Разработка методов и средств анализа многомерных баз данных с неполной информацией тема диссертации и автореферата по ВАК РФ 05.13.11, кандидат технических наук Заботнев, Максим Сергеевич

  • Заботнев, Максим Сергеевич
  • кандидат технических науккандидат технических наук
  • 2006, Москва
  • Специальность ВАК РФ05.13.11
  • Количество страниц 140
Заботнев, Максим Сергеевич. Разработка методов и средств анализа многомерных баз данных с неполной информацией: дис. кандидат технических наук: 05.13.11 - Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей. Москва. 2006. 140 с.

Оглавление диссертации кандидат технических наук Заботнев, Максим Сергеевич

ВВЕДЕНИЕ.

ГЛАВА 1. СОВРЕМЕННЫЕ ТЕХНОЛОГИИ ОБРАБОТКИ ДАННЫХ.

1.1. развитие технологий баз данных.

1.2. Аналитические системы.

1.3. Технология OLAP.

1.3.1. Определение OLAP.

1.3.2. Концепция многомерного представления данных.

1.3.3. Технические аспекты хранения многомерных данных.

1.4. Средства создания OLAP-систем.

1.4.1. Современные производители OLAP-систем.

1.4.2. Перспективы Open Source.

1.4.3. Технология Java.

1.5. Многомерные базы данных с неполной информацией.

1.5.1. Поиск и извлечение данных.

1.5.2. Агрегация данных.

1.6. Подходы к решению.

1.7. Выводы по главе.

ГЛАВА 2. МНОГОМЕРНАЯ МОДЕЛЬ ДАННЫХ.

2.1. Гиперкуб данных.

2.2. Операции манипулирования данными.

2.3. Агрегация данных.

2.4. Разреженный гиперкуб данных.

2.5. Бинарное представление.

2.6. Выборка данных.

2.7. Структура данных ROLAP.

2.8. Выводы по главе.

ГЛАВА 3. МЕТОДЫ ОБРАБОТКИ ИНФОРМАЦИИ В РАЗРЕЖЕННЫХ ГИПЕРКУБАХ ДАННЫХ.

3.1. Построение карт заполненности гиперкуба данных.

3.1.1. Одномерная проекция.

3.1.2. Двумерная проекция.

3.1.3. Трехмерная проекция.

3.2. Пошаговый конструктор запросов.

3.2.1. Оценка эффективности пошагового конструктора запросов.

3.2.2. Оптимизация пошагового конструктора запросов.

3.2.3. Алгоритм формирования пользовательского запроса.

3.3. Агрегация данных.

3.3.1. Оценка уровня достоверности.

3.3.2. Оперативное вычисление агрегатов.

3.3.3. Предварительное вычисление агрегатов.

3.3.4. Алгоритм предварительной агрегации.

3.4. Унификация доступа к многомерной базе данных.

3.4.1. Таблица метаданных.

3.4.2. Алгоритм интерфейса унифицированного доступа.

3.5. Выводы по главе.

ГЛАВА 4. СРЕДСТВА СОЗДАНИЯ И ИСПОЛЬЗОВАНИЯ МНОГОМЕРНЫХ БД С НЕПОЛНОЙ ИНФОРМАЦИЕЙ.

4.1. Возможности использования БД ROLAP в качестве основы информационно-аналитической системы.

4.2. О границах применимости пошагового конструктора запросов.

4.3. Технологический комплекс сбора и обработки данных о состоянии образовательных ресурсов.

4.3.1. Компонента унифицированного доступа к базе данных ROLAP.

4.3.2. Компонента ЗИ-визуализации многомерной базы данных.

4.3.3. Компонента картографического анализа.

4.3.4. Система комплексного анализа и доступа к данным БД ROLAP.

4.4. Использование СКАДЦ при решении задач сбора и обработки данных о состоянии информатизации сферы образования.

4.5. Создание распределенного хранилища данных на основе типовой структуры ROLAP.

4.5.1. Инвариантная типовая структура ROLAP.

4.5.2. Принцип единой классификации.

4.6. Выводы по главе.

Рекомендованный список диссертаций по специальности «Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей», 05.13.11 шифр ВАК

Введение диссертации (часть автореферата) на тему «Разработка методов и средств анализа многомерных баз данных с неполной информацией»

Рассматриваемая задача возникла при разработке комплекса технологических и программных средств, предназначенного для решения задач автоматизации сбора, хранения и обработки данных о состоянии образовательных ресурсов России по большому числу территориально распределенных объектов (образовательных учреждений) [2,5,15,16]. Целью создания и использования комплекса являлось обеспечение информационной поддержки принятия управленческих решений на различных уровнях управления сферой образования. В качестве основы аналитической части комплекса использовалась многомерная модель представления данных [3,4,22].

Выбор многомерной модели был продиктован требованиями к возможностям и производительности аналитической системы, основным из которых являлось обеспечение оперативности получения необходимой информации при проведении анализа на основе больших объемов статистических данных. Применение данного подхода, вместе с тем, выявило ряд принципиальных проблем, возникающих в случае недостаточного количества исходных (первичных) данных и характерных для широкого круга задач, связанных с обработкой территориально распределенной информации [21,22].

Актуальность темы. Эффективное управление организацией, предприятием, отраслью невозможно без принятия взвешенных, адекватных решений. Выработка таких решений требует от руководителей, управленцев анализа больших объемов информации, как правило, в условиях существенных ограничений по времени. Возможность анализа информации подразумевает необходимость проведения сбора исходных (первичных) данных по некоторому числу территориально-распределенных объектов. В связи с этим особую актуальность в настоящее время приобретают задачи автоматизации сбора и анализа территориально-распределенной информации [1,16,25,39,41].

Практика проведения сбора первичных данных по большому числу территориально распределенных объектов показывает, что зачастую в силу различных причин собранные данные не соответствуют в полной мере как заданным показателям, так и исследуемой территории. В общем случае различным территориальным объектам соответствуют различные собранные показатели. Таким образом, информация, на основе которой в дальнейшем принимается решение, может быть определена как неполная.

Задачи повышения эффективности управления на основе анализа неполной информации возникают в самых различных сферах деятельности: в образовании, экономике, экологии, медицине, и др. Характерной особенностью таких задач является то, что для их решения и выработки некоторого управленческого воздействия наличие полной информации не является критически важным. Вместе с тем, при разработке программных средств, предназначенных для решения таких задач, факт неполноты исходных данных имеет принципиальное значение.

В качестве средств поддержки принятия управленческих решений используются информационно-аналитические системы, позволяющие пользователю (аналитику, управленцу) сформировать запрос к системе и получить требуемую информацию в виде отчета установленной формы. Широкую популярность в сфере анализа количественных данных в настоящее время завоевывает технология оперативной аналитической обработки данных (OLAP), в основе которой лежит многомерная модель представления данных [6,8,56,57].

Применение многомерной модели данных в случае неполной информации ведет к возникновению ряда принципиальных проблем, существенно снижающих эффективность использования исходных данных [22]. Для решения этих проблем необходима разработка методов и средств анализа многомерных баз данных с неполной информацией. В ряде научных трудов [75,82], в т. ч. отечественных специалистов [27,38,59,47], рассматриваются теоретические основы реляционных баз данных с неполной информацией, однако единого подхода к технической реализации информационно-аналитических систем на основе многомерных баз данных с неполной информацией в настоящее время не сформировано. Таким образом, рассматриваемая задача является актуальной.

Цель работы состоит в разработке методов и средств анализа многомерных баз данных с неполной информацией, позволяющих повысить эффективность использования исходных данных в задачах анализа территориально распределенной информации.

Задачи исследования. Для достижения поставленной цели необходимо решение следующих основных задач:

1. Исследование возможностей современных методов и средств обработки данных применительно к задачам сбора и анализа территориально распределенной информации.

2. Разработка метода оценки степени заполненности многомерной БД, позволяющего формализовать задачи анализа многомерных БД с неполной информацией.

3. Разработка эффективных методов поиска и извлечения данных из многомерных БД с неполной информацией, в т.ч. с использованием современных методов визуализации (трехмерной графики, картографической визуализации).

4. Разработка метода агрегации данных в многомерной БД с неполной информацией, позволяющего оценивать уровень достоверности полученных значений.

5. Создание и апробация программных средств, реализующих разработанные методы и алгоритмы.

Методы исследования. В процессе исследования использовались методы проектирования многомерных и реляционных баз данных, теория множеств, теория графов.

Научная новизна и положения, выносимые на защиту

1. Метод оценки заполненности многомерной БД с использованием оператора подсчета непустых ячеек.

2. Алгоритмы построения карт заполненности, позволяющих осуществлять визуальную оценку степени заполненности многомерных БД с неполной информацией.

3. Алгоритм коррекции пользовательского запроса, позволяющий повысить эффективность доступа к данным в многомерной БД с неполной информацией.

4. Метод агрегации данных, позволяющий пользователю оценивать уровень достоверности значений, полученных при агрегации первичных данных.

Практическая ценность и внедрение результатов

Практическая значимость представленных в работе результатов заключается в создании комплекса методов и средств, позволяющих повысить эффективность использования технологии оперативной аналитической обработки данных при создании информационно-аналитических систем на основе многомерных баз данных с неполной информацией.

Результаты работы использовались при реализации ряда проектов, выполненных в рамках научно-методической программы "Научное, научно-методическое, материально-техническое и информационное обеспечение системы образования" (2001-2002гг.), а также федеральной целевой программы "Развитие единой образовательной информационной среды (2001-2005 годы)", в частности: "Разработка программных средств сбора и анализа статистических данных общего среднего и высшего профессионального образования" (2001-2002гг.), "Организация комплексного сопровождения реализации мероприятий ФЦП РЕОИС в субъектах Российской Федерации" (2004г.), "Разработка научно-методических основ создания единой системы информационно-коммуникационного обеспечения, сопровождения и поддержки развития образования" (2005г.), "Разработка автоматизированного рабочего места для анализа данных статистики образования в государственных и муниципальных органах управления образованием" (2005г.). Эксплуатация информационных систем, основанных на результатах работы, показала свою эффективность, что подтверждено соответствующими актами о внедрении.

Область применения результатов работы не ограничивается рамками сферы образования. Изложенные в работе методы и средства анализа многомерных БД с неполной информацией могут применяться в различных отраслях с целью повышения эффективности использования исходных данных при решении задач анализа территориально-распределенной информации.

Апробация работы и публикации

Результаты работы были представлены на различных конференциях, в частности: Всероссийской конференции "Современная образовательная среда" (Москва, 2001), Всероссийской научно-методической конференции "Телематика" (Санкт-Петербург, 2002-2004гг.), Всероссийской научно-технической конференции "ТиПВСИТ" (Улан-Уде, 2003), Всероссийской научно-техническая конференции "Информационные технологии" (Воронеж, 2005).

Результаты работы представлялись на выставках "Современная образовательная среда" (ВВЦ, 2002, 2003, 2004гг.), "Российский образовательный форум" (Сокольники, 2004, 2005) и были отмечены дипломом ВВЦ (Диплом №773, постановление №92 от 29.10.2002). По результатам работы автор был награжден золотой медалью ВВЦ (Удостоверение №1543, постановление №55 от 23.10.2003).

По результатам работы опубликовано 8 печатных работ.

Структура и объем работы

Текст диссертации состоит из введения, четырех глав, заключения и списка литературы, включающего 85 наименований. Диссертация содержит 131 страницу машинописного текста, 44 иллюстрации, 6 таблиц.

Похожие диссертационные работы по специальности «Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей», 05.13.11 шифр ВАК

Заключение диссертации по теме «Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей», Заботнев, Максим Сергеевич

4.6. Выводы по главе

Рассмотренные методы и алгоритмы анализа многомерных баз данных с неполной информацией были применены при создании технологического комплекса сбора и обработки данных о состоянии образовательных ресурсов РФ. Комплекс включает набор программных средств, позволяющих решать задачи сбора тематических показателей по заданному числу территориально-распределенных объектов, создания и наполнения многомерной базы данных, осуществления комплексного анализа данных и поддержки принятия управленческих решений на различных уровнях управления.

Программные средства выполнены в виде набора компонент, реализованных на платформе Java 2, которые могут быть использованы как по отдельности, так и в рамках единой информационной системы, а также быть интегрированы в другие информационные системы для обеспечения и поддержки необходимого функционала.

Компонента унифицированного доступа к базе данных ROLAP представляет собой универсальное средство формирования запроса на выборку данных из базы данных ROLAP и получения отчета в виде таблицы. Компонента может быть использована в качестве основы создания интерфейса доступа к различным базам данных, организованных по схеме ROLAP и предоставляет следующую функциональность:

• поддержка многомерной модели данных и функционала OLAP;

• возможность работы с произвольным числом измерений и меток;

• оптимизация формирования пользовательского запроса на основе анализа заполненности базы данных.

Компонента ЗБ-визуализации многомерной БД является программной реализацией метода построения 3-х мерной проекции бинарного представления гиперкуба данных и предоставляет пользователю возможность визуальной навигации по многомерной базе данных. Компонента может быть использована в качестве основы визуального конструктора запросов к многомерной базе данных с частичной или слабой заполненностью.

Компонента позволяет отобразить многомерную БД или ее часть в виде куба, грани которого соответствуют выбранным пользователем измерениям. Куб состоит из ячеек, соответствующих значениям измерений. Ячейка куба может содержать графический примитив - шарик, показывающий наличие данных по соответствующим значениям измерений. Пустая ячейка обозначает отсутствие данных на соответствующем наборе значений измерений.

Компонента картографического анализа предназначена для построения одномерных картографических проекций бинарного представления разреженного гиперкуба данных по выбранному уровню иерархии измерения территориальных объектов. В зависимости от наличия таких уровней картографическая проекция может быть построена по федеральным округам, субъектам федерации, районам, населенным пунктам.

Одномерная проекция, выполненная по методу картограммы, наглядно представляет наличие данных по выбранному уровню территориальных объектов и может быть использована в качестве средства подготовки отчетов по результатам сбора данных, а также служить основой для выборки данных путем указания интересующих пользователя объектов на карте.

Реализованная система комплексного анализа и доступа к данным (СКАДД) построена по принципу клиент-сервер и обеспечивает возможность удаленного многопользовательского доступа к серверной части системы. В качестве клиентского приложения может использоваться стандартный Интернет-браузер, поддерживающий технологию Java (например, Microsoft Internet Explorer). По запросу пользователя браузеру передается Java-anmieT, реализующий функциональность клиентского приложения. Выборка данных из многомерной БД осуществляется на основе апплет-сервлетного взаимодействия, что обеспечивает высокий уровень универсальности и безопасности работы с данными.

ЗАКЛЮЧЕНИЕ

В работе были исследованы проблемы, возникающие при решении задач автоматизации сбора и анализа территориально-распределенной информации на основе многомерной модели данных. На начальном этапе работы был проведен обзор существующих средств создания и использования многомерных баз данных и показана неэффективность этих средств применительно к случаю неполной информации. Затем были сформулированы проблемы поиска и агрегации данных в многомерных базах данных с неполной информацией и намечены пути их решения.

Для решения указанных проблем задача была сведена к исследованию модели разреженного гиперкуба данных. В качестве формального способа описания степени разреженности гиперкуба данных было предложено использовать оператор подсчета количества непустых ячеек. С использованием концепции бинарного представления был изложен метод построения карты заполненности гиперкуба данных. В качестве основы создания средств визуальной оценки разреженности гиперкуба данных и доступа к данным был предложен ряд алгоритмов построения одно-, двух- и трехмерных карт заполненности разреженных гиперкубов данных.

Процесс построения пользовательского запроса на выборку данных из разреженного гиперкуба данных был представлен в виде модели сетевого графа. Был предложен алгоритм оптимизации формирования пользовательского запроса, позволяющий избежать получения пустой выборки после выполнения запроса.

В качестве альтернативы существующим был предложен метод предварительной агрегации разреженного гиперкуба данных, позволяющий использовать информацию об отсутствующих данных. Суть метода состояла во введении в структуру данных дополнительного показателя - уровня достоверности, позволяющего судить о наличии первичных данных на этапе анализа.

В качестве основы реализации логической многомерной структуры данных было предложено использовать схему ROLAP. Эксперимент по оценке возможностей использования схемы ROLAP позволил выявить оптимальные значения количества измерений и меток для различных аппаратно-программных платформ. Рассмотренные методы и алгоритмы были реализованы в виде технологического комплекса сбора и анализа данных, включающего компоненту унифицированного доступа к БД ROLAP, компоненту ЗЭ-визуализации многомерной БД и компоненту картографической визуализации, созданных с использованием платформы Java 2.

При этом были получены следующие научные и практические результаты:

1. Исследованы возможности современных методов и средств обработки данных при решении задач сбора и анализа территориально-распределенной информации, выявлены их недостатки.

2. Предложен формальный метод оценки плотности разреженного гиперкуба данных на основе оператора подсчета непустых ячеек, позволяющий сформировать подход к решению задач повышения эффективности использования первичных данных в многомерных БД с неполной информацией.

3. Предложен метод построения карт заполненности многомерной БД и алгоритмы построения карт заполненности произвольно выбранных измерений разреженного гиперкуба данных, позволяющие создавать визуальное представление многомерной БД и использовать его в качестве визуального интерфейса доступа к многомерной БД с неполной информацией.

4. Разработан алгоритм коррекции пользовательского запроса, позволяющий повысить эффективность доступа к данным в многомерной БД с неполной информацией при использовании пошагового конструктора запросов.

5. Предложен метод агрегации данных, основанный на введении в структуру БД дополнительного показателя, характеризующего степень заполненности многомерной БД и позволяющий оценивать уровень достоверности полученных значений.

6. Разработан набор программных средств, реализованных в виде классов Java 2, которые могут быть использованы как в рамках единой информационной системы, так и по отдельности и позволяющих:

- существенно повысить эффективность выборки данных из многомерной БД с неполной информацией;

- производить визуальную оценку степени заполненности многомерной БД;

- вести контроль заполнения многомерной БД на этапе сбора данных;

- проводить агрегацию данных в многомерной БД с неполной информацией;

- осуществлять доступ к различным БД ROLAP на основе единого интерфейса доступа.

Апробация программных средств и экспериментальное исследование характеристик производительности информационных систем на их основе позволяет сделать вывод о том, что цель работы, состоящая в разработке комплекса методов и средств анализа многомерных баз данных с неполной информацией, позволяющих повысить эффективность использования данных при решении задач анализа территориально-распределенной информации, достигнута.

В качестве перспектив использования и дальнейшего развития разработанных методов и средств анализа многомерных баз данных с неполной информацией, можно отметить следующие:

• интеграция предложенных методов с системами добычи и интеллектуального анализа данных (Data Mining);

• формирование подхода к формализации предметной области и автоматизации выработки решения на основе неполной информации с применением теории нечетких множеств;

• развитие методов визуального представления гиперкубов данных для создания человеко-машинных интерфейсов доступа к многомерным базам данных с использованием систем виртуальной реальности.

Список литературы диссертационного исследования кандидат технических наук Заботнев, Максим Сергеевич, 2006 год

1. Агранович М.Л., Кожевникова О.Н. и др. От сбора статистических данных — к информационному обеспечению принятия решений.- М.: «Прометей» МПГУ, 2004.- 144 с.

2. Адоньев Р.В., Заботнев М.С., Ионов Д.В. Информационная система сбора и анализа образовательной статистики // Телематика 2002. Труды Всероссийской научно-методической конференции. - Санкт-Петербург, 2002.-С. 46-47.

3. Адоньев Р.В., Заботнев М.С., Ионов Д.В. Разработка информационной системы сбора и анализа образовательной статистики // Всероссийская конференция "Современная образовательная среда", Москва-2001. С. 4041.

4. Адоньев Р.В., Заботнев М.С., Родионов А.Э. Интерактивная геоинформационная справочная система анализа образовательной статистики // Телематика -2004. Труды XI Всероссийской научно-методической конференции. Санкт-Петербург, 2004. - С. 291-292.

5. Архипенков С.Я. Аналитические системы на базе Oracle Express OLAP. Проектирование, создание, сопровождение. М.: ДИАЛОГ-МИФИ, 2000 -320 с.

6. Базы данных с неполной информацией / В.А. Брудно, Д.П. Скворцов, В.К. Финн, М.Ш. Цаленко // Семиотика и информатика. 1985. - Вып. 25. - С.5-45.

7. Барсегян А.А., Куприянов М.С., Степаненко В.В., Холод И.И. Методы и модели анализа данных: OLAP и Data Mining СПб.: БХВ-Петрбург, 2004. -336 с.

8. Вениаминов Е.М. Алгебраические методы в теории баз данных и представлении знаний. М.: Научный мир, 2003, 184 с.

9. Ю.Вендров A.M. CASE-технологии. Современные методы и средства проектирования информационных систем. М.: Финансы и статистика, 1998. - 176 с.

10. Геоинформатика / А.Д. Иванников, В.П. Кулагин, А.Н. Тихонов, В.Я. Цветков. М.: МАКС Пресс, 2001. - 349 с.

11. Голосов А.О., Цаленко М.Ш. Схемы реляционных баз данных: теория нормализации и построения нормальных форм // Прикладная информатика / Под ред. В.М. Савинкова. Вып.2. - М.: Финансы и статистика, 1983. -С. 92-119.

12. Горчинская 0.10. И др. Разложение отношений и логическое проектирование реляционных баз данных. Ч. 1 / О.Ю. Горчинская, С.В. Петров, J1.A. Тененбаум // Автоматика и телемеханика. 1983. - №2. - С. 159-166.

13. Н.Горчинская О.Ю. И др. Разложение отношений и логическое проектирование реляционных баз данных. Ч. 2 / О.Ю. Горчинская, С.В. Петров, J1.A. Тененбаум // Автоматика и телемеханика. 1983. - №3. - С. 152-160.

14. Дарвен X., Дейт К. Основы будущих систем баз данных. Третий манифест. Изд. 2-е. / Перев. С. англ. С.Д. Кузнецов, Т.А. Кузнецова/ Под ред. С.Д. Кузнецова. М.: Янус-К, 2004. - 656 с.

15. Дарвен X., Дейт К. Третий манифест: Пер. с англ // СУБД. 1996. - №1. -С. 110-13.

16. Дейт К. Введение в системы баз данных: Пер. с англ. 6-е изд. - СПб.: Вильяме, 1999.

17. Интернет-порталы: содержание и технологии: Сб. науч. ст. Вып. 1 / Редкол.: А.Н. Тихонов (пред.) и др.; ГНИИ ИТТ "Информика". М.: Просвещение, 2003. - 720 с.

18. Интероперабельные информационные системы: архитектуры и технологии / Д.О. Брюхов, В.И. Задорожный, JI.A. Калиниченко, М.Ю. Курошев, С.С. Шумилов // СУБД. 1995. - №4. - С. 96-113.

19. Информатизация образования: направления, средства, технологии: Пособие для системы повышения квалификации / Т.И. Гусева, М.С. Заботнев, Ю.М. Кузнецов, В.П. Кулагин, А.Н. Симонов и др. Под общ. ред. С.И. Маслова. М.: Издательство МЭИ, 2004.- 868с.

20. Калиниченко JI.A. и др. Архитектура и алгоритмы систем управления распределенными базами данных / JI.A. Калиниченко, О.Е. Костромина, О.Н. Хитрова. М.: ИНЭУМ, 1982. - 140 с.

21. Калиниченко JI.A., Рыбкин В.М. Машины баз данных и знаний. М.: Наука. Гл. ред. физ.-мат. лит., 1990. 226 с.

22. Когаловский М.Р. XML: возможности и перспективы. Ч. 1. Платформа XML и составляющие ее стандарты // Директор информационной службы. -Январь 2001.-С. 24-28.

23. Когаловский М.Р. XML: возможности и перспективы. Ч. 2. Базы данных XML, семантика XML-документов, перспективы // Директор информационной службы. Февраль 2001. - С. 16-20.

24. Когаловский М.Р. Механизмы отображения данных по умолчанию в многоуровневых СУБД // Математические и релизационные проблемы СУБД. М.: ЦЭМИ АН СССР, 1981. - С. 87-95.

25. Когаловский М.Р. Технология баз данных на персональных ЭВМ. М.: Финансы и статистика, 1992. - 224с.

26. Когаловский М.Р. Энциклопедия технологий баз данных. М.: Финансы и статистика, 2002.-800с.

27. Кожевников Ю.В. Теория вероятностей и математическая статистика: Учебное пособие для вузов. М.: Машиностроение, 2002. 416 с.

28. Королевский Д. Перспективы Open Source // Computerworld.- 2005.- №32

29. Кузнецов С.Д. Крупные проблемы и текущие задачи исследований в области баз данных / http://www.citforurn.ru/database/artic1es/prob1erns/. 2005.

30. Кузнецов С.Д. Направления исследований в области баз данных: десять лет спустя // Открытые системы. 1999. - №1. - С. 62-68.

31. Кузнецов С.Д. Направления исследований в области управления базами данных: краткий обзор // СУБД. 1995. - №1. - С. 24-32.

32. Кузнецов С.Д. Неопределенная информация и трехзначная логика// СУБД- 1997-№5,6.

33. Кулагин В.П. Система ресурсных центров и развитие единого образовательного, информационного пространства / Ресурсные центры сферы образования России Сб. научных статей под редакцией А.Н.Тихонова.- М: Янус-К, 2004, С. 19-35.

34. Кулагин В.П., Найханов В.В., Овезов Б.Б. и др. Информационные технологии в образовании.- М: Янус-К, 2004, 248 стр.

35. Кулагин В.П., Тихонов А.Н. Ресурсные центры сферы образования -задачи создания, перспективы развития // Телекоммуникации и информатизация образования, Современный гуманитарный университет.-2003.-№5(18).- С. 36-56.

36. Кулагин В.П., Цветков В.Я. Новые информационные технологии и геоинформационные технологии // Информационные технологии,- 2002,-№2. С.52-55.

37. Мартынов М.Г. Пространственные методы доступа // Программирование.- 1998. -№3.

38. Мейер Д. Теория реляционных баз данных: Пер. с англ. / Под ред. М.Ш. Цаленко.- М.: Мир, 1987.- 608 с.

39. Методы оптимизации в теории управления: Учебное пособие / И.Г. Черноруцкий. СПб.: Питер, 2004. - 256 с.

40. Михайлова Е.Г. Структура хранения для временных баз данных // Программирование. 1997. - №6.

41. Нариньяни А.С. Средства моделирования неполноты данных в аппарате представления знаний.— В кн.: Представление знаний и моделирование процесса понимания. Новосибирск: ВЦ СО АН СССР, 1980.

42. Решетнева Т.Г., Цветков В.Я. К вопросу о разработке классификаторов при проведении исследований в области геоинформатики // Геодезия и аэрофотосъемка.- 2004.- №1.- С. 107-118.

43. Сахаров А.А. Концепции построения и реализации информационных систем, ориентированных на анализ данных // СУБД 1996. - №4. - С. 5570.

44. Сахаров А.А. Принципы проектирования и использования многомерных баз данных (на примере Oracle Express Server) // СУБД. 1996. - №3. - С. 44-59.

45. Системы управления базами данных и знаний: Справ, изд. / А.Н. Наумов, A.M. Вендров, В.К. Иванов, М.Р. Когаловский и др.; Под ред. А.Н. Наумова. М.: Финансы и статистика, 1991. - 352 с.

46. Тихонов А.Н., Цветков В.Я. Методы и системы поддержки принятия решений. М.: МАКС Пресс, 2001. - 312 с.

47. Ульман Дж. Видом Дж.Введение в системы баз данных: Пер. с англ. М.: ЛОРИ, 2000.

48. Ульман Дж. Основы систем баз данных: Пер. с англ. / Под ред. и с предисл. М.Р. Когаловского. М.: Финансы и статистика, 1983.- 334 с.

49. Фаулер М., Скотт К. UML в кратком изложении. М.: Мир, 1999.

50. Федоров А., Елманова Е. Введение в OLAP // КомпьютерПресс. 2001-№4.

51. Федоров А., Елманова Е. Введение в OLAP // КомпьютерПресс. 2002-№1.5 8.Хрустал ев Е.М. Агрегация данных в OLAP-кубах / Алеф Консалтинг & Софт. 2003.

52. Цаленко М.Ш. Моделирование семантики в базах данных. М.: Наука; Гл. ред. физ-мат. лит., 1989. - 288 с.

53. Цветков В.Я. Геоинформационные системы и технологии. М.: Финансы и статистика, 1998.

54. Шекхар ILL, Чаула С. Основы пространственных баз данных / Пер. с англ. М.: КУДИЦ-ОБРАЗ, 2004. - 336 с.

55. Щавелев JI.B. Способы аналитической обработки данных для поддержки принятий решений. // СУБД. 1998. - №4-5. - С. 51-60.бЗ.Эммура Э. DIVE-ON: От баз данных к виртуальной реальности // Intersoft Lab.- 2001.

56. Язык определения данных КОДАСИЛ для систем управления базами данных / Пер. с англ. и предисл. Л.А. Калиниченко. М.: Рабочая группа по программному обеспечению банков данных ИНУЭМ, ВНИИПОУ, 1975.- 186 с.

57. Codd E.F. A Relational Model of Data for Large Shared Data Banks. Comm. of the ACM, 1970, v. 13, no.6, pp. 377-387.

58. APB-1 OLAP Benchmark. Release II. The OLAP Council. November 1998.

59. Atkinson M., Bancilhon F., DeWitt D., Dittrich K., Maier D., and Zdonik S. The Object-Oriented Database System Manifesto. Proc. Of First Intern. Conf. On Deductive and Object-Oriented Databases, Kyoto, Japan, December 1989.

60. Codd E.F., Codd S.B., Salley C.T. Providing OLAP (On-Line Analytical Processing) to User-Analysts: An IT Mandate. E.F.Codd & Associates, 1993.

61. Common Warehouse Metadata Interchange (CWMI). Request For Proposal. OMG Document ad/98-09-02.

62. Common Warehouse Metamodel (CWM) Specification, v. 1. Proposal to the OMG ADTF RFP: Common Warehouse Metadata Interchange (CWMI). OMG Document ad/00-01-01. February 11, 2000.

63. Extensible Markup Language (XML) 1.0 (Second Edition). W3C Recommendation. 6 October 2000. http://www.w3.org/TR/200Q/REC-xml-20001006/.

64. ISO/IEC 9075-l/Amdl:2001. On-Line Analytical Processing (SQL/OLAP). 73.ISO/IEC 9075-2/Amdl:2001. On-Line Analytical Processing (SQL/OLAP). 74.ISO/IEC 9075-5/Amdl:2001. On-Line Analytical Processing (SQL/OLAP).

65. Lipski W. Jr. On Databases with Incomplete Information. — Journal of the ACM, 1981. v. 28, No. 1.

66. MDAPI: The OLAP Application Program Interface. Version 2.0 Specification. COM Reference. The OLAP Council. January 1998.

67. MDAPI: The OLAP Application Program Interface. Version 2.0 Specification. Java Reference. The OLAP Council. January 1998.

68. MDAPI: The OLAP Application Program Interface. Version 2.0 Specification. Programmers Guide. The OLAP Council. January 1998.

69. OLAP Council APB-1 OLAP Benchmark. Release II. November 1998. http://www.olapcouncil.org/research/bmarkco.htm.

70. Open Information Model (OIM), Version 1.0. Review Draft. Meta Data Coalition. April 12, 1999.

71. Open Information Model (OIM), Version 1.1 (Proposal). Meta Data Coalition. August 1999.

72. Pawlak Z. Rough Sets.— ICS PAS Reports, Warszawa, 1981, No. 431.

73. Stonebraker M. et al. Third-Generation Data Base System Manifesto. Proc. IFIP WG 2.6 Conference on Object Oriented Databases, Windermere, England, July 1990.

74. TPC Benchmark H. Standard Specification. Revision 1.1.0. Transaction Processing Performance Council (TPC), 1999.

75. TPC Benchmark R. Standard Specification. Revision 1.0.1. Transaction Processing Performance Council (TPC), 1999.

Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.