數(shù)據(jù)倉庫查詢技術(shù)在股票數(shù)據(jù)分析中的應(yīng)用研究.pdf

1、隨著數(shù)據(jù)庫學(xué)科的迅猛發(fā)展，數(shù)據(jù)倉庫技術(shù)已日趨成熟，它也被廣泛地應(yīng)用到各行各業(yè)中，特別對于證券行業(yè)的股票市場，它包含了海量的股票交易歷史數(shù)據(jù)，更需要運(yùn)用數(shù)據(jù)倉庫技術(shù)對數(shù)據(jù)進(jìn)行有效的管理。
　　毋庸置疑，數(shù)據(jù)倉庫除了有效地管理和維護(hù)數(shù)據(jù)以外，還需要支持即席的、復(fù)雜的查詢，而這些查詢需要訪問大量的記錄，進(jìn)行復(fù)雜的多表連接與聚集操作，在最壞情況下，用戶在忍受查詢響應(yīng)時間過長的同時，還要容忍查詢有效性的低下，這在決策支持應(yīng)用中是不能接受的，

2、因此，如何提高海量數(shù)據(jù)上的查詢效率已成為一個熱點(diǎn)問題，對數(shù)據(jù)倉庫查詢技術(shù)方面的研究也就具有重大的意義。
　　本文深入研究了數(shù)據(jù)倉庫查詢技術(shù)，并提出了一種適用于股票數(shù)據(jù)分析的查詢方法，即通過增加一個查詢預(yù)處理層來提高查詢效率。該查詢預(yù)處理層主要用來對股票交易數(shù)據(jù)屬性進(jìn)行排序，使其與基于星型模型的多表連接算法M-Join和聚集算法MuSA相結(jié)合，以此提高查詢的有效性。在股票交易數(shù)據(jù)屬性排序算法中，我們使用模糊聚類算法CA算法對數(shù)值型數(shù)