第四节数据库技术14.1数据库系统概论14.1.1信息、数据和数据处理14.1.2数据管理技术的发展（3）数据库系统阶段概括起来，数据库阶段的数据管理具有如下特点：①采用数据模型表示复杂的数据结构。②有较高的数据独立性。③为用户提供方便的用户接口。④对数据实现统一管理，增加了灵活性。14.1.3数据库系统14.2数据模型模型是对现实世界的抽象。在数据库技术中，我们用模型的概念描述数据库的结构与语义，对现实世界进行抽象。能表示实体类型及实体间联系的模型称为“数据模型”。数据模型的种类很多，目前被广泛使用的可分为两种类型，一种是模型称为“概念数据模型”；另一种数据模型直接与DBMS有关，称为“逻辑数据模型”，一般又称为“结构数据模型”。通常一个数据库的数据模型由数据结构、数据操作和数据的完整性约束条件3部分组成。①数据结构数据结构是所研究的对象类型的集合。②数据操作数据操作是指对数据库中各种对象（型）的实例（值）允许执行的操作的集合，包括操作及有关的操作规则。③数据的完整性约束条件数据的约束条件是一组完整性规则的集合。数据模型应该反映和规定本数据模型必须遵守的基本的通用的完整性约束条件。例如，在关系模型中，任何关系必须满足实体完整性和参照完整性两个条件。实体联系模型（EntityRelationshipModel，简记为ER模型）直接从现实世界中抽象出实体类型及实体间联系，然后用实体联系图（ER图）表示数据模型。在ER图中有下面三个基本成分：①矩形框，用于表示实体类型（考虑问题的对象）。②菱形框，用于表示联系类型（实体间联系）。③椭圆形框，用于表示实体类型和联系类型的属性。ER模型有两个明显的优点：一是简单，容易理解，真实地反映用户地需求；二是与计算机无关，用户容易接受。因此ER模型已成为软件工程地一个重要设计方法。14.2.4常见的三种数据模型14.3物流中的数据库应用技术14.3.1物流系统数据库的设计14.3.2物流数据库的管理14.3.3物流数据库的应用14.4数据仓库和数据挖掘及其应用14.4.1数据仓库概述（3）数据仓库系统的体系结构整个数据仓库系统是一个包含四个层次的体系结构，①数据源②数据的存储与管理③OLAP服务器④前端工具具体由下图14－6表示。14.4.2数据仓库在电子商务中的用途14.4.3数据挖掘概述由图14－7可见，整个知识发现（KDD）过程是由若干个挖掘步骤组成，而数据挖掘仅是其中一个主要步骤。整个知识发现的主要步骤有：①数据清洗，其作用就是清楚数据噪声和与挖掘主题明显无关的数据。②数据集成，其作用就是将来自多数据源中的相关数据组合到一起。③数据转换，其作用就是将数据转换为易于进行数据挖掘的数据存储形式。④数据挖掘，它是知识挖掘的一个基本步骤，其作用就是利用智能方法挖掘数据模式或规律知识。⑤模式评估，其作用就是根据一定评估标准从挖掘结果筛选出有意义的模式知识。⑥知识表示，其作用就是利用可视化和知识表达技术，向用户展示所挖掘出的相关知识。（2）数据挖掘的功能数据挖掘的功能主要有：①关联分析（associationanalysis）②聚类分析（clustering）③分类（classification)④预测（predication）⑤时序模式（time-seriespattern）⑥偏差分析（deviation）（3）数据挖掘中的方法①神经网络方法②遗传算法③决策树方法④粗糙集方法⑤统计分析方法⑥模糊集方法14.4.4数据挖掘在物流中的应用