Показать сокращенную информацию
dc.contributor.author | Цымблер, М.Л. | |
dc.contributor.author | Zymbler, M.L. | |
dc.date.accessioned | 2021-05-18T10:53:21Z | |
dc.date.available | 2021-05-18T10:53:21Z | |
dc.date.issued | 2019 | |
dc.identifier.citation | Цымблер, М.Л. Обзор методов интеграции интеллектуального анализа данных в СУБД / М.Л. Цымблер // Вестник ЮУрГУ. Серия: Вычислительная математика и информатика. - 2019. - Т. 8, № 2. - С. 32-62. DOI: 10.14529/cmsel90203. Zymbler M.L. Overview of Methods for Integrating Data Mining into DBMS. Bulletin of the South Ural State University. Series: Computational Mathematics and Software Engineering. 2019. vol. 8, no. 2. pp. 32-62. (in Russian). DOI: 10.14529/cmsel90203. | ru_RU |
dc.identifier.issn | 2410-7034 | |
dc.identifier.uri | http://dspace.susu.ru/xmlui/handle/0001.74/34926 | |
dc.description | Цымблер Михаил Леонидович, к.ф.-м.н., доцент, кафедра системного программирования, Южно-Уралвский государственник университет (националвнв1Й исследователвский университет) (Челябинск, Российская Федерация M.L. Zymbler South Ural State University (pr. Lenina 76, Chelyabinsk, 45)080 Russia) E-mail: mzym@susu.ru | ru_RU |
dc.description.abstract | Интеллектуальный анализ данных направлен на извлечение доступных для понимания знаний, необходимых для принятия решений в различных сферах человеческой деятельности. Феномен Больших данных является характерным признаком современного информационного общества. Процессы очистки и структурирования Больших данных приводят к образованию сверхбольших баз и хранилищ данных. Несмотря на появление большого количества NoSQL СУБД, основным инструментом управления базами данных по-прежнему остаются реляционные СУБД. Одним из перспективных направлений развития реляционных СУБД является внедрение в них средств интеллектуального анализа данных. Интеграция позволяет как избежать накладных расходов по экспорту анализируемых данных из хранилища и импорту результатов анализа обратно в хранилище, так и использовать при анализе данных системные сервисы, заложенные в архитектуре СУБД. В статье представлен обзор методов и подходов к решению задачи интеграции интеллектуального анализа данных в СУБД. Приводится классификация подходов к решению задачи интеграции интеллектуального анализа данных в СУБД. Представлены расширения языка баз данных SQL, обеспечивающие синтаксическую поддержку интеллектуального анализа данных в СУБД. Рассмотрены примеры реализации алгоритмов интеллектуального анализа данных на SQL и систем анализа данных в реляционных СУБД. Data Mining is aimed to discovering understandable knowledge from data, which can be used for decision-making in various fields of human activity. The Big Data phenomenon is a characteristic feature of the modern information society. The processes of cleaning and structuring Big data lead to the formation of very large databases and data warehouses. Despite the emergence of a large number of NoSQL DBMSs, the main database management tool is still relational DBMS. Integration of Data Mining into relational DBMS is one of the promising directions of development of relational databases. Integration allows both to avoid the overhead of exporting the analyzed data from the repository and importing the analysis results back to the repository, as well as using system services embedded in the DBMS architecture for data analysis. The paper provides an overview of methods and approaches to solving the problem of integrating data mining in a DBMS. A classification of approaches to solving the problem of integrating data mining in a DBMS is given. The SQL database language extensions to provide syntactic support for data mining in a DBMS are introduced. Examples of the implementation of data mining algorithms for SQL and data analysis systems in relational databases are considered. | ru_RU |
dc.description.sponsorship | Работа выполнена при финансовой поддержке Российского фонда фундаментальных исследований (грант # 17-07-00463), Правительства РФ в соответствии с Постановлением № 211 от 16.03.2013 (соглашение № 02.А03.21.0011) и Министерства образования и науки РФ (государственное задание 2.7905.2017/8.9). | ru_RU |
dc.language.iso | other | ru_RU |
dc.publisher | Издательский центр ЮУрГУ | ru_RU |
dc.relation.ispartof | Вестник ЮУрГу. Серия Вычислительная математика и информатика | ru |
dc.relation.ispartof | Bulletin of South Ural State University. Series 'Computational mathematics and software engineering" | en |
dc.relation.ispartofseries | Вычислительная математика и информатика;Т. 8 | |
dc.subject | УДК 004.65 | ru_RU |
dc.subject | УДК 004.421 | ru_RU |
dc.subject | интеллектуальный анализ данных | ru_RU |
dc.subject | реляционная СУБД | ru_RU |
dc.subject | классификация | ru_RU |
dc.subject | кластеризация | ru_RU |
dc.subject | поиск шаблонов | ru_RU |
dc.subject | интеллектуальный анализ данных | ru_RU |
dc.subject | реляционная СУБД | ru_RU |
dc.subject | классификация | ru_RU |
dc.subject | кластеризация | ru_RU |
dc.subject | поиск шаблонов | ru_RU |
dc.title | Обзор методов интеграции интеллектуального анализа данных в СУБД | ru_RU |
dc.title.alternative | Overview of Methods for Integrating Data Mining into DBMS | ru_RU |
dc.type | Article | ru_RU |
dc.identifier.doi | DOI: 10.14529/cmsel90203 |