eb的远程监控系统可分为现场监控智能终端、监控中心包括通信模块、数据库服务器、Web服务器和客户即浏览器3个子系统1，整体结构如图11所示。智能终端子系统一方面采集有关现场各个设备的运行状况的数据，然后送给监控中心，另一方面接收来自监控中心的控制命令，继而采取相应动作。监控中心通信模块负责完
f成和现场控制器之间的数据传送任务，Web服务器与客户子系统以及现场子系统进行交互，数据库则可以存储现场获得的实时数据。客户子系统可以通过浏览器实现，用户直接与其交互，它接受用户的输入，从监控中心获取监测数据或通过监控中心发送控制命令2。
浏览器
Web服务器
数据库服务器
通信模块
智能终端
客户子系统
监控中心子系统
现场监控子系统
图1基于web的远程监控系统总结构图
2系统软件实现
本系统预采用Tomcat服务器技术，在Java平台上，采用Spri
gMVC（控制层）Mybatis（持久层）等主流框架，使用MySQL作为后台数据库，前端使用EasyUI技术，界面清晰简洁易操作。为了探讨网络化智能零售系统中数据的管理与分析，以达到辅助企业经营决策，甚至自动生成商业决策的效果，后期数据挖掘的重要性不言而喻。
3数据挖掘的概念
数据挖掘是从大量的、不完全的、有噪声的、模糊的和随机的数据中提取隐含在其中的、人们事先不知道的，但又是潜在有用的信息和知识的过程。从模式处理的角度因为数据挖掘是数据库中发现知识的一个核心步骤如图31所示发现了隐藏的模式许多人认为两者是等同的3。数据仓库datawarehouse是数据挖掘技术的基础。上世纪80年代数据仓库之父WHI
mo
在《建立数据仓库》
4
一书中给出了数据仓库的定义随后又更精确地定
义数据仓库是在企业管理和决策中面向主题的、集成的、时变的以及非易失的数据集合。传统的数据库管理系统的主要任务是联机事务处理o
li
etra
sactio
processi
gOLTP，而数据仓库为数据分析和决策提供服务被称为联机分析处理o
li
ea
alyticalprocessi
gOLAP。关系数据库之父EFcodd于1993年最早提出了OLAP的概念
5
。
f图2数据挖掘（数据库中发现知识的核心步骤）
4数据挖掘算法的国内外研究现状
在国外，很多科研机构、高校、院所和一些科研机构都在积极研究高性能大规模数据集挖掘算法，甚至组织了专门的数据挖掘会议对大规模数据集进行讨论，广泛采纳各种先进的思想和算法。为了使传统的数据挖掘算法能够适应大规模数据的挖掘环境，众多科研人员对之进行了优化，尤其是在聚r