数字电影发行决策支持系统设计与实现

[复制链接]
查看: 216|回复: 0

2万

主题

3万

帖子

7万

积分

管理员

Rank: 9Rank: 9Rank: 9

积分
72282
发表于 2022-9-15 18:45:07 | 显示全部楼层 |阅读模式
目:


雅宝题库答案
****此区域为收费内容****    需支付 1 知识币后可查看,1币=0.01元查看答案


雅宝题库解析:
数字电影发行积累了大量的历史数据,这些数据中包含着丰富的信息,传统对历史数据“只备份不利用”的策略造成了信息的极大浪费。若能从历史发行数据中获取到发行经验信息并加以合理利用,对于加快推动数字电影产业发展,扩大经济及社会效益具有重要的意义。传统发行经验的积累只能依靠人工的记忆及总结,主观影响因素较大,且多数经验不能以科学的方式表达,不利于经验知识的利用和普及。而基于数据仓库和数据挖掘的决策支持系统,能够用科学的方式从历史数据中挖掘出数据间的潜在规律,为决策者提供决策参考,从而帮助决策者快速、准确地做出决策。本文设计并实现了数字电影发行决策支持系统,达到了将历史数据和实时数据充分利用并辅助决策的总体目标。数字电影发行决策支持系统包括实时数据获取子系统、数据监督子系统、数据分析子系统和数据挖掘子系统四大部分。实时数据获取子系统实现了将业务系统中的数据实时抽取到数据仓库中,解决了数据来源题目;数据监督子系统对系统中不符合发行规定的数据进行监督提醒;数据分析子系统利用OLAP技术对订购和放映数据实现在区域、影片和时间三个维度上的多维查询;数据挖掘子系统则是根据用户提出的需求实现了用户订购偏好分析、影片定价辅助、影片放映区域选择和影片订购预测四个功能。为了实现实时数据和历史数据的综合分析,本文设计并实现了数据仓库的实时ETL机制:在源系统和数据仓库之间增加接口缓存,通过触发器机制实现源系统中变更数据实时插入到接口缓存中,再通过多线程机制调用存储过程实现接口缓存中新增数据到数据仓库的实时加载,实现了数据仓库数据与业务系统数据的实时同步。为了实现本系统中的数据挖掘功能,对数据挖掘中已有的K-means聚类算法进行了改进。由于传统的K-means聚类算法其只支持间隔尺度变量,本文对其进行了扩展,使其不仅支持间隔尺度变量还支持名义尺度变量和有序尺度变量。最后为了验证技术实现的正确性,本文详细设计了针对各功能模块的测试流程与测试用例。通过分析测试结果对系统进行验证。





上一篇:某型火控系统检测仪设计与实现
下一篇:基于单脉冲技术的雷达三维成像
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

精彩课程推荐
|网站地图|网站地图