數(shù)據(jù)挖掘-商務(wù)智能與數(shù)據(jù)挖掘概述

數(shù)據(jù)挖掘理論與應(yīng)用yeqiang@SAP成立于1972年，總部位于德國沃爾多夫市是全球最大的企業(yè)管理軟件供應(yīng)商、全球最大ERP軟件商，全球第三大獨立軟件供應(yīng)商FortuneGlobal500企業(yè)80%是SAP的用戶。ORACLE公司成立于1977年，總部位于美國加州，全球第二大獨立軟件供應(yīng)商和第二大ERP軟件供應(yīng)商，1998年Oracle宣布大舉進軍應(yīng)用軟件市場What’sthesame？BusinessIntelligenceIDC的一項研究表明北美企業(yè)紛紛轉(zhuǎn)向商務(wù)智能工具的開發(fā)和應(yīng)用。商業(yè)智能軟件市場方興未艾，為低迷的IT產(chǎn)業(yè)帶來一束曙光。根據(jù)弗瑞斯特研究中心（ForresterResearch）的調(diào)查發(fā)現(xiàn)，去年底有44％的企業(yè)表示，計劃在今年購買BI軟件。另外，據(jù)IDC提供的數(shù)據(jù)，在五年之內(nèi)，商業(yè)智能市場規(guī)模將從現(xiàn)在的55億美元擴大到157億美元。正是看到了BI市場的巨大“錢途”，一些IT服務(wù)提供商紛紛推出自己的BI軟件，如Oracle、微軟、IBM公司、國內(nèi)的金碟公司等均大力開發(fā)和推廣BI軟件。與此同時，一些商業(yè)企業(yè)、制造企業(yè)也在積極應(yīng)用BI軟件，為其決策提供有價值的服務(wù)。研究生選題美孚公司的客戶分析美孚石油公司畢馬威KPMG參考書：JiaweiHan,MichelineKambr.數(shù)據(jù)挖掘——概念與技術(shù)（影印版）.高等教育出版社,2001.5(英文)韓家煒,MichelineKambr.數(shù)據(jù)挖掘——概念與技術(shù).機械工業(yè)出版社,2001.8（中譯本）MargaretH.Dunham.數(shù)據(jù)挖掘教程.清華大學(xué)出版社。2003(英文)史忠植.知識發(fā)現(xiàn).清華大學(xué)出版社,2002.陳文偉，黃金才.數(shù)據(jù)倉庫與數(shù)據(jù)挖掘.人民郵電出版社，2004OliviaParrRud.數(shù)據(jù)挖掘?qū)嵺`.機械工業(yè)出版社.2003邢文訓(xùn).現(xiàn)代優(yōu)化計算方法.清華大學(xué)出版社,1999.閻平凡、張長水.人工神經(jīng)網(wǎng)絡(luò)與模擬進化計算.清華大學(xué)出版社,2000劉勇、康立山、陳毓屏.非數(shù)值并行算法——遺傳算法.科學(xué)出版社,2000MISQ(MISQuarterly)ISR

(InformationSystemResearch)CACM(CommunicationoftheACM)MS

(ManagementScience)JMIS(JournalofManagementInformationSystems)AI(ArtificialIntelligence)DSI(DecisionScience)HBR(HarvardBusinessReview)IEEETrans(IEEETransactions)AIMag(AIMagazine)EJIS(EuropeanJournalofInformationSystems)DSS(DecisionSupportSystems)RankingofMISJournalsJournalsofDataMining

DataMiningandKnowledgeDiscovery(DMKD,since1997)SCI（2.8）Springer

Machinelearning(SCI3.258)MonthlySpringerIEEETransactionsonKnowledgeandDataEngineering(TKDE)SCI(1.243)KnowledgeandInformationSystems(KAIS,since1999)SCISpringerManyothers,…DSS、ISRDATA&KNOWLEDGEENGINEERINGACMTransactiononInformationSystemsACMTransactionsonDatabaseSystemsACMTransactionsonKnowledgeDiscoveryfromData(TKDD)國際會議SIGKDD(InternationalConferenceonKnowledgeDiscoveryandDataMining,ACMSIGKDD,2006August23-26,Philadelphia）SIGMOD(SpecialInterestGrouponManagementOfData,ACMSIGMOD,AssociationforComputingMachinery,June2006,Chicago)ICIS(InternationalConferenceonInformationSystems,AIS)HICSS

（HawaiiInternationalConferenceonSystemScience,IEEE）/在線直播——HanJiawei（韓家煒）1商務(wù)智能概述商務(wù)智能的含義商務(wù)智能（BusinessIntelligence,縮寫為BI）指利用計算機及計算機網(wǎng)絡(luò)，從商業(yè)數(shù)據(jù)存儲中提取與分析企業(yè)關(guān)注信息的智能化的數(shù)據(jù)分析處理系統(tǒng)。

商務(wù)智能的提出——九十年代末，美國商務(wù)智能的核心技術(shù)

數(shù)據(jù)倉庫DW

,在線分析處理OLAP,數(shù)據(jù)挖掘DMBI—BusinessIntelligence

DW—DataWarehousing

OLAP—On-LineAnalyticalProcessing

DM

—DataMining

ArchitectureofBusinessIntelligenceSystem

(WonKim,19982ndWorldwideComputingandit’sApplications)BusinessIntelligenceApplicationsDataminingengineOLAPengineDataWarehouse/DataMartBasedataBasedataBasedata1）數(shù)據(jù)倉庫為滿足管理決策中的數(shù)據(jù)需求，W.H.Inmon，在1992最先提出了數(shù)據(jù)倉庫的概念。按照Inmon的定義，數(shù)據(jù)倉庫是面向主題的、集成的、穩(wěn)定的、不同時間的數(shù)據(jù)集合，用于支持經(jīng)營管理的決策制定過程。目前已經(jīng)成為企業(yè)級決策系統(tǒng)的重要組成部分。產(chǎn)品1產(chǎn)品2數(shù)據(jù)倉庫的多維模型1季度地區(qū)維產(chǎn)品維時間維2季度3季度4季度關(guān)系型數(shù)據(jù)模型（二維）多維數(shù)據(jù)模型：星型：事實表（中心表），附屬表（維表）雪花型星云型ExampleofStarSchema

time_keydayday_of_the_weekmonthquarteryeartimelocation_keystreetcitystate_or_provincecountrylocationSalesFactTable

time_key

item_key

branch_key

location_key

units_sold

dollars_sold

avg_salesMeasuresitem_keyitem_namebrandtypesupplier_typeitembranch_keybranch_namebranch_typebranchExampleofSnowflakeSchematime_keydayday_of_the_weekmonthquarteryeartimelocation_keystreetcity_keylocationSalesFactTable

time_key

item_key

branch_key

location_key

units_sold

dollars_sold

avg_salesMeasuresitem_keyitem_namebrandtypesupplier_keyitembranch_keybranch_namebranch_typebranchsupplier_keysupplier_typesuppliercity_keycitystate_or_provincecountrycityExampleofFactConstellationtime_keydayday_of_the_weekmonthquarteryeartimelocation_keystreetcityprovince_or_statecountrylocationSalesFactTabletime_key

item_key

branch_key

location_key

units_sold

dollars_sold

avg_salesMeasuresitem_keyitem_namebrandtypesupplier_typeitembranch_keybranch_namebranch_typebranchShippingFactTabletime_key

item_key

shipper_key

from_location

to_location

dollars_cost

units_shippedshipper_keyshipper_namelocation_keyshipper_typeshipper2）OLAP

為滿足基于大型數(shù)據(jù)庫的復(fù)雜查詢、決策分析等需求，彌補OLTP（On-LineTransactionProcessing,在線事務(wù)處理）在功能上的不足，90年代初出現(xiàn)了OLAP技術(shù)（E.F.Codd，1993），目前OLAP已經(jīng)成為大部分?jǐn)?shù)據(jù)倉庫的重要分析工具。多維數(shù)據(jù)模型上的OLAP操作上卷（roll-up)下鉆（drill-down)切片（dice)切塊（slice)旋轉(zhuǎn)（rotate),旋軸（pivot）產(chǎn)品1產(chǎn)品2多維數(shù)據(jù)模型上的操作1季度地區(qū)維產(chǎn)品維時間維2季度3季度4季度<OLAP演示>3）數(shù)據(jù)挖掘查詢驅(qū)動的OLAP可以按要求將數(shù)據(jù)展示在決策者面前，卻無法自動發(fā)現(xiàn)潛藏在數(shù)據(jù)中的有用信息，大大降低了數(shù)據(jù)的使用價值。為實現(xiàn)對潛藏信息的自動發(fā)掘，90年代中期，出現(xiàn)了數(shù)據(jù)挖掘技術(shù)（DataMining）。數(shù)據(jù)挖掘是源于KDD（KnowledgeDiscoveryinDatabase,數(shù)據(jù)庫中的知識發(fā)現(xiàn)）的一項以人工智能為基礎(chǔ)的數(shù)據(jù)分析技術(shù)，其主要功能是在大量數(shù)據(jù)中自動發(fā)現(xiàn)潛在有用的知識，這些知識可以被表示為概念、規(guī)則、規(guī)律、模式等。2數(shù)據(jù)挖掘概述WhatMotivatedDataMining?Themajorreasonthatdatamininghasattractedagreatdealofattentionintheinformationindustryinrecentyearsisduetothewideavailabilityofhugeamountsofdataandtheimminentneedforturningsuchdataintousefulinformationandknowledge.尿布與啤酒的故事全球連鎖零售巨頭沃爾瑪公司ＮＣＲ公司Teradata（數(shù)據(jù)倉庫）事業(yè)部，提供數(shù)據(jù)倉庫系統(tǒng)DataCollectionandDatabaseCreation(1960sandearlier)-primitivefileprocessingDatabaseManagementSystems(1970-1980s)-Hierarchicalandnetworkdatabasesystems-Relationaldatabasesystems-Indexinganddataorganizationtechniques:B+tree,hashingtree-Querylanguage:SQL,etc.-OLTPAdvancedDatabaseSystems(mid-1980s~present)-ObjectOriented-object-relational-Application-oriented:spatial,temporalWeb-basedDatabasesSystems(1990s-present)-XML-baseddatabasesystems-webminingDataWarehousingandDataMining(late1980s-present)-datawarehouseandOLAPtechnology-DataminingandknowledgediscoveryNewGenerationofIntegratedInformationSystems(2000-…)TheevolutionofdatabasetechnologyWhat’sDataMining?DataMiningreferstoextractingor“mining”Knowledgefromlargeamountofdata.Handetal.(2000)：“Dataminingistheprocessofseekinginterestingorvaluableinformationinlargedatabases.（數(shù)據(jù)挖掘是一種在大型數(shù)據(jù)庫中尋找你感興趣或是有價值信息的過程。）”DataMiningandKDDDataminingisastepofKDD?DataminingisKDD?DataMining:AKDDProcessDatamining:coreofknowledgediscoveryprocessDataCleaningDataIntegrationDatabasesDataWarehouseKnowledgeTask-relevantDataSelectionDataMiningPatternEvaluationDataMiningandBusinessIntelligence

IncreasingpotentialtosupportbusinessdecisionsDecisionmakerBusinessAnalyst

DataAnalystDBA

MakingDecisionsDataPresentationVisualizationTechniquesDataMiningInformationDiscoveryDataExplorationOLAPStatisticalAnalysis,QueryingandReportingDataWarehouses/DataMartsDataSourcesFiles,InformationProviders,DatabaseSystems,OLTPDataminingisaconfluenceofmultipledisciplinesDatabasetechnologyStatisticsMachinelearningOtherdisciplinesVisualizationDataMiningInformationscienceClassificationofDataMiningSystemsCriteria:ThekindsofdatabasesminedThekindsofknowledgeminedThekindsoftechniquesutilizedTheapplicationsadaptedClassificationaccordingtothekindsofdatabaseminedDatamodels:RelationalDataMiningObject-orientedDataMiningObject-relationalDataMiningDatawarehouseDataMiningTypesofdata:SpatialDataMiningTime-seriesDataMiningTextDataMiningMultimediaDataMiningWebDataMiningClassificationaccordingtothekindsofknowledgeminedDMforcharacterizationknowledgeDMfordiscriminationknowledgeDMforassociationknowledgeDMforclassificationknowledgeDMforclusteringknowledgeDMforoutlieranalysisDMforevolutionanalysisClassificationaccordingtothekindsoftechniquesutilizedMachinelearningStatisticsVisualizationPatternrecognitionNeuralnetworksGeneticAlgorithmClassificationaccordingtotheapplicationsadaptedFinanceSalesdataminingTelecommunicationsDNAsequenceanalysisStockmarketsanalysisE-mailprocessing……DatapreprocessingDatacleaningMissingvalues;NoisyData;InconsistentdataDataintegrationandtransformationThemergingofdatafrommultipledatastoresTransformintotheformsappropriateforminingDatareductionDatacubeaggregation;dimensionalityreduction;datacompression;numerosityreductionDiscretizationandconceptHierarchyGenerationallComputeraccessoryprintersoftwarecomputerWristpadmouseb/wcolorapplicationOSlaptopdesktopIBM…HPMicrosoftToshibaAconcepthierarchyPatternevaluation–InterestingMeasuresSimplicityRulelength(conjunctionnormalform)CertaintyConfidenceUtilitySupportNoveltyPresentationofdiscoveredpatternsRulesTableCrosstabPiechartBarchartDatacubeNeuralnetworkDecisiontreeRevealedPreferencedataAlldataminingusesRPdataRevealedpreferencetheory,pioneeredbyAmerican

economist

PaulSamuelson,isamethodbywhichitispossibletodiscernthebestpossibleoptiononthebasisofconsumerbehavior.Essentially,thismeansthatthepreferencesofconsumerscanberevealedbytheirpurchasinghabits.Revealedpreferencetheorycameaboutbecausethetheoriesofconsumerdemandwerebasedonadiminishingmarginalrateofsubstitution(MRS).ThisdiminishingMRSisbasedontheassumptionthatconsumersmakeconsumptiondecisionsbasedontheirintenttomaximizetheirutility.Whileutilitymaximizationwasnotacontroversialassumption,theunderlyingutilityfunctionscouldnotbemeasuredwithgreatcertainty.Revealedpreferencetheorywasameanstoreconciledemandtheorybycreatingameanstodefineutilityfunctionsbyobservingbehavior.第一節(jié)活塞式空壓機的工作原理第二節(jié)活塞式空壓機的結(jié)構(gòu)和自動控制第三節(jié)活塞式空壓機的管理復(fù)習(xí)思考題單擊此處輸入你的副標(biāo)題，文字是您思想的提煉，為了最終演示發(fā)布的良好效果，請盡量言簡意賅的闡述觀點。第六章活塞式空氣壓縮機

piston-aircompressor壓縮空氣在船舶上的應(yīng)用：

1.主機的啟動、換向；

2.輔機的啟動；

3.為氣動裝置提供氣源；

4.為氣動工具提供氣源；

5.吹洗零部件和濾器。

排氣量:單位時間內(nèi)所排送的相當(dāng)?shù)谝患壩鼩鉅顟B(tài)的空氣體積。單位：m3/s、m3/min、m3/h第六章活塞式空氣壓縮機

piston-aircompressor空壓機分類：按排氣壓力分：低壓0.2～1.0MPa；中壓1～10MPa；高壓10～100MPa。按排氣量分：微型<1m3/min；小型1～10m3/min；中型10～100m3/min；大型>100m3/min。第六章活塞式空氣壓縮機

piston-aircompressor第一節(jié)活塞式空壓機的工作原理容積式壓縮機按結(jié)構(gòu)分為兩大類：往復(fù)式與旋轉(zhuǎn)式兩級活塞式壓縮機單級活塞壓縮機活塞式壓縮機膜片式壓縮機旋轉(zhuǎn)葉片式壓縮機最長的使用壽命-

----低轉(zhuǎn)速（1460RPM），動件少（軸承與滑片），潤滑油在機件間形成保護膜，防止磨損及泄漏，使空壓機能夠安靜有效運作；平時有按規(guī)定做例行保養(yǎng)的JAGUAR滑片式空壓機，至今使用十萬小時以上，依然完好如初，按十萬小時相當(dāng)于每日以十小時運作計算，可長達33年之久。因此，將滑片式空壓機比喻為一部終身機器實不為過?；?葉)片式空壓機可以365天連續(xù)運轉(zhuǎn)并保證60000小時以上安全運轉(zhuǎn)的空氣壓縮機1.進氣2.開始壓縮3.壓縮中4.排氣1.轉(zhuǎn)子及機殼間成為壓縮空間，當(dāng)轉(zhuǎn)子開始轉(zhuǎn)動時，空氣由機體進氣端進入。2.轉(zhuǎn)子轉(zhuǎn)動使被吸入的空氣轉(zhuǎn)至機殼與轉(zhuǎn)子間氣密范圍，同時停止進氣。3.轉(zhuǎn)子不斷轉(zhuǎn)動，氣密范圍變小，空氣被壓縮。4.被壓縮的空氣壓力升高達到額定的壓力后由排氣端排出進入油氣分離器內(nèi)。4.被壓縮的空氣壓力升高達到額定的壓力后由排氣端排出進入油氣分離器內(nèi)。1.進氣2.開始壓縮3.壓縮中4.排氣1.凸凹轉(zhuǎn)子及機殼間成為壓縮空間，當(dāng)轉(zhuǎn)子開始轉(zhuǎn)動時，空氣由機體進氣端進入。2.轉(zhuǎn)子轉(zhuǎn)動使被吸入的空氣轉(zhuǎn)至機殼與轉(zhuǎn)子間氣密范圍，同時停止進氣。3.轉(zhuǎn)子不斷轉(zhuǎn)動，氣密范圍變小，空氣被壓縮。螺桿式氣體壓縮機是世界上最先進、緊湊型、堅實、運行平穩(wěn)，噪音低，是值得信賴的氣體壓縮機。螺桿式壓縮機氣路系統(tǒng)：

A

進氣過濾器

B

空氣進氣閥

C

壓縮機主機

D

單向閥

E

空氣/油分離器

F

最小壓力閥

G

后冷卻器

H

帶自動疏水器的水分離器油路系統(tǒng)：

J

油箱

K

恒溫旁通閥

L

油冷卻器

M

油過濾器

N

回油閥

O

斷油閥冷凍系統(tǒng)：

P

冷凍壓縮機

Q

冷凝器

R

熱交換器

S

旁通系統(tǒng)

T

空氣出口過濾器螺桿式壓縮機渦旋式壓縮機

渦旋式壓縮機是20世紀(jì)90年代末期開發(fā)并問世的高科技壓縮機，由于結(jié)構(gòu)簡單、零件少、效率高、可靠性好，尤其是其低噪聲、長壽命等諸方面大大優(yōu)于其它型式的壓縮機，已經(jīng)得到壓縮機行業(yè)的關(guān)注和公認(rèn)。被譽為“環(huán)保型壓縮機”。由于渦旋式壓縮機的獨特設(shè)計，使其成為當(dāng)今世界最節(jié)能壓縮機。渦旋式壓縮機主要運動件渦卷付，只有磨合沒有磨損，因而壽命更長，被譽為免維修壓縮機。

由于渦旋式壓縮機運行平穩(wěn)、振動小、工作環(huán)境安靜，又被譽為“超靜壓縮機”。

渦旋式壓縮機零部件少，只有四個運動部件,壓縮機工作腔由相運動渦卷付形成多個相互封閉的鐮形工作腔，當(dāng)動渦卷作平動運動時，使鐮形工作腔由大變小而達到壓縮和排出壓縮空氣的目的?；钊娇諝鈮嚎s機的外形第一節(jié)活塞式空壓機的工作原理一、理論工作循環(huán)（單級壓縮）工作循環(huán)：4—1—2—34—1吸氣過程

1—2壓縮過程

2—3排氣過程第一節(jié)活塞式空壓機的工作原理一、理論工作循環(huán)（單級壓縮）

壓縮分類：絕熱壓縮：1—2耗功最大等溫壓縮：1—2''耗功最小多變壓縮：1—2'耗功居中功＝P×V（PV圖上的面積）加強對氣缸的冷卻，省功、對氣缸潤滑有益。二、實際工作循環(huán)（單級壓縮）1.不存在假設(shè)條件2.與理論循環(huán)不同的原因：1）余隙容積Vc的影響Vc不利的影響—殘存的氣體在活塞回行時，發(fā)生膨脹，使實際吸氣行程（容積）減小。Vc有利的好處—

（1）形成氣墊，利于活塞回行；（2）避免“液擊”（空氣結(jié)露）；（3）避免活塞、連桿熱膨脹，松動發(fā)生相撞。第一節(jié)活塞式空壓機的工作原理表征Vc的參數(shù)—相對容積C、容積系數(shù)λv合適的C：低壓0.07-0.12

中壓0.09-0.14

高壓0.11-0.16

λv＝0.65—0.901）余隙容積Vc的影響C越大或壓力比越高，則λv越小。保證Vc正常的措施：余隙高度見表6-1壓鉛法—保證要求的氣缸墊厚度2.與理論循環(huán)不同的原因：二、實際工作循環(huán)（單級壓縮）第一節(jié)活塞式空壓機的工作原理2）進排氣閥及流道阻力的影響吸氣過程壓力損失使排氣量減少程度，用壓力系數(shù)λp表示：保證措施：合適的氣閥升程及彈簧彈力、管路圓滑暢通、濾器干凈。λp

（0.90-0.98）2.與理論循環(huán)不同的原因：二、實際工作循環(huán)（單級壓縮）第一節(jié)活塞式空壓機的工作原理3）吸氣預(yù)熱的影響由于壓縮過程中機件吸熱，所以在吸氣過程中，機件放熱使吸入的氣體溫度升高，使吸氣的比容減小，造成吸氣量下降。預(yù)熱損失用溫度系數(shù)λt來衡量（0.90-0.95）。保證措施：加強對氣缸、氣缸蓋的冷卻，防止水垢和油污的形成。2.與理論循環(huán)不同的原因：二、實際工作循環(huán)（單級壓縮）第一節(jié)活