Помощь в написании студенческих работ
Антистрессовый сервис

Модель многомерного представления данных и методы ее анализа

Диссертация: Модель многомерного представления данных и методы ее анализа
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Физические модели описывают технологию хранения данных и в меньшей степени концентрируются на представлении понятий / пользовательского уровня. Логические модели ближе к конечному пользователю, однако они по-прежнему во многом зависят от способа хранения данных. Концептуальные модели предоставляют возможность строить более насыщенные описания предметной области, чем модели других типов, так как… Читать ещё >

Модель многомерного представления данных и методы ее анализа (реферат, курсовая, диплом, контрольная)

Содержание

  • ГЛАВА 1. Анализ задачи многомерного представления 9 данных
    • 1. 1. Базовые понятия
    • 1. 2. Среда классификации, описания и сравнения 19 многомерных моделей
    • 1. 3. Классификация и описание существующих 25 многомерных моделей
    • 1. 4. Выводы
  • ГЛАВА 2. Математическая многомерная модель
    • 2. 1. Аналитические измерения и уровни агрегации
    • 2. 2. Показатели и ячейки
    • 2. 3. Классы ячеек
    • 2. 4. Факты
    • 2. 5. Кубы данных
    • 2. 6. Операции над многомерными кубами данных
    • 2. 7. Преимущества построенной модели
  • ГЛАВА 3. Концептуальная многомерная объектноориентированная модель
    • 3. 1. Основные принципы построения модели
    • 3. 2. Модель метаданных как расширение 81 спецификации CWM
    • 3. 3. Объектно-ориентированная многомерная 86 метамодель
    • 3. 4. Программный продукт «Корпоративный каталог 95 показателей»

Исследования в^ области анализа и представления> многомерных данных стали в. последнее время одним из приоритетных направлений в развитии методов проектирования информационных систем и анализа^ информации.4 Связано это с наблюдаемым с конца — прошлого века< лавинообразным ростом объема информации и необходимостью ее обработки с целью принятия различных управленческих решений. Одним из наиболее перспективных способов решения подобной задачи в настоящее время является применение технологий оперативного многомерного анализа данных.

Концепция оперативного многомерного анализа данных (OLAP) была предложена в 1993 году Эдгаром Коддом [48]. В 1995 году на основе требований, изложенных Коддом, был сформулирован так называемый тест FASMI (Fast Analysis of Shared Multidimensional Informationбыстрый анализ разделяемой многомерной информации) [92], определяющий требования к приложениям многомерного анализа данных. Такие приложения обеспечивают возможность осуществлять управление, администрирование и анализ данных с целью глубокого осмысления информации посредством быстрого, консолидированного, интерактивного доступа к широкому спектру различных аспектов информации, полученной преобразованием первичных, необработанных данных, отражающих реальную многомерность предметной области, представленной с позиции пользователя. Функциональность таких приложений характеризуется динамическим многомерным анализом консолидированных данных в процессе поддержки аналитической и управленческой деятельности конечных пользователей [89].

За последние годы было проведено много исследовательских работ в области многомерного анализа, основным аспектом которых является необходимость оперативной обработки большого количества информации, что определяет требования к структуре этой информации, ее использованию и представлению. В результате был предложен ряд многомерных моделей, описывающих исследуемые предметные области. Как правило, все эти модели были построены в процессе решения конкретных задач, при этом их авторы использовали различную терминологию и описывали различные аспекты предметной области на разных этапах проектирования и анализа данных. В открытых источниках до сих пор не существует строгого, единого математического фундамента для систем многомерного хранения и анализа данных, подобного тому, который существует для реляционных СУБД. Для того, чтобы иметь возможность сравнивать и анализировать эти работы, надо построить единую систему классификации многомерных моделей.

Строгое математическое описание концепции многомерного представления данных и способов построения многомерных моделей позволяет получить ряд преимуществ. Прежде всего, это упрощение процесса проектирования многомерных моделей, подобно тому, как нормальные формы упрощают проектирование реляционных моделей. Также математическое описание многомерных операций позволяет строить более простые и понятные запросы на этапе анализа данных.

Таким образом, разработка математической модели многомерного представления данных и методов ее анализа является в настоящее время весьма актуальной задачей.

Целью данной диссертационной работы является формальное определение понятий, использующихся при многомерном анализе данных, построение на их базе математической модели многомерного представления данныхопределение множества операций над многомерными кубами, структурирующими эти данныеразработка на базе этого аппарата концептуальной объектно-ориентированной модели, пригодной для реализации в программных средствах многомерного анализа информации.

Диссертационная работа состоит из трех глав. Первая глава посвящена описанию' основных понятий предметной области и постановке задачи многомерного представления информации: Концепция оперативного многомерного анализа объединяет множество различных средств и подходов, которые используют многомерное представление дынных с целью поддержки процесса принятия решений. Большое количество работ было посвящено многомерному анализу информации. В первой главе рассматривается место данной работы по отношению к другим исследованиям.

Прежде всего, в разделе 1.1 вводятся основные многомерные концепции, такие, как показатель, аналитическое измерение, факт и другие. В этом разделе поясняются базовые понятия области многомерного представления информации, которые будут необходимы для понимания остальной части материала работы.

В разделе 1.2″ предложен способ классификации известных многомерных моделей, на базе которого произведено их сравнение. Цель — определить место представленной работы среди других исследований в данной области. Этой задаче посвящен раздел 1.3.

Глава 2 диссертационной работы посвящена решению основной задачи диссертации в части разработки математической модели многомерного представления данных и методов ее анализа.

В разделе 2.1 дается определение и производится' исследование структуры измерений и их свойств, а также исследуются трудности описания измерений при решении задач многомерного анализа данных.

Раздел 2.2 посвящен формальному определению понятий показателя и ячейки. В этом разделе определяется коммутативная полугруппа всех ячеек, представляющих все возможные факты в хранилище данных, и рассматриваются ее свойства.

В разделе 2.3 вводится определение класса ячеек, поясняются принципы объединения ячеек в классы, а также исследуются их свойства.

В разделе 2.4 производится исследование и формальное определение-понятия «Факт». Анализируется структура фактов, определяются их основные компоненты. Кроме того, в этом разделе исследуется вопрос двойственности*понятий факт и измерение.

В разделе 2.5 рассматривается пространство, определяемое декартовым произведением уровней каждого из измерений, описывающих изучаемую предметную область, которое может быть использовано для анализа заданного набора многомерных данных. В этом разделе вводится определение многомерного куба данных как функции.

Раздел 2.6 посвящен описанию операций над многомерными кубами данных. Рассматривается замкнутое, минимальное и полное множество таких операций.

Глава 3 посвящена вопросам практического использования полученных теоретических результатов. Bv этой главе описывается построение концептуальной объектно-ориентированной многомерной модели, реализующей математическую модель, описанную в предыдущих разделах.

В разделе 3.1 рассматриваются основные концепции, механизмы и спецификации, положенные в основу разрабатываемой концептуальной объектно-ориентированной многомерной модели. Обсуждается спецификация Meta Object Framework (MOF) консорциума Object Management Group, используемая в качестве формального языка для описания разрабатываемой модели метаданных.

В разделе 3.2 разбираются основные понятия спецификации Common Warehouse Metamodel (CWM), являющейся стандартом де-факто в области проектирования и описания моделей хранилищ данных. Разбираются преимущества и недостатки CWM, а также указывается, какие аспекты этой метамодели были использованы при построении концептуальной модели.

В разделе 3.3 производится построение концептуальной объектно-ориентированной многомерной модели, реализующей математическую модель, описанную во второй главе. Эта модель была разработана-как расширение. базовых метаклассов СШМ. и описанана языке ЦМЬ.

В заключительном разделе 3.4 главы приведено описание программного продукта «Корпоративный каталог показателей», являющегося реализацией, центрального1 Репозитория. метаданных, выполненнойкомпанией ЛАНИТ. В основе описанного > программно-аппаратного комплекса лежит предложенная автором концептуальная' объектно-ориентированная многомерная модель.

В заключении диссертации делаются выводы о проделанной работе и обобщаются ее основные результаты.

Предложенная модель описывает известные понятия многомерного представления данных, такие как: измерения, показатели, многомерные кубы данных. Однако построение этой модели основывается на использовании ряда новых идей и подходов? к описанию, свойств многомерных объектов, а именно:

1. Исследование и доказательство" свойств измерений и их агрегационных иерархий основывается на анализе свойств различных видов целого, их структуры и связей между частями целого. Элементы измерения рассматриваются как коллекции, измерение определяется как связный направленный граф. При этом свойства измерения доказываются на основании теории графов и мереологических аксиом;

2. Многомерный куб данных определяется как функция из п-мерного пространства, определенного декартовым произведением уровней соответствующих измерений, на множество ячеек одного класса;

3. Общеизвестные операции над многомерными кубами данных определены как композиции функций, задающих преобразования как в области определения, так и в области значений функции куба. В работе доказывается, что эти операции составляют полное, минимальное и замкнутое множество, порождающее полугруппу;

4. На базе полученных теоретических результатов предложена новая концептуальная объектно-ориентированная модель представления многомерных данных, которая может быть использована как язык описания метаданных информационно-аналитических систем и хранилищ данных.

1.4. Выводы.

В таблице 1.5 содержится обобщенное представление моделей всех стадий проектирования, приводится4 описание их конструкции, а также связей между ними.

Физические модели описывают технологию хранения данных и в меньшей степени концентрируются на представлении понятий / пользовательского уровня. Логические модели ближе к конечному пользователю, однако они по-прежнему во многом зависят от способа хранения данных. Концептуальные модели предоставляют возможность строить более насыщенные описания предметной области, чем модели других типов, так как они должны обеспечивать богатый набор семантических конструкций для охвата и представления идей пользователей. В свою очередь, математические модели предоставляют меньше концептуальных конструкций, однако они используют алгебры и исчисления, выразительность которых не уступает концептуальным моделям, и позволяют математически описывать как основные многомерные конструкции, так и операции над ними.

Не смотря на существование большого количества работ, ' посвященных описанию многомерного представления данных, в s t «открытых источниках до сих пор не существует строгого, единого математического фундамента для систем многомерного хранения и анализа данных, подобного тому, который существует для реляционных СУБД. Таким образом, разработка математической модели многомерного представления данных и методов ее анализа является в настоящее время весьма актуальной задачей. Далее в этой работе будет описано построение математической, а также концептуальной объектно-ориентированной многомерных моделей.

ЗАКЛЮЧЕНИЕ

.

В заключение сформулируем основные результаты работы.

1. Построена математическая модель, в которой на базе теории графов описана структура аналитического пространства, определены понятия «факт», «измерение» и «многомерный куб данных». Сформулированы и доказаны свойства измерений.

2. Определено множество операций над многомерными кубами данных семантически связанных фактов. Доказана теорема об его замкнутости, полноте и минимальности.

3. Построена концептуальная объектно-ориентированная модель многомерного представления и анализа данных. Разработанная модель является языком описания метаданных для Информационно аналитических систем и Хранилищ данных.

СПИСОК ОСНОВНЫХ ОБОЗНАЧЕНИЙ.

API Application Programming Interface.

СЕМ Classical Extensional Mereology.

CWM Common Warehouse Metamodel.

CWMX CWM Extension.

DBMS Data Base Management System.

E/R Entity-Relationship.

FASMI Fast Analysis of Shared Multidimensional Information.

MOF Meta Object Framework.

MOLAP Multidimensional OLAP.

03LAP Object-Oriented OLAP.

OCL Object Constraint Language.

ODL Object Definition Language.

OLAP On-Line Analytical Processing.

OLE DB Object Linking and Embedding Database.

OLTP On-Line Transactional Processing.

OMG Object Management Group.

RDBMS Relational DBMS.

ROLAP Relational OLAP.

SQL Structured Query Language.

UML Unified Modeling Language.

XMI XML Metadata Interchange.

XML Extensible Markup Language.

БД База Данных.

КИАС Корпоративная Информационно Аналитическая.

Система.

ККП Корпоративный Каталог Показателей.

ИАС Информационно Аналитическая Система ммдм Многомерная Модель Данных оо Объектно-Ориентированный по Программное Обеспечение.

РИАС Репозиторий Информационно Аналитической.

Системы.

СУБД Система Управления Базой Данных ткп Технический Каталог Показателей хд Хранилище Данных.

Показать весь текст

Список литературы

  1. С. Аналитические системы на базе Oracle Express OLAP. — M.: Диалог-МИФИ, 2000. — 287 с.
  2. Е.Б., Висков A.B., Фомин М. Б. Свойства аналитических измерений // 42-я Всероссийская' конф. по проблемам математики, информатики, физики и химии: Тезисы докладов. Секции математики и информатики. М.: Изд-во РУДН, 2006. — С. 30.
  3. К. В. Методика адаптивного управления процессов проектирования и развития специализированных хранилищ данных: Автореф. дис. канд. техн. наук. Красноярск: ИВМ СО РАН, 2009. -23 с.
  4. A.A., Куприянов М. С., Степаненко В. В., Холод И. И. Методы и модели анализа данных: OLAP и Data Mining. СПб.: БХВ-Петрбург, 2004. — 336 с.
  5. Буч Г., Рамбо Д., Джекобсон A. UML. Руководство пользователя. -ДМК, 2001.-432 с.
  6. Буч Г. Объектно-ориентированный анализ и проектирование с примерами приложений на С++, 2-е изд. М.: «Издательство Бином», СПб.: «Невский диалект», 1999. — 560 с.
  7. Н.М. Математическая модель хранилища в проектировании систем поддержки принятия решений // Труды XI Междунар. науч.-практ. конф. «Системный анализ в проектировании и управлении». СПб., 2007. — С. 187−191.
  8. Вдовичев Николай Михайлович. Математическое и информационное обеспечение автоматизации принятия решений в социальной защите: Дис.. канд. техн. наук: 05.13.18. Казань. 2008. 151 с.
  9. A.B. Некоторые свойства измерений аналитического пространства // Информационные процессы. 2006. — Т. 6, № 3. — С. 264−271.
  10. A.B., Шовкун A.B. Математический аппарат для описания многомерных моделей данных // Инженерная физика. М.: НАУЧТЕХЛИТИЗДАТ, 2004. — № 4. — С. 39−43.
  11. Л.Ю., Вдовичев Н. М. Методика построения, модели хранилища данных для систем поддержки принятия решений // Материалы всероссийской научной конференции «Информационные технологии в науке, образовании и производстве». 2007. — С. 571 574.
  12. М.С. Многомерная модель представления данных по образовательной статистике // Телематика-2003. Труды X Всероссийской научно-методической конференции. Санкт-Петербург, 2003. — С. 245−246.
  13. Ф. Введение в Rational Unified Process. Второе издание. -М.: Издательский дом «Вильяме», 2002. 240 с.
  14. А. В. Проблемы доступности оперативной аналитическойобработки в задачах организационного управления // Материалы XI Всерос. научн.-практ. коиф. «ПИР-2009». Красноярск: РИЦ СибГТУ. — 2009. — С. 134−136.
  15. С. Д. Математическая Модель OLAP-кубов // Программирование. М.: Академиздатцентр «Наука» РАН. — 2009. -Т. 35,№ 5.-с. 26−36.
  16. Н. А., Мунерман В. И., Сергеев В. П. Алгебра многомерных матриц как универсальное средство моделирования данных и ее реализация в современных СУБД // Системы и средства информатики. М.: Наука. — 2004. — Вып. 14. — С. 86−99.
  17. Н. А., Сергеев В. П. Иерархическое представление алгебры многомерных матриц. // Деп. в ВИНИТИ 12.09.06., № 1149-В2006. -13 с.
  18. Л.А. Анализ требований и проектирование систем. Разработка информационных систем с использованием UML. М.: Издательский дом «Вильяме», 2002. — 432 с.
  19. B.C. Анализ многомерных данных. Монография. Мн.: УП Технопринт, 2004. — 368 с.
  20. А. И. Формирование территориальных программ медицинской помощи на основе интеллектуальных средств управления OLAP-моделированием: Дис.. канд: технических наук. Красноярск. 2007. 145 с.
  21. Ноженкова J1. Ф., Евсюков А. А., Ноженков А. И. Методы управления и геоинформационного моделирования в технологии OLAP // Journal of Siberian Federal University. Engineering & Technologies. 2009. — № 2. — C. 49−58.
  22. Д., Скотт К. Применение объектного моделирования с использованием UML и анализ прецедентов. М: ДМК Пресс, 2002. -160 с.
  23. В. П. Представление многомерных матриц в иерархических структурах для повышения эффективности хранения и процессов обработки данных // Системы и средства информатики. Стохастические технологии и системы. (Специальный выпуск). М.: ИПИ РАН, 2005.
  24. Э. Корпоративные хранилища данных. Планирование, разработка, реализация. Том 1. М.: Издательский дом «Вильяме», 2001.-396 с.
  25. Е. М. Агрегация данных в OLAP-кубах. // Алеф Консалтинг & Софт. 2006. — http://www.olap.ru/home/mut.asp.
  26. А., Тротт Д. Р. Шаблоны проектирования. Новый подход к объектно-ориентированному анализу и проектированию. М.: Издательский дом «Вильяме», 2002. — 288 с.
  27. A.B. Обзор способов и средств для предоставления OLAP-отчетов в WEB: Сб. науч. тр. Т.2. / Науч. сессия МИФИ-2001. М.: МИФИ, 2001.
  28. А.В., Соколов4М.В. Современные способы представления метаданных: Сб. науч. тр. Т.2. / Науч. сессия МИФИ-2003-. М.: МИФИ- 2003.-С. 70−71.
  29. А.В. Управление метаданными! в хранилищах данных // Научно-техническая информация: Серия 1. М.:ВИНИТИ, 2004. -№ 10. — С. 8−14.
  30. . Философия Java. Библиотека программиста. СПб.: Питер, 2001.- 880 с.
  31. Adamson Ch., Venerable М. Data Warehouse Design Solutions. N. Y.: John Wiley & Sons Inc., 1998.
  32. Agrawal R., Gupta A., Sarawagi S. Modeling Multidimensional Databases. // In Proceedings of 13th International Conference on Data Engineering (ICDE'97). IEEE Computer Society. — 1997. — P: 232−243.
  33. Artale A., Franconi E., Guarino N., Pazzi L. Part-Whole relations in Object-centered systems: an overview. // Data and0 Knowledge Engineering (DKE). 1996. — Vol. 20. — P. 347−383.
  34. Baralis E., Paraboschi S., Teniente E. Materialized views selection in a multidimensional database. // In Proceedings of the 23rd International Conference on Very Large Data Bases (VLDB'97). Morgan Kaufmann. -1997.-P. 156−165.
  35. Bernstein P.A., Bergstraesser Th., Carlson J., Pal S., Sanders P., Shutt D. Microsoft Repository Version' 2 and the Open Information Model // Information Systems. 1999. — April. — Vol. 24, — № 2. — P. 71−98
  36. Binh N., Tjoa M., Wagner R. An Object Oriented Multidimensional Data Model for OLAP. // In Proceedings of the It International Conference on Web-Age Information Management (WAIM'2000). LNCS. — 2000. -Springer. — Vol. 1846. — P. 69−82.
  37. Cabibbo L., Torlone R. A Logical Approach to Multidimensional Databases. // In Advances in Database Technology (EDBT'98). LNCS. -1998. — Springer. — Vol. 1377. — P. 183−197.
  38. Chang T. CWM Enablement Showcase // UML Forum. Tokyo, 2001. -March 21.
  39. Codd E. F., Codd S. B., Salley C. T. Providing OLAP to user-analysts: An IT mandate. San Jose: Codd & Date, Inc., 1993. — 31p.
  40. Datta A., Thomas H. The cube data model: a conceptual model and algebra for on-line analytical processing in data warehouses. // Decision Support Systems. 1999. — Vol. 27. — № 3. — P. 289−301.
  41. Devlin B. A., Murphy P. T. An Architecture for a Business and Information System // IBM Systems Journal. 1988. — P. 27.
  42. Dyreson C. E. Information retrieval from an incomplete data cube. // In Proceedings of the 22nd International Conference on Very Large Data Bases (VLDB'96). Morgan Kaufmann. — 1996. — P. 532−543.
  43. Elmasri R., Navathe S. Fundamentals of Database Systems. Third edition. — Benjamin Cummings, 2000.
  44. Gardner S. Building the data warehouse. // Communications of the ACM. 1998. — Vol. 41. — P. 52−60.
  45. Gebhardt M., Jarke M., Jacobs S. A Toolkit for Negotiation Support Interfaces to Multi-Dimensional Data. // SIGMOD Record. 1997. — Vol. 26.-P. 348−356.
  46. Gerstl P., Pribbenow S. Midwinters, end games, and body parts: A classification of part-whole relations. // International Journal of Human-Computer Studies. 1995. — Vol. 43. — P. 865−889.
  47. Gingras F., Lakshmanan L. nD-SQL: A Multi-dimensional Language for Interoperability and OLAP // Proceedings of the 24th International
  48. Conference on Very Large Data Bases (VLDB'98). Morgan Kaufmann.- 1998.-P. 134−145.
  49. Giovinazzo W. A. Object-Oriented Data Warehouse Design. Prentice Hall, 2000.
  50. Golfarelli M., Maio D., Rizzi S. The Dimensional Fact Model: a Conceptual Model for Data Warehouses. // International Journal of Cooperative Information Systems. 1998: — Vol. 7. — P. 215−247.
  51. Gyssens M., Lakshmanan L. A Foundation for Multi-dimensional Databases. // In Proceedings of 23rd International Conference on Very Large Data Bases (VLDB 1997). Morgan Kaufmann Publishers. — 1997. -P. 106−115.
  52. Hacid M., Sattler U. An Object-Centered Multi-dimensional Data Model with Hierarchically Structured Dimensions. // In Proceedings of the IEEE Knowledge and Data Engineering Exchange Workshop (KDEX 1997). -IEEE Computer Society. 1997. — P. 65−72.
  53. Harinarayan V.', Rajaraman A., Ullman J. D. Implementing data cubes efficiently. // SIGMOD Record. 1996. — Vol. 25. — P. 205−216.
  54. Inmon W.H. Metadata in the Data Warehouse: A Statement of Vision // Colorado: Pine Cone Systems, 1997. White paper. — Tech Topic 10.
  55. ISO/IEC 9075:199: Information technology Database languages — SQL. // International Organization for Standardization. — 1999.
  56. Java Metadata Interface (JMI), version 1.0. / Java Community Process. -2002. June.
  57. JSR-69: Java OLAP Interface (JOLAP). / Java Community Process.- 2004. June.
  58. Kimball R. The Data Warehouse toolkit. John Wiley & Sons, 1996.
  59. Kimball R. Slowly Changing Dimensions // DBMS Magazine. 1996. -April.
  60. Kimball R., Reeves L., Ross M., Thornthwaite W. The Data Warehouse lifecycle toolkit. John Wiley & Sons, 1998.
  61. Korobko A., Penkova T. OLAP-modeling of municipal procurement automation support problem // Proc. 17-th Int. Conf. on Conceptual Structures (ICCS'09). 2009. — P. 87−91.
  62. Lehner W. Modeling Large Scale OLAP Scenarios. // In Advances in Database Technology (EDBT'98). LNCS. — 1998. — Springer. — Vol. 1377.-P. 153−167.
  63. Lenz H., Shoshani A. Summarizability in OLAP and Statistical Data Bases. // In Proceedings of the 9th International Conference on Scientific and Statistical Database Management (SSDBM 1997). IEEE Computer Society. — 1997.-P. 132−143.
  64. Li Ch., Wang X. A data model for supporting on-line analytical processing. // In Proceedings of the 5th International Conference on Information and Knowledge Management (CIKM'96). 1996. — P. 81−88.
  65. Marco D. Building and Managing the Meta Data Repository: A Full Lifecycle Guide. N.Y.: John Wiley & Sons Inc., 2000.
  66. Marco D. Meta Data & Knowledge Management: Meta Data Repository Myths // DM Review. 2002. — March.
  67. Melnik S., Rahm E., Bernstein P. Rondo: A Programming Platform for Generic Model Management // ACM SIGMOD. 2003. — P. 193−204.
  68. Common Warehouse Metamodel (CWM) Specification, version 1 .Oi / Object Management Group. 2001. — February.
  69. Model Driven Architecture (MDA) A Technical Perspective. / Object Management Group. — 2001. — July.
  70. Model Driven Architecture (MDA) Guide / Object Management Group- Ed. by Joaquin Miller, Jishnu Mukerji. 2003.
  71. Meta Object Facility (MOF) Specification, version 1.4. / Object Management Group. 2002. — April.
  72. Unified Modeling Language (UML) Specification, version 1.4. / Object Management Group. 2001. — September.
  73. XML Metadata Interchange (XMI) Specification, version 1.2. / Object Management Group. 2001. — January.
  74. Pedersen T., Jensen C. Research Issues in Clinical Data Warehousing. //i
  75. Proceedings of the 10th International Conference on Statistical and Scientific Database Management (SSDBM 1998). IEEE Computer Society. — 1998. — P. 43−52.
  76. Pendse N. The OLAP Report What is OLAP? // - Business Intelligence Ltd, 2001. Available at the URL http://www.olapreport.com/fasmi.html
  77. Poole J., Chang D., Tolbert D., Mellor D. Common Warehouse Metamodel: An Introduction to the Standard for Data Warehouse Integration. N. Y.: John Willey & Sons, Inc. — 2002.
  78. Saltor F., Castellanos M., Garcia-Solaco M. Suitability of Data Models as Canonical Models for Federated DBs. // SIGMOD Record. 1991. — Vol. 20. — P. 44−48.
  79. Sapia C., Blaschka M., Hofling G., Dinter B. Extending the E/R Model for the Multidimensional Paradigm. // In Proceedings of the It International Workshop on Data Warehouse and Data Mining. LNCS. -1999. — Springer. — Vol. 1552. — P. 105−116.
  80. Sitompul O. S., Noah S. A. A Transformation-oriented Methodology to Knowledge-based Conceptual Data Warehouse Design // Journal of Computer Science. 2006. — Vol. 2. — P. 460−465.
  81. Theodoratos D., Sellis T. Data Warehouse Configuration. // In Proceedings of the 23rd International Conference on Very Large Data Bases (VLDB'97). Morgan Kaufmann. — 1997. — P. 126−135.
  82. Thomsen E. OLAP Solutions: Building Multidimensional Information Systems. N. Y.: John Wiley & Sons Inc., 1997.
  83. Trujillo J., Palomar M. An Object-Oriented Approach to Multidimensional Database Conceptual Modeling. // In Proceedings of the 1st International Workshop on Data Warehousing and OLAP (DOLAP'98). -ACM. 1998.-P. 16−21.
  84. Vassiliadis P. Data Warehouse Modeling and Quality Issues:.PhD thesis. Department of Electrical-, and- Computer Engineering. National Technical University of Athens. 2000.
  85. Vassiliadis P. Modeling Multidimensional Databases, Cubes and Cube operations. // In Int. Conf. on Scientific and Statistical Database Management (SSDBM).-IEE.Computer Society. 1998.
  86. Vassiliadis P.. Sellis T. A Survey of Logical Models for OLAP Databases. // SIGMOD Record. 1999- - Vol. 28. — P. 64−69.
  87. Vetterli Th., Vaduva A., Staudt M. Metadata Standards for Data Warehousing: Open Information Modelvvs. Common Warehouse Model // SIGMOD Record. 2000- - Vol. 29. — P. 68−75:
  88. Warmer J., Kleppe A. The Object Constraint language: Precise Modeling with UML. Boston: Addison-Wesley Longman Publishing Co., Inc., 1998.- 112 p.
  89. Extensible Markup Language (XML). / World Wide Web Consortium. -1997. December.
  90. Extensible Markup Language (XML) 1.0 (Third Edition). W3C Recommendation. / World Wide Web Consortium. 2004. — February.
  91. RDF/XML Syntax Specification (Revised). W3C Recommendation. / World Wide Web Consortium. 2004. — February.
Заполнить форму текущей работой

Сессия? Спокойно!