Дипломы, курсовые, рефераты, контрольные...
Срочная помощь в учёбе

Алгоритмы проектирования систем многомерного анализа данных, основанных на OLAP технологии

Диссертация: Алгоритмы проектирования систем многомерного анализа данных, основанных на OLAP технологии
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

В диссертации разработан новый подход к построению архитектуры (клиент-серверных OLAP приложений. Этот подход основан на применении комбинированных запросов с участием как локальноготак и центрального OLAP серверов. Стоит отметить, что этот подход отличается от полностью автономной работы тем, что позволяет обращаться к большим объемам информации без существенного увеличения времени выполнения… Читать ещё >

Содержание

  • Глава 1. Проблема адаптивного анализа данных в OLAP технологии
    • 1. 1. Цели и задачи развития OLAP технологии для автоматизированного проектирования многомерной обработки данных
    • 1. 2. Понятия интерактивной аналитической обработки данных
    • 1. 3. Классификация OLAP систем
    • 1. 4. Совместное использование OLAP и OLTP систем
    • 1. 5. Современные подходы к формальному описанию OLAP систем
    • 1. 6. Программные реализации технологии автоматизированного проектирования систем аналитической обработки данных
    • 1. 7. Проблемы применения OLAP технологии для принятия управленческих решений
  • Основные результаты
  • Глава 2. Формальное описание адаптивных OLAP систем
    • 2. 1. Основные понятия теории алгебраических систем и теории реляционных баз данных
    • 2. 2. Алгебраическое описание гиперкуба OLAP систем
    • 2. 3. Операции над многомерными кубами
    • 2. 4. Декомпозиция данных в OLAP системах
    • 2. 5. Регулярная структура систем автоматизированного проектирования аналитической обработки данных
    • 2. 6. Модель пользователя OLAP систем
  • Основные результаты
  • Глава 3. Автоматизированное проектирование и оптимизация многомерных структур в OLAP системах
    • 3. 1. Обзор основных архитектур OLAP систем
    • 3. 2. Основные принципы реализации системы автоматизированного проектирования аналитической обработки данных
    • 3. 3. Принципы реализации модуля декомпозиции данных в OLAP системах
    • 3. 4. Проектирование подсистемы построения регулярных структур
  • Основные результаты
  • Глава 4. Принципы программной реализации адаптивных систем автоматизированного проектирования многомерного анализа данных в программной системе CuDBIS
    • 4. 1. Средства визуализации в системе CuDBIS
    • 4. 2. Интерфейсы взаимодействия модулей в системе CuDBIS
    • 4. 3. Использование технологии клиент-сервер в системе CuDBIS
    • 4. 4. Практические результаты реализации алгоритмов OLAP преобразований
  • Основные результаты

Алгоритмы проектирования систем многомерного анализа данных, основанных на OLAP технологии (реферат, курсовая, диплом, контрольная)

Актуальность работы. Современный уровень развития аппаратных и программных средств сделал возможным повсеместное ведение баз данных оперативной информации на разных уровнях управления предприятием. Однако накопления оперативной информации недостаточно для получения релевантной информации, позволяющей руководителю принимать важные управленческие решения и формировать стратегию развития предприятия на основе ключевых показателей. Решение данной проблемы видится ученым во внедрении OLAP технологии [1]. OLAP — технология обработки информации, позволяющая агрегировать информацию из нескольких источников данных в виде многомерных представлений, а также выполнять аналитические запросы пользователя, включая составление и динамическую генерацию отчетов .

Суть этой технологии заключается в формировании единого источника информации, содержащего" согласованные и непротиворечивые данные, полученные в ходе извлечения, преобразования и переработки данных из баз данных, содержащих накопленную к текущему моменту оперативную информацию. Как правило, OLAP системы содержат не все данные из систем оперативной обработки данных, а только те, которые имеют отношение к основным ключевым показателям, характеризующим деятельность предприятия. Весомые результаты в работах по OLAP системам связаны с такими учеными, как Н. Караянидис, Д. Педерсен, Р. Агравал, М. Гольфарелли, Р. Торлоне, Д. В. Ивлев, П. П. Ишенин, А. К. Дорожкин.

Основоположниками технологии OLAP систем являются Б. Инмон, Р. Кимбалл, Э. Кодд, которые сформулировали базовые общепринятые концепции и понятия. В отличие от реляционных баз данных, где выработана четкая терминология, в области OLAP систем не существует единого стандарта ни на модель данных, ни на язык запросов, ни на программный интерфейс взаимодействия с этими системами.

В рамках OLAP технологии различными группами специалистов разработано большое количество программных продуктов, реализующих многомерную модель данных. Среди этих продуктов можно выделить OLAP Option to Oracle Database фирмы Oracle, Microsoft Analysis Services фирмы Microsoft, Palo фирмы Jedox, Mondrian фирмы Pentaho. Стоит отметить, что удобство использования конечной системы, ее масштабируемость, производительность и функциональность зависят от средств, предназначенных для автоматизированного проектирования такого рода систем. Опыт разработки систем и эксплуатации реальных продуктов для автоматизированного проектирования позволил выявить следующие проблемы, решение которых является наиболее актуальным.

1. Отсутствие адаптивной подстройки под конкретного пользователя. Аналитические системы, созданные на базе OLAP технологии, строятся на основе предметно-ориентированного подхода, то есть для решения конкретных задач пользователя. При первоначальном проектировании аналитической системы невозможно учесть все интересы пользователей, что приводит к созданию избыточных для конкретного пользователя структур хранения данных. Несмотря на большое количество отчетов, получаемых с помощью OLAP технологии, пользователя, в зависимости от текущей ситуации, интересует ограниченный набор срезов. Существующие системы не учитывают это обстоятельство, в результате чего время, необходимое для принятия решения, существенно увеличивается.

2. Невысокая масштабируемость по количеству пользователей. Под масштабируемостью будем понимать функцию, описывающую зависимость характеристики производительности (время выполнения запроса, пропускная способность) от размеров системы (количества оборудования, объема хранения данных, количества поступающих запросов). Применение OLAP технологии решает проблему невысокой производительности систем оперативной обработки данных при выполнении запросов на выборку из большого количества таблиц. Однако количество пересылаемых данных в клиент-серверной 5 архитектуре аналитических систем остается большим, что приводит к резкому увеличению времени выполнения запроса при увеличении количества запросов пользователей.

Сложность решения этих проблем является причиной существенных временных задержек при выполнении аналитических запросов пользователя OLAP систем, обрабатывающих большие объемы данных. Решение этих проблем связано с необходимостью получения новых модификаций формализмов, позволяющих более равномерно распределить нагрузку в клиент-серверной архитектуре, содержащей OLAP сервер. Одному из подходов к решению этих проблем посвящена настоящая диссертация.

Цель и задачи работы. Целью диссертации является разработка и исследование формализмов, позволяющих уменьшить время выполнения запросов пользователя за счет адаптивной подстройки системы под изменяющиеся интересы пользователя.

С учетом цели, основными задачами кандидатской^ диссертации являются:

1) разработка математического формализма, позволяющего адекватно описывать гиперкубы OLAP систем и операции над многомерными кубами;

2) разработка алгоритмов преобразования многомерного куба к регулярной структуре для автоматизации внесения корректных изменений в гиперкуб;

3) разработка модели пользователя, позволяющей учитывать интересы различных групп пользователей, выделяя для них соответствующие подкубы;

4) разработка алгоритма декомпозиции многомерного куба на основе предложенных формализмов;

5) разработка новой архитектуры OLAP систем, учитывающей принципы декомпозиции и кластеризации данных на основе пользовательских интересов;

6) программная реализация алгоритмов проектирования систем многомерного анализа данных.

Методы исследования. В работе использовались теория алгебраических систем, теория реляционных баз данных, методы объектно-ориентированного проектирования.

Научная новизна. Научная новизна работы состоит в следующем.

1. Разработан новый математический формализм для систем многомерного анализа данных на основе понятий базового и многомерного куба. Основным преимуществом формализма является произвольная последовательность выполнения операций трансформации куба для получения результатов запроса пользователя без необходимости выполнения объединения с другими кубами.

2. Разработаны алгоритмы преобразования многомерного куба к регулярной структуре, что позволяет производить анализ данных для различных систем классификации, избегая множественного наследования.

3. Разработан алгоритм декомпозиции данных, предназначенный для автоматизации проектирования OLAP систем, их функционального сравнения и оптимизации.

4. Разработан алгоритм кластеризации моделей пользователей по интересам, с помощью которого можно определить близость интересов различных пользователей, а также их общие интересы.

5. Разработана новая архитектура OLAP систем. Основным преимуществом архитектуры является снижение количества запросов пользователей к центральному серверу и сокращение времени выполнения запросов пользователя.

Основные положения, выносимые на защиту.

1. Новый формализм описания многомерных кубов OLAP систем на основе понятия «базового куба».

2. Алгоритм иерархической декомпозиции многомерного куба OLAP систем.

3. Алгоритм устранения несбалансированности иерархии измерений куба.

Практическая значимость работы. На основе разработанных теоретических результатов были получены алгоритмы проектирования регулярных структур многомерной модели данных, а также разработаны принципы комбинированного выполнения запросов к OLAP серверу. Эффект от внедрения этих принципов выражается в сокращении интенсивности запросов к центральному серверу до 30% и уменьшении времени выполнения запросов пользователя в среднем на 40%.

Результаты диссертации нашли отражение в реальной программной системе CuDBIS v. 1.02, предназначенной для оптимизации структуры многомерного куба. Система CuDBIS v. 1.02 была реализована в среде ActiveS-tate Komodo 5.1.3 с использованием языков PHP и Javascript.

Реализация и внедрение результатов. Результаты исследования внедрены в форме информационно-аналитического интернет-сервиса в ООО «Интертех», специализирующемся на продаже потребительской электроники, аудио-, видеои бытовой техники, а также в учебный процесс Рязанского государственного радиотехнического университета при подготовке и выполнении практических занятий студентами специальностей 230 105 «Программное обеспечение вычислительной техники и автоматизированных систем» по дисциплине «Объектно-ориентированное программирование» и 80 801 «Прикладная информатика (в экономике)» по дисциплине «Высокоуровневые методы программирования».

Программное средство, разработанные автором диссертации, зарегистрировано в федеральном государственном учреждении «Федеральный институт промышленной собственности Федеральной службы по интеллектуальной собственности, патентам и товарным знакам» (ФГУ ФИПС).

Апробация работы. Основные результаты работы были представлены на двух международных, пяти всероссийских конференциях.

1. МНТК «Проблемы передачи и обработки информации в сетях и системах телекоммуникаций». Рязань, РГРТА, 2005 г.

2. МНТК «Проблемы передачи и обработки информации в сетях и системах телекоммуникаций». Рязань, РГРТУ, 2008 г.

3. Всероссийская НТК «Новые информационные технологии в научных исследованиях и образовании». Рязань, РГРТУ, 2008 г.

4. Всероссийская НМК «Методы обучения и организация учебного процесса в вузе». Рязань, РГРТУ, 2009 г.

5. Всероссийская заочная НТК «Информационные технологии в науке, проектировании и производстве». Нижний Новгород, 2009 г.

6. Всероссийская НПК «Информационные технологии в науке, экономике и образовании». Бийск, Бийский технологический институт, 2009 г.

7. Всероссийская НТК «Научная сессия ТУСУР-2009». Томск, Томский государственный университет систем управления и радиоэлектроники, 2009 г.

Публикации. По теме диссертации было опубликовано 14 научных работ, из них 7 тезисов докладов международных и всероссийских конференций, 4 статьи в межвузовских сборниках, 2 статьи в журналах из списка ВАК, одно свидетельство об официальной регистрации программы.

Основные результаты настоящей диссертации заключаются в следующем.

1. Проанализированы современные подходы формального описания OLAP систем.

2. Проведен обзор программных продуктов, реализующих технологию многомерного анализа данных. Выявлены их общие недостатки.

3. Разработана универсальная прикладная алгебра-гиперкубов OLAP систем, позволяющая адекватно описывать и преобразовывать многомерные кубы для последующего их использования в информационных аналитических системах.

4. Проанализированы и показаны на конкретных примерах оптимизирующие и структурирующие свойства операций, для преобразования гиперкубов. Множество операций обладает функциональной полнотой.

5. Рассмотрены регулярные структуры многомерных кубов, дающие возможность производить анализ данных для различных систем классификации, избегая множественного наследования. v

6. Для автоматизации проектирования OLAP систем, их функционального сравнения и оптимизации разработан алгоритм декомпозиции данных. Разработана модель пользователя, дающая возможность учитывать интересы различных групп пользователей, выделяя для них соответствующие подкубы. Этим достигается оптимизация аналитической обработки данных по времени.

7. Проанализированы основные архитектуры аналитических систем. Предложена новая архитектура OLAP систем, учитывающая принципы декомпозиции и кластеризации данных на основе пользовательских интересов, а также позволяющая производить реструктуризацию иерархической структуры для устранения аномалий в ней.

8. Спроектирована подсистема построения регулярных структур, которая включает в себя подсистемы определения неполноты иерархических структур, устранения аномалий несбалансированности и множественного наследования.

9. Определены условия применимости комбинированной схемы с цен тральным и локальными серверами.

Заключение

В диссертации разработан новый подход к построению архитектуры (клиент-серверных OLAP приложений. Этот подход основан на применении комбинированных запросов с участием как локальноготак и центрального OLAP серверов. Стоит отметить, что этот подход отличается от полностью автономной работы тем, что позволяет обращаться к большим объемам информации без существенного увеличения времени выполнения запросов пользователей. Вместе с тем, стоит отметить, что у технологии комбинированного доступа есть свои границы применимости, эффект достигается лишь при определенном пороговом значении отношения количества запросов к локальному и центральному серверу. Таким образом, использование новой ар- (хитектуры при доступе к запрашиваемым данным должно1 определяться отдельно для конкретного пользователя.

Показать весь текст

Список литературы

  1. И.М., Рахманкулов В. З., Ахрем А. А., Ровкин И. О. Построение СППР на основе OLAP-технологии // Информационные технологии и вычислительные системы. 2005. — № 1. — 144с.
  2. Oracle Database 1 lg Электронный ресурс. URL: http://www.oracle.com/database/index.html (дата обращения: 02.03.2009).
  3. SQL Server 2008 Overview Электронный ресурс. URL: http://www.microsoft.com/sql/default.mspx (дата обращения: 10.01.2009).
  4. MySQL open source database Электронный ресурс. URL: http://www.mvsql.com/ (дата обращения: 04.09.2008).
  5. PostgreSQL 8.3 Database Электронный ресурс. URL: http://www.postgresql.org/ (дата обращения: 17.02.2009).
  6. А., Щербинин В. Репликация Microsoft SQL Server 2005/2008. -М.: ЭКОМ Паблишерз, 2009. 288с.
  7. Shoshani A. OLAP and statistical databases: similarities and differences // 16th ACM SIGACT SIGMOD SYGART Symp. On Principles of Database Systems, 1997. P. 185−196.
  8. С.Ю. Вопросы организации промежуточной области хранения для OLAP систем // Математическое и программное обеспечение вычислительных систем. 2008. — С. 139−143.
  9. Pendse N. The origins of today OLAP products Электронный ресурс. URL: http://www.olapreport.com/origins.htm (дата обращения: 22.04.2008).
  10. Codd E.F. Providing OLAP (on-line analytical processing) to user-analysts: An IT mandate. E.F. Codd and Associates, 1993.
  11. Laker К. OLAP Workshop 1: Basic OLAP Concepts Электронный ресурс. URL: http://oracleolap.blogspot.com/20Q7/12/olap-workshop-l-basic-olap-concepts.html (дата обращения: 19.01.2009).
  12. Grimes S. New Directions For OLAP Электронный ресурс. URL: http://www.intelligententerprise.com/showArticle.ihtml?articleID= 179 101 432 (дата обращения: 12.12.2008).
  13. A.A., Куприянов М. С., Степаненко В. В., Холод И. И. Технологии анализа данных: Data Mining, Visual Mining, Text Mining, OLAP. Спб.: БХВ-Петербург, 2007. — 384с.
  14. К.Дж. Введение в системы баз данных. — 8-е изд. — М.: Вильяме, 2006. 1328с.
  15. Malinowski Е., Zimanyi Е. Hierarchies in a Multidimensional Model: From Conceptual modeling to Logical Representation // Data?? Knowledge Engineering, 2006. V. 59. № 2. P. 348−377.
  16. Rozeva A. Dimensional Hierarchies — Implementation in Data Warehouse Logical Scheme Design // International Conference on Computer Systems and Tech- • nologies CompSysTech'07, 2007. P. 1−6.
  17. Niemi Т., Nummenmaa J., Thanisch P. Logical Multidimensional Database Design for Ragged and Unbalanced Aggregation Hierarchies // Proceedings of the International Workshop on Design and Management of Data Warehouses, 2001.
  18. Pendse N. Product reviews Электронный ресурс. URL: http://www.olapreport.com/ProductsIndex.htm (дата обращения: 22.04.2008).
  19. П.П. Создание готовых приложений на базе информационно-аналитической системы «Аналитик» // Тр. всерос. конф. «Информационно-аналитические системы и технологии в здравоохранении и ОМС». — Красноярск: КМИАЦ. 2004. — С. 227−232.
  20. Pendse N. Multidimensional data structures Электронный ресурс. URL: http://www.olapreport.com/MDStructures.htm (дата обращения: 22.04.2008).126
  21. HMC Corporate Communications. OLAP, MOLAP and ROLAP: What’s next? Электронный ресурс. URL: http://www.itweb.co.za/office/bytes/40 706 0916t.htm (дата обращения: 13.03.2008).
  22. Чаусов В, Амириди Ю. Классификация аналитических систем. Три года спустя // Журнал «Банки и технологии», 2002, № 6.
  23. Послед Б.С. Borland С++ Builder 6. Разработка приложений баз данных. -Спб.:ДиасофтЮП, 2003. 320с.
  24. ProClarity analytics Электронный ресурс. URL: http://www.microsoft.com/business/performancepoint/productinfo/proclarity/procl aritv-overview2.aspx (дата обращения: 15.05.2008).
  25. SAP BusinessObjects XI Intelligence Platform Электронный ресурс. URL: http ://www. sap. com/solutions/sapbusinessobj ects/large/intelligenceplatform/index. epx (дата обращения: 28.01.2008).
  26. Аналитическая платформа «Контур» Электронный ресурс. URL: «http://www.iso.ru/ (дата обращения: 03.03.2008).
  27. Pendse N. An analysis of what the often misused OLAP term is supposed to mean Электронный ресурс. URL: http://www.olapreport.com/fasmi.htm (дата обращения: 22.04.2008).
  28. Maier Т. A Formal Model of the ETL Process for OLAP-Based Web Usage Analysis // Proceedings of the sixth WEBKDD workshop: Webmining and Web Usage Analysis (WEBKDD'04), in conjunction with the 10th ACM SIGKDD*conference (KDD'04), 2004. P. 23−34.
  29. С.Ю. Особенности применения OLAP систем: проблемы и актуальные подходы // Математическое и программное обеспечение вычисли-' тельных систем. 2006. — С. 83−86.
  30. Мартин Грабер. SQL. М.:Лори, 2007. — 672с.
  31. Bogdanova G., Georgieva Т. Analyzing the Data in OLAP Data Cubes // Inter- 1 national Journal on Information Theories and Applications, 2005. V. 12. № 4. P. 335−342.
  32. E.M. Агрегация данных в OLAP кубах Электронный ресурс. URL: http://wsvw.iteam.ru/publications/it/section92/article1759/ (дата обращения: 29.09.2008).
  33. Sapia С., Blaschka М., Hofling G. An Overview of Multidimensional Data Models for OLAP // FORWISS Technical Report 1999−001, 1999.
  34. C.B. Реализация OLAP-технологии на основе межмодельных преобразований данных // Информационные технологии моделирования и управления. 2008. — № 1 (выпуск 44). — С. 71−77.
  35. Lehner W. Modeling large scale OLAP scenarios // Proceedings of EDBT'98, 1998. P. 153−167.
  36. Sapia C., Blaschka M., Hofling G., Dinter B. Extending the E/R model"for the multidimensional paradigm // Proc. Int. Workshop on’Data Warehouse and data Mining (DWDM) in conjunction with ER'98, 1998. P. 105−116.
  37. TryfonaN., Busborg F., Cristiansen J. starER: A conceptual model for data warehouse design // Proc. of ACM 2nd Int. Workshop on Data Warehousing and OLAP (DOLAP), Kansas City (USA), 1999. P. 3−8.
  38. Trujillo J., Palomar M., Gomez J. Applying Object-Oriented Conceptual Modeling Techniques to the Design of Multidimensional Databases and OLAP applications // Proc. of 1st Int. Conf. on Web-Age Information Management (WAIM- 2000. P. 83−94.
  39. Nguyen Т., Tjoa A., Wagner R. Conceptual Multidimensional Data Model Based on MetaCube. Proceedings of the First International Conference on Advances in Information Systems, 2000. P. 24−33.
  40. Kimball R., Ross M., Thornthwaite W., Mundy J., Becker B. The Data Warehouse Lifecycle Toolkit, 2nd Edition. John Wiley & Sons, 2008. — 672p.
  41. Moody D., Kortink M. From enterprise models to dimensional models: A methodology for data warehouse and data mart design // Proc. of 2nd Int. Workshop on Designn and Management of Data Warehouses (DMDW), Stockholm (Sweden), 2000. P. 1−12.
  42. Mangisengi O., Tjoa A., Wagner R. Multidimensional Modeling Approaches for OLAP Based on Extended Relational Concepts // Proc. of the 9th Int. Database Conf. on Heterogeneous and Internet Databases (IDC), Hong Kong, 1999.
  43. Agrawal R., Gupta A., Sarawagi S. Modeling multidimensional databases // Proc. of 13th Int. Conf. on Data Engineering (ICDE), 1997. P. 232−243.
  44. Li C., Wang X.S. A data model for supporting on-line analytical processing // Proc. of 5th Int. Conf. of Information and Knowledge Management (CIKM), 1996. P. 81−88.
  45. Datta A., Thomas H. A Conceptual Model and Algebra for On-Line Analytical Processing in Decision Support Databases // Information Systems Research, 2001. Y. 12. № l.
  46. Gyssens M., Lakshmanan L. A foundation for multi-dimensional databases // Proc. of 23rd Int. Conf. on Very Large Data Bases (VLDB), 1997. P. 106−115.
  47. Woronowicz E. Relations and their basic properties // Journal of Formalized Mathematics, 1989. V. 1. URL: http://mizar.org/JFM/Vol 1/relat 1 .html (дата обращения: 11.08.2008).
  48. Cabbibo L., Torlone R. A logical approach to multidimensional databases // Proc. of 6th International Conference on Extending Database Technology (EDBT'98), 1998. P. 183−197.
  49. И.Ю., Семченков С. Ю. Интерактивная аналитическая обработка данных в современных OLAP-системах // Журнал «Бизнес-информатика». Москва, 2009. № 8(02). — С. 12−19.
  50. SQL Server 2008 Analysis Services Электронный ресурс. URL: http://www.microsoft.com/Sqlserver/2008/en/us/analvsis-services.aspx (дата обращения: 13.02.2008).
  51. Oracle OLAP 1 lg Электронный ресурс. URL: http://www.oracle.com/technology/products/bi/olap/index.html (дата обращения: 15.02.2008).
  52. Palo OLAP Server 2.5 Электронный ресурс. URL: http://www.iedox.com/en/products/palo olap server/Introduction.html (дата обращения: 02.02.2008).
  53. Pentaho Analysis Services: Mondrian Project Электронный ресурс. URL: http://mondrian.pentaho.org/ (дата обращения: 05.03.2008).
  54. Cognos TM1. Budgeting, forecasting and analytics for fmancial performance, management Электронный ресурс. URL: http ://www-01 .ibm.com/software/data/ cognos/products/tm 1 /
  55. Аналитическая платформа Deductor Электронный ресурс. URL: http://www.basegroup.ru/deductor/ (дата обращения: 01.03.2008Y, «
  56. С., Куинн С. SQL Server 2005 Analysis Services и MDX для профессионалов. — М.: Диалектика, 2008. 848с.
  57. А.К. Оценка объемов многомерного куба в OLAP системах // Научно-технический вестник Санкт-Петербургского государственного университета информационных технологий, механики и оптики. .- 2005. — № 19. -С. 105−111.
  58. О.П. Дискретная математика для инженера — Спб.: Лань, 2007. -400с.
  59. П. Кон. Универсальная алгебра.-М.:Мир, 1968. 351с.
  60. .И. Универсальная алгебра, алгебраическая логика и базы данных-М.:Наука, 1991. 448с.
  61. С.Ю. Принципы реализации иерархической структуры измерений в OLAP системах // Математическое и программное обеспечение вычислительных систем. 2007. — С. 49−57.
  62. Pedersen D., Riis К., Pedersen Т.В. A Powerful and SQL-Compatible Data Model and Query Language for OLAP // Proc. of Australian Database Conference, > 2002.
  63. A.C. Агрегирование куба с помощью префиксного дерева. // Современные проблемы фундаментальных и прикладных наук. Часть VII. Управление и прикладная математика: Труды XLVIII научной, конференции. / МФТИ. М. — Долгопрудный, 2005. — С.92−93.
  64. Lehner W., Albrecht J., Wedekind H. Normal forms for multidimensional databases // Proceedings of the 10th International Conference on Scientific and Statistical Data Management (SSDBM'98), 1998. P. 63−72.
  65. Lechtenborger J., Vossen G. Multidimensional normal forms for data warehouse design // Information Systems, 2003. V. 28. № 5. P. 415−434.
  66. Rafanelli M., Shoshani A. STORM: A statistical, object representation model // Proceedings of 5th International Conference on Statistical and Scientific Database Management, 1990. P. 14−29.
  67. Lenz H.-J., Shoshani A. Summarizability in OLAP and statistical databases // Proceedings of 9th International Conference on Scientific and Statistical Database Management, 1997. P. 132−143.
  68. Hurtado C., Mendelzon A. Reasoning about summarizability in heterogeneous multidimensional schemas // Proceedings of the 8th International Conference on Database Theory (ICDT 2001), 2001. P. 375−389.
  69. Yang Y., Guan X., You J. CLOPE A Fast and Effective Clustering Algorithm for Transactional Data // Proceedings of KDD?02, Vol. 2002 (2002). P. 682−687.
  70. An OLAP Solution using Mondrian and JPivot Электронный ресурс. URL: http://liris.cnrs.fr/~sbimonte/view.pdf (дата обращения: 11.03.2008).
  71. JDBC Overview Электронный ресурс. URL: http://java.sun.com/products/jdbc/overview.html (дата обращения: 14.02.2007).
  72. Layers of Modrian System Электронный ресурс. URL: ihttp://mondrian.pentaho.org/documentation/architecture.php (дата обращения: 19.06.2008).
  73. Grune D., Jacobs С. Parsing Techniques: A Practical Guide, 2nd edition. -Springer, 2007. 662p.
  74. JSP custom tag library JPivot Электронный ресурс. URL: http://ipivot.sourceforge.net/index.html (дата обращения: 18.06.2008).
  75. XML for analysis specification Электронный ресурс. URL: www.xmlforanalvsis.com/xmlal. 1 .doc (дата обращения: 06.02.2008).87. 01ap4j specification Электронный ресурс. URL: http://www.olap4j.org/olap4i fs. html (дата обращения: 16.02.2008).
  76. Шилдт Г. Swing. Руководство для начинающих. М.: Вильяме, 2007. -704с.
  77. Чубукова И.A. Data Mining: учебное пособие. М.: БИНОМ, 2006. — 382с.
  78. . Объектно-ориентированное конструирование программных систем / Пер. с англ. М.: Издательско-торговый дом «Русская редакция», 2005. — 1232с.
  79. An Introduction to BON Электронный ресурс. URL: http://www.cs.yorku.ca/~paige/Bon/bon.html (дата обращения: 05.07.2008).
  80. Business Object Notation overview Электронный ресурс. URL: http://www.bon-method.com/handbook bon. pdf (дата обращения: 05.07.2008).
  81. Walden К. Seamless Object-Oriented Software Architecture: Analysis and De-, sign of Reliable Systems. Prentice Hall, 1995. — 43 8p.
  82. С.Ю. Операция декомпозиции многомерного куба в OLAP системах // Информационные технологии в науке, экономике и образовании: материалы всероссийской научно-практической конференции (Бийск, 16−17 апреля 2009 г.). Бийск, 2009: — С. 290−293.
  83. С.Ю. Принципы построения регулярной структуры измерений в OLAP системах // Математическое и программное обеспечение вычислительных систем. -2009. С. 136−140.
  84. Семченков С.Ю. CuDBIS v. 1.02. Свидетельство о регистрации программы для ЭВМ № 2 009 613 357 от 26 июня 2009 г.
  85. Д., Костарев А. РНР 5. Спб.: БХВ-Петербург, 2008. — 1104с.,
  86. The Yahoo! User Interface Library (YUI) Электронный ресурс. URL: http://developer.vahoo.com/vui/ (дата обращения: 24.08.2008).
  87. Stefanov S. Object-Oriented JavaScript: Create scalable, reusable high-quality JavaScript applications and libraries. Packt Publishing, 2008. — 356p.102: Crockford D. JavaScript: The Good Parts. O’Reilly, 2009. — 170p.
  88. Zakas N. Professional JavaScript for Web Developers, 2nd Edition. Wrox, 2009. — 840p.
  89. Рейсиг Д. JavaScript. Профессиональные приемы программирования. -Спб.: Питер, 2008. 352с.
  90. Н., Мак-Пик Д., Фосетт Д. Ajax для профессионалов. — Спб.: Символ-плюс, 2007. 488с.
  91. Е., Самков Г. Ajax. Программирование для интернета. Спб.: БХВ-Петербург, 2009. — 464с.
  92. Д., Рафтер Д., Фосетт Д. XML. Базовый курс, 4-ое издание. М.: Диалектика, 2009. — 1344с.
  93. К.В., Башлыков В. Н., Рукосуев A.B. Теория вероятностей и математическая статистика. — М.: Издательско-торговая корпорация «Дашков и К°», 2008. 473с. У
Заполнить форму текущей работой

Заказал и сдал!