رویکردی جدید در ساخت خودکار شمای چندبعدی توسط الگوریتم خوشه بندی سلسله مراتبی و بردار پشتیبان وزندار خطی

انباردادهها و ابزارهای پردازش تحلیلی برخط OLAP یک بستر کارا برای دادهکاوی فراهم نموده و انگیزه را برای رفتن به سمت معماری OLAM افزایشداده است. استفاده ترکیبی از سامانههای پردازش تحلیل برخط و دادهکاوی به خاطر اهمیت آن در کشف دانشاز مکعب های بزرگ، در تحقیقات مورد استفاده قرار گرفته است. در پایگاه دادههای چندبعدی، تصمیم اینکه چه ابعادی حاوی اطلاعات مفید هستند که در ساخت مکعب بکار بروند، یکی از مسایل مشکل برای طراحان است. هدف در این مقاله بدست آوردن توانایی پیشبینی در حین ساخت شما است. روش کار به این صورت است که برای بدست آوردن یکزیرمجموعه از متغیرهای مفید، از روش بردار پشتیبان وزندار خطی کمک گرفته شده است که این متغیرها نماینده خوبی برای شرکت در ساخت مکعبها خواهند بود. از خوشهبندی سلسلهمراتبی برای بدست آوردن ارتباطاتپویا میان متغیرها در سطوح مختلف داده استفاده خواهد شد. در این مرحله متغیرهای اسمی تبدیل به جداول بعد و متغیرهای عددی تبدیل به جدول حقیقت شده و از جداول بعد و حقیقت با رتبه بالا در هر سطح، مکعب مربوطه ساخته میشود. بعد از ساخت شما، اقدام به استخراج قوانین با استفاده از الگوریتم AprioriTid فازی شده است.