中文摘要：

多维数据的联机分析和知识发现是数据库领域的研究热点之一，它在各个行业的决策支持中都具有重要的应用价值。然而已有的联机分析处理和数据挖掘功能比较有限，分析者根据自己的直觉和假定，在巨大的搜索空间中人工探查数据，不仅容易迷失，而且难以发现或容易忽略有趣的模式。本项目将在理论和方法方面，就多维多层次分析的自动导航和多维数据中的知识发现问题展开深入研究。其中，前者包括智能切片、智能切块、模式变异、层次视图等各种自动导航机制，目标是使系统自动引导用户至感兴趣之处，帮助用户更好地理解数据立方体中数据的分布特点，省去繁琐的人工操作和分析。后者包括模糊概述、群体发现、互动分析等各种知识发现机制，目标是发现在大量多维数据中蕴含的对用户真正有用的新模式，帮助用户发现事先未知但是潜在有用的知识。

结论摘要：

多维数据的联机分析和知识发现是数据库领域的研究热点之一，它在各个行业的决策支持中都具有重要的应用价值。然而已有的联机分析处理和数据挖掘功能比较有限，分析者根据自己的直觉和假定，在巨大的搜索空间中人工探查数据，不仅容易迷失，而且难以发现或容易忽略有趣的模式。本项目从理论和方法两个方面，就多维多层次分析的自动导航和多维数据中的知识发现问题进行了深入研究。其中，多维多层次分析的自动导航包括多维数据的智能上卷、智能下钻、智能切片、智能切块、虚拟立方体等各种自动导航机制，可以由系统自动引导用户至感兴趣之处，帮助用户更好地理解数据立方体中数据的分布特点，省去繁琐的人工操作和分析。多维数据中的知识发现包括模糊概述、群体发现、切片聚类、异常发现等各种知识发现机制，能够发现在大量多维数据中蕴含的对用户真正有用的新模式，帮助用户发现事先未知但是潜在有用的知识。两大部分紧密结合，可以引导用户在海量数据中进行有效、高效的多维多层次探查和知识发现。本项目研究具有重要的理论意义和实用价值。通过对这些问题的深入研究，极大地丰富了多维数据的联机分析和数据挖掘的理论，并为应用到金融等各个领域打下坚实的基础。