执行时间对比分析,有效地验证了基于HOLAP系统架构的查询规划方法,在常见OLAP多维查询中表现出良好的性能。最后,本文通过HOLAP系统架构下的查询规划方法、查询解释机制、形式化多维立方体构建方法、聚集缓存机制、支持Hive的MDX查询,并嵌入形式化方法的构建算法进行详细设计和实现。经过测试,本系统具有良好的性能,达到了预期的设计目标。(本文来源于《电子科技大学》期刊2016-10-17）
王德文,周青[7]（2016）在《一种电力设备状态监测大数据的分布式联机分析处理方法》一文中研究指出电力设备状态监测大数据分析是一个热点研究课题,对保障电力设备的安全稳定运行具有重要意义。联机分析处理(on-line analytical processing,OLAP)可以多角度、快速存取与分析数据,是实现电力设备状态监测大数据分析的一种重要技术手段。通过分析大数据环境下的OLAP技术,设计一种电力设备状态监测大数据分析平台,给出3种分布式数据分析方案,包括基于Hive的关系型联机分析、基于Impala的关系型联机分析和基于HBase的多维联机分析。分布式关系型联机分析虽然在一定程度上满足电力企业的需求,但其数据模型中表之间频繁的连接操作,导致其出现性能瓶颈。针对分布式关系型联机分析数据模型连接操作开销大、查询速度慢等问题,提出了基于无连接层次编码的电力设备状态监测数据模型,对常规数据模型进行改进,把维表的层次信息进行编码存储到事实表中,减少连接操作,以优化性能。采用Hive和Impala等大数据分析工具,在不同规模监测数据集上对本模型的数据加载、上卷操作、存储开销等方面进行实验测试。实验结果表明,数据加载速度约是常规模型的42%,上卷执行时间比常规数据模型缩短40%至49%,存储开销大约比常规星型模型减少37%,验证了本方法的有效性与可行性,给电力设备状态监测大数据分析带来一种新的思路。(本文来源于《中国电机工程学报》期刊2016年19期）
刘馨蕊,任凤玉,雷国平[8]（2016）在《领域本体驱动下企业联机分析处理系统应用研究》一文中研究指出传统联机分析处理(OLAP)系统存在着形式化业务知识参与不足的状况,对深度推理分析造成了制约和局限。为了克服上述缺点,提出一种领域本体驱动的OLAP系统构建方法。首先,通过分析现有本体构建方法的局限性,依托实体类多特征加权相似度判断算法,提出先全局设计后局部抽取的半自动本体构建模式,实现矿山生产领域知识形式化;接着在此基础上,以矿山生产能力关键指标为度量,完成负载业务概念多维本体(MDO)建模;最后,在实际矿山决策系统项目建设中,进行了方法检验。实验结果表明,该方法充分发挥领域本体形式化表达与推理优势,有效整合多源异构信息和明晰多维分析过程,实现内隐知识与关联规则深度挖掘;同时借助高频通用概念视图定义,避免重复维度建模,改进了传统OLAP效能。(本文来源于《计算机应用》期刊2016年01期）
朱绫,曾立波,刘均堂,童华,曾煌[9]（2015）在《WD-2电镜联机图像处理与分析》一文中研究指出本研究将数字图像技术、计算机技术和电子显微技术等结合起来,用以改善电镜图像质量和对显微结构进行定量分析及分形分析。采用自行研制的慢扫描接口与通用微机连接,不用帧存储器,实现了扫描电镜图像的快速采集和返回电镜照相,极适合于生物样品和不耐电子束轰击的样品的记录和分析。与国内现有技术相比,图像空间分辨率大大提高,达到2048×2048;软件功能丰富,除了具有通用图像系统(本文来源于《中国分析测试协会科学技术奖发展回顾》期刊2015-07-01）
陆瑞明[10]（2015）在《面向加油卡数据仓库的联机分析处理的探讨》一文中研究指出对于石油销售企业来说,每天企业下属各加油站加油卡的使用都在不断产生交易数据,如何对这些海量数据进行有效挖掘处理成了目前业界的研究热点。本文则为关于加油卡大数据应用提供了一种业界最流行的方法:首先搭建一个数据存储系统,称为数据仓库,能存储海量历史数据;然后,在数据仓库的基础上,引入联机分析处理(OLAP),根据业务部门的不同需求给出各自所需的结果,也供企业高层管理人员进行决策使用。(本文来源于《软件产业与工程》期刊2015年03期）
联机分析处理论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为了分析多个实验要素或实验因子与实验结果之间的因果关系,从而探索作战问题规律,研究基于联机分析处理技术(OLAP)的实验数据分析方法。基于实验要素分析的几类需求,提出基于OLAP的探索分析方法,并进行了详细论述说明,然后通过将该方法应用于解决电子对抗作战部署的要素分析,展示具体运用方法。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
联机分析处理论文参考文献
[1].张志琪.联机分析处理技术在生物医学领域的发展[J].医疗装备.2019
[2].耿松涛,操新文,李晓宁,原晓波.基于联机分析处理技术的实验数据分析方法[J].火力与指挥控制.2018
[3].俞东进,倪智勇,孙景超.支持联机分析处理的推特用户兴趣维层次提取方法[J].电子与信息学报.2017
[4].胡德胜,赵倩,林建泉.多联机空调系统新风处理方式的对比分析[J].建筑热能通风空调.2017
[5].周高典,汪新庆.地质云平台及地质大数据的联机分析处理[C].第十五届全国数学地质与地学信息学术研讨会论文集.2016
[6].赵艳艳.基于Hadoop的联机分析处理系统关键技术研究[D].电子科技大学.2016
[7].王德文,周青.一种电力设备状态监测大数据的分布式联机分析处理方法[J].中国电机工程学报.2016
[8].刘馨蕊,任凤玉,雷国平.领域本体驱动下企业联机分析处理系统应用研究[J].计算机应用.2016
[9].朱绫,曾立波,刘均堂,童华,曾煌.WD-2电镜联机图像处理与分析[C].中国分析测试协会科学技术奖发展回顾.2015
[10].陆瑞明.面向加油卡数据仓库的联机分析处理的探讨[J].软件产业与工程.2015
论文知识图
