دانلود و نمایش مقالات مرتبط با OLAP::صفحه 1
بلافاصله پس از پرداخت دانلود کنید
نتیجه جستجو - OLAP

تعداد مقالات یافته شده: 11
ردیف عنوان نوع
1 لیزر درمانی برای بازگرداندن عملکرد واژن
سال انتشار: 2017 - تعداد صفحات فایل pdf انگلیسی: 6 - تعداد صفحات فایل doc فارسی: 21
لیزر درمانی در تعداد زیادی از شرایط های پزشکی کاربرد درمانی دارد و اخیرا به عنوان یک درمان غیرهورمونی برای سندرم ادراری-تناسلی یائسگی (genitourinary syndrome of menopause یا GSM) و یک گزینه غیرتهاجمی برای بی اختیاری ادرار ناشی از استرس (stress urinary incontinence یا SUI) مطرح شده است. چند نوع درمان، شامل محصولات هورمونی و غیر هورمونی، برای بهبود علایم GSM وجود دارند. هر دو نوع لیزر میکرو تخریبی لایه لایه ای co2 (microablative fractional CO2 laser) و غیرتخریبی واژنیِ Er:YAG (VEL)، تغییرات ریخت شناختی(مورفولوژیک) در بافت های واژن القا می کنند و داده های کارآزمایی های بالینی غیر تصادفی نشان می دهند که لیزر درمانی می تواند خشکی و درد هنگام آمیزش جنسی را بهبود بخشد. به نظر می رسد VEL می تواند SUI را همانند افتادگی واژن بهبود بخشد. اگرچه کارآزمایی های تصادفی بزرگی در این مورد انجام نشده است، شواهد نشان می دهد VEL می تواند به عنوان جایگزینی ایمن و موثر برای (( درمان جایگزینی با هورمون (hormone replacement therapy یا HRT) )) برای بیماری GSM مطرح شود. همینطور یک درمان خط اول برای SUI خفیف تا متوسط، پیش از آنکه پزشک مجبور به انجام عمل جراحی به عنوان آخرین چاره شود. به مطالعات تصادفی نیاز است تا لیزر درمانی را با سایر درمان ها مقایسه کند و همینطور مدت تاثیرات درمانی و امنیت استفاده های مکرر از این شیوه را بسنجد. در حال حاضر پژوهش هایی در حال ارزیابی یک ردیاب(Probe) روباتی خودکار برای درمان VEL و نیز یک ردیاب(probe) داخل پیشابراهی برای درمان SUI شدید و تیپ 3 هستند.
کلمات کلیدی : سندرم ادراری-تناسلی یائسگی | بی اختیاری ادرار | افتادگی اندام های لگنی | سندرم سستی واژنی | لیزر درمانی واژن
مقاله ترجمه شده
2 Big Data Management: New Frontiers, New Paradigms
مدیریت داده های بزرگ: مرزهای جدید، پارادایم های جدید-2017
This special issue on “Big Data Management: New Frontiers, New Paradigms” of Information Systems presents a rigorous selection of the best papers of the 17th ACM International Workshop on Data Warehousing and OLAP (DOLAP 2014), held in conjunction with the 23rd ACM International Conference on Conference on Information and Knowledge Management (CIKM 2014), in Shanghai, China, during November 3–7, 2014.
مقاله انگلیسی
3 Cloud BI: Future of business intelligence in the Cloud
هوش تجاری ابری: آینده هوش تجاری در ابر-2015
In self-hosted environments it was feared that business intelligence (BI) will eventually face a resource crunch situation due to the never ending expansion of data warehouses and the online analytical processing (OLAP) demands on the underlying networking. Cloud computing has instigated a new hope for future prospects of BI. However, how will BI be implemented on Cloud and how will the traffic and demand profile look like? This research attempts to answer these key questions in regards to taking BI to the Cloud. The Cloud hosting of BI has been demonstrated with the help of a simulation on OPNET comprising a Cloud model with multiple OLAP application servers applying parallel query loads on an array of servers hosting relational databases. The simulation results reflected that extensible parallel processing of database servers on the Cloud can efficiently process OLAP application demands on Cloud computing. Keywords: Business intelligence Online analytical processing Cloud computing Software-as-a-service Database-as-a-service Massively parallel systems
مقاله انگلیسی
4 Advanced topic modeling for social business intelligence
مدل سازی موضوعات پیشرفته برای هوش تجاری اجتماعی-2015
Social business intelligence combines corporate data with user-generated content (UGC) to make decision-makers aware of the trends perceived from the environment. A key role in the analysis of textual UGC is played by topics, meant as specific concepts of interest within a subject area. To enable aggregations of topics at different levels, a topic hierarchy has to be defined. Some attempts have been made to address the peculiarities of topic hierarchies, but no comprehensive solution has been found so far. The approach we propose to model topic hierarchies in ROLAP systems is called meta-stars. Its basic idea is to use metamodeling coupled with navigation tables and with dimension tables: navigation tables support hierarchy instances with different lengths and with non-leaf facts, and allow different roll-up semantics to be explicitly annotated; meta-modeling enables hierarchy heterogeneity and dynamics to be accommodated; dimension tables are easily integrated with standard business hierarchies. After outlining a reference architecture for social business intelligence and describing the metastar approach, we formalize its querying expressiveness and give a cost model for the main query execution plans. Then, we evaluate meta-stars by presenting experimental results for query performances and disk space. Keywords: business intelligence, social media, user-generated content, multidimensional modeling
مقاله انگلیسی
5 هوش تجاری ابری: آینده هوش تجاری در سیستم ابری
سال انتشار: 2015 - تعداد صفحات فایل pdf انگلیسی: 12 - تعداد صفحات فایل doc فارسی: 33
در شرایط خود-میزبانی همیشه این ترس بوده است که هوش تجاری (BI) نهایتا با وضعیت بیان ظرفیت فشرده سازی بدلیل گسترش بی پایان انبار داده ها و در خواست پردازش تحلیلی انلاین (OLAP) در شبکه سازی اصولی، مواجه خواهد شد. محاسبات ابری امیدهای نوینی برای چشم اندازهای آتی BL داده است. هرچند، چگونه BI در سیستم ابری اجرا خواهد شد و چگونه ترافیک و مطالبه پروفایل شبیه هم خواهند بود؟ هدف از این تحقیق تلاش برای پاسخ دهی به این سوالات کلیدی در خصوص بهره مند سازی سیستم ابری از BI است. میزبانی سیستم ابری از BI با کمک شبیه سازی بر روی OPNET دربرگیرنده مدل ابری با چندین سرور کاربردی OLAP با بکارگیری فرمان های انتقال اطلاعات پرس و جوی موازی روی ارایه ای از سرورهای میزبان پایگاه های رابطه ای، ثابت شده است. نتایج شبیه سازی نشان داد که پردازش موازی و توسعه پذیر سرورهای پایگاه داده در سیستم ابری می تواند بطور موثری نیازهای کاربرد OLAP را در محاسبات ابری پردازش کند.
کلمات کلیدی: هوش تجاری | پردازش تحلیلی انلاین | محاسبات ابری | نرم فزار بعنوان خدمات | پایگاه داده بعنوان خدمات | سیستم های بیش از حد موازی
مقاله ترجمه شده
6 HaoLap: A Hadoop based OLAP system for big data
Hadoop : یک سیستم OLAP مبتنی بر hadoop داده های بزرگ-2015
In recent years, facing information explosion, industry and academia have adopted distributed file system and MapReduce programming model to address new challenges the big data has brought. Based on these technologies, this paper presents HaoLap (Hadoop based oLap), an OLAP (OnLine Analytical Processing) system for big data. Drawing on the experience of Multidimensional OLAP (MOLAP), HaoLap adopts the specified multidimensional model to map the dimensions and the measures; the dimension coding and traverse algorithm to achieve the roll up operation on dimension hierarchy; the partition and linearization algorithm to store dimensions and measures; the chunk selection algorithm to optimize OLAP performance; and MapReduce to execute OLAP. The paper illustrates the key techniques of HaoLap including system architecture, dimension definition, dimension coding and traversing, partition, data storage, OLAP and data loading algorithm. We evaluated HaoLap on a real application and compared it with Hive, HadoopDB, HBaseLattice, and Olap4Cloud. The experiment results show that HaoLap boost the efficiency of data loading, and has a great advantage in the OLAP performance of the data set size and query complexity, and meanwhile HaoLap also completely support dimension operations. Keywords: Cloud data warehouse Multidimensional data model MapReduce
مقاله انگلیسی
7 یک روش فیلتر مشارکتی برای توصیه نمودن نشست های OLAP
سال انتشار: 2015 - تعداد صفحات فایل pdf انگلیسی: 11 - تعداد صفحات فایل doc فارسی: 41
در حالیکه OLAP دارای نقشی کلیدی در پشتیبانی از اکتشاف مؤثر مکعب های چند بُعدی است، ممکن است تعداد زیادی از انبوهش ها و انتخاب هایی که می توانند بر اساس داده ها عمل کنند، موجب تجربه کردن فقدان جهت گیری مناسب از سوی کاربران شوند. به منظور پرداختن به این موضوع، ما در این مقاله یک روش توصیه ی نشأت گرفته از فیلتر مشارکتی را پیشنهاد نمودیم. ما ادعا می کنیم که دنباله ی کامل جستارهای متعلق به یک نشست OLAP ارزشمند است، چرا که به کاربر دیدگاهی ترکیبی و توأمان از داده ها می دهد؛ به این خاطر هدف ما توصیه نمودن نشست های OLAP و نه جستارهای OLAP تنهاست. همانند دیگر روش های مشارکتی، روش ما نیز سه مرحله دارد: (1) جستجوی فهرست نشست هایی که دارای برخی شباهت-ها با موردی هستند که به تازگی دلخواه کاربر بوده است؛ (2) استخراج مرتبط ترین نشست های فرعی؛ و (3) تطبیق برترین نشست های فرعی با نشست های جاری کاربر. با اینحال، برای اولین بار است که با نشست ها به عنوان شهروندان درجه اول برخورد شده، و با استفاده از تکنیک های جدید برای مقایسه ی نشست ها کاندیدهای توصیه شده ی معناداری را تعیین نموده، و با نشست های کنونی تطبیق داده می شوند. پس از توصیف روش، در رابطه با نتایج مجموعه ی بزرگی از تست های اثربخشی و بهره وری مبتنی بر معیارهای مختلف کیفیت توصیه های ارائه شده بحث می کنیم.
کلمات کلیدی: OLAP | معیارهای تشابه | توصیه ی جستار | شخصی سازی
مقاله ترجمه شده
8 Big data analytics for knowledge generation in tourism destinations–A case from Sweden
تجزیه و تحلیل داده های بزرگ برای تولید دانش در مقصدهای گردشگری - موردی از سوئد-2014
This paper presents a knowledge infrastructure which has recently been implemented as a genuine novelty at the leading Swedish mountain tourism destination, Åre. By applying a Business Intelligence approach, the Destination Management Information System Åre (DMIS-Åre) drives knowledge creation and application as a precondition for organizational learning at tourism destinations. Schianetz, Kavanagh, and Lockington’s (2007) concept of the‘Learning Tourism Destination’ and the‘Knowledge Destination Framework’ introduced by Höpken, Fuchs, Keil, and Lexhagen (2011)build the theoretical fundament for the technical architecture of the presented Business Intelligence application. After having introduced the development process of indicators measuring destination performance as well as customer behaviour and experience, the paper highlights how DMIS-Åre can be used by tourism managers to gain new knowledge about customer-based destination processes focused on preand post-travel phases, like“Web-Navigation”, “Booking”and“Feedback”. After a concluding discussion about the various components building the prototypically implemented BI-based DMIS infrastructure with data from destination stakeholders, the agenda of future research is sketched. The agenda considers, for instance, the application of real-time Business Intelligence to gain real-time knowledge on tourists’ on-site behaviour at tourism destinations. Keywords: Big data analytics Tourism destination Destination management information system Business intelligence Data mining Online Analytical Processing (OLAP)
مقاله انگلیسی
9 تجزیه و تحلیل HPLC-PDA مهار کننده های ACE، هیدروکلروتیازید و اينداپاميد در طراحی آزمایش ها
سال انتشار: 2014 - تعداد صفحات فایل pdf انگلیسی: 11 - تعداد صفحات فایل doc فارسی: 23
روش کروماتوگرافی مایع ساده، سریع، دقیق و حساس با عملکرد بالا برای اندازه گیری همزمان مهار کننده های ACE با هیدروکلروتیازید و اينداپاميد در فرمولاسیون های دارویی توسعه داده شده است. طراحی آزمایش (DOE) با استفاده از طراحی تركيب مرکزی (CCD) برای تسهیل توسعه روش و بهینه سازی آن استفاده شد. فاز متحرک استفاده از روش پاسخ سطحي با استفاده از نرم افزار کارشناس طراحی بهینه سازی شده است. جداسازی کروماتوگرافی در ستون Hypersil -Gold C18 (100•4.6 mm، 3lm، Thermo Fisher Scientific, USA) در 25 C به دست آمد. فاز متحرک 58٪ بافر (5mM) KH2PO4، حاوی تريتيلامين (0.25ml/L) 25% استونیتریل و 17٪ متانول (با pH تنظیم شده0.1 ± 2.8) بود. تجزیه و تحلیل در 215 نانومتر انجام شد. نرخ جریان فاز متحرک 1.0 ml/min و حجم تزریق10µl بود. روش از نظر خطی، محدودیت های سنجش کمی و تشخیص، دقت، استحکام و نیرومندی بر اساس دستورالعمل کنفرانس بین المللی هماهنگ سازي (ICH) اعتبار سنجي شد. منحنی هاي کالیبراسیون (برای لیزینوپریل، هیدروکلروتیازید، کاپتوپریل، ايميداپريل، پريندوپريل، اينداپاميد و تراندولاپریل) در محدوده غلظت 5- 35 µg/ml خطی بود. حد تشخیص و حد سنجش کمی برای داروهای تجربی در محدوده 0.03-0.61 و 0.08-1.84µg / ML بود.
کلید واژه ها: HPLC | مهارکننده های ACE | هیدروکلروتیازید | اینداپامید | طراحی آزمایشات (DOE) | طرح مرکب مرکزی
مقاله ترجمه شده
10 سیستم پشتیبان تصمیم‌گیری برای پزشکی مبتنی بر شواهد
سال انتشار: 2014 - تعداد صفحات فایل pdf انگلیسی: 10 - تعداد صفحات فایل doc فارسی: 25
یک سیستم حامی تصمیم برای کمک به پزشکان در تحلیل داده‌های مهم بالینی از جمله سابقه پزشکی بیماران، تشخیص و یا درمان به منظور دنبال کردن الگوهای دانش مفید در فرایند تشخیص، ارائه شده است. رویکرد بنیادی اصلی از استدلال موردی (CBR) استفاده می‌کند که در آن، دانش از موارد تجربه شده در گذشته، استخراج می‌شود. به طور ویژه، ما از داده‌کاوی توالی مبتنی بر رویداد، برای یافتن الگوهای متداول در سابقه بیماران و تاکید بر تاثیرات اقدامات پزشکی، استفاده کردیم. ما همچنین از تکنیک بانک اطلاعاتی (انبار داده‌ها)، از جملهOLAP ، استفاده کردیم تا این امکان را برای پزشکان فراهم کنیم که تشخیص را با استفاده از چندین معیار، تحلیل کنند، همچنین رویکردها و ابزارهای اخیر برای تجمیع داده‌های بصری برای حمایت موثر از وظیفه پیچیده تجمیع و تطبیق داده‌های به دست آمده از منابع مختلف پزشکی، با کار گرفته شده‌اند. علاوه براین، به دلیل حضور زیاد اطلاعات متنی در سوابق درمانگاه بسیاری از بیمارستان‌ها، تکنیک‌های کاوش متن، به کار رفته‌اند. به ویژه، ما از یک تحلیل لغوی برای متن آزاد به منظور استخراج لغات متمایز و اطلاعات کدگذاری شده، استفاده کردیم. در نهایت، سیستم، مکانیزمی را فراهم می‌کند که کار کردن با آن برای کاربر آسان است، تا به این ترتیب از داده‌های پزشکی محرمانه، حفاظت شود. اعتبارسنجی سیستم که بیشتر بر قابلیت استفاده موضوعات تمرکز دارد، با انجام اقدامات مبتنی بر یک پایگاه داده از یک بیمارستان عمومی اولیه، اجرا شد.
کلمات کلیدی: پزشکی مبتنی بر شواهد | سیستم‌های حامی تصمیم‌گیری | داده‌کاوی | انباره داده
مقاله ترجمه شده
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi