围绕数据库的高层管理阶段（即知识管理阶段）中数据仓库的设计与实现这个课题，结合数据挖掘、数据库中的知识发现（KDD）等内容，本文进行了如下的一些研究与实践。主要工作如下：1．以知识管理为中心，提出了有关数据仓库定义的解释、框架及其组成部分， 研究了高层管理阶段数据集成、知识集成的问题。2．详细解释了数据仓库所涉及的理论、发展趋势以及实现数据仓库的相关技 术，从而有区别于DBS的理论、应用等。这对成熟的DBS理论中又有了新的 应用，为进一步在现有的DBS中挖掘有价值的信息提供了可靠的理论依据。3．对于多平台的网络系统，采用SQL中的Cube技术解决了三维以上的超维问 题数据结构问题，从而使得数据仓库摆脱了传统的二维关系表格的数据结构 的存储方式，为多个平台的信息集成、知识集成提供了先进的处理手段。4．在数据仓库访问组成部分中，详细叙述了数据挖掘的定义、方法和目标。 在数据挖掘过程中以银行业务为背景，有效地对银行的贷款的风险进行了预 测。在预测与分析中，利用多种模型对某个主题（实际问题）的样本数据进 行了预测，经过预测结果的比较与评价后，结合样本数据发展的趋势选出一 种最优的模型，这对于市场经济迅猛发展的今天，是非常重要的。5．针对知识发现，研究了有关相联规则的问题。在KDD定义、过程形成基础 上，对相联规则在实际中的应用价值进行了分析与研究。从实际的销售、银 行的贷款分析、病理分析等出发，提出了改进的Apriori算法，解决了在大 型的DBS中KDD的难点问题，即知识发现的算法问题。该方法可用以解决医 学、诊断、报警、贷款预测分析、大型零售商的货物分析等的相关领域的问 题。实践表明，该方法是目前KDD中优秀的算法，在决策支持中起着重要的 作用。