用好Windows内置的压缩功能

Windows内置的压缩功能也许比不上WinZIP或WinRAR这样专业的压缩解压缩工具．但是别忘了那两个软件都是收费的，而Windows内置的压缩功能却是操作系统自带．不需要你再多花一分钱。也许有朋友会说，我用破解版的WinZIP或WinRAR．也不用花钱．可是你能永远用D版吗?与其如此，不如好好研究一下Windows内置的压缩功能，你会发现实际上它就能满足你大部分的日常操作需要。     

用好Windows XP自带的压缩程序

很多朋友一定对Windows XP自带的压缩程序IExpress有所了解IExpress向导式的操作．可以让你不费吹灰之力就可以快速完成压缩工作，使用非常方便。     

一种对位图文件的有效压缩算法

目前广泛使用位图文件作为图像文件类型。使用游程编码方法可对位图文件进行较高效的压缩。本文讨论了Windows位图文件的结构和游程编码的算法 ,并利用C语言实现了位图文件的压缩和解压缩。     

两款适合Windows VistaⅡ的电视卡——媒体中心系统好搭档

测试手记 对于使用Windows Vista操作系统的用户来说．最需要的就是一个媒体中心遥控器。这两款电视卡的遥控器都支持媒体中心。适合不同需求的用户选择，天敏的产品并非硬件压缩．资源占用率稍高，但性价比高．功能完善．更适合普通用户选择。丽台的产品采用硬件压缩．资德占用率较低．功能也很人性化．但遥控器使用起来易用性稍逊．同时价格也偏离．更适合电脑发烧友。[编者按]     

第7课：另类压缩——加壳压缩法和NTFS压缩

通常情况下我们使用WinZip、WinRAR等工具来压缩文件，不过对于Windows下的EXE、DLL文件，我们还可以采用对其加壳的办法达到压缩的目的。使用“加壳”这种方法压缩后的EXE、DLL文件不需要任何工具来解压，且拥有比较高的压缩比，为了让大家更清楚其中的原理，在实战之前我们首先来了解一些基本的常识。     

WinRAR使用技巧四则

WinRAR是Windows上常用的压缩解压缩工具,由于它支持包括ZIP在内的多种压缩格式,且压缩速度较快,压缩率较高,故现在已成为Windows上非常流行的压缩软件。下面是笔者在使用中总结的一些经验,在这里共享出来,希望能对你使用这个软件有所帮助。     

压缩工具Jar

Jar可以在MS-DOS、Win95或者Windows NT等平台上正常工作,Jar提供了优良的压缩比例。相对与目前流行的PKZIP,RAR,UC2,和ARJ在压缩比例方面,有着更好的表现。 和大多压缩软件一样,Jar也有多卷压缩的功能。这样可以把一个或多个很大的文件压缩后分割成任意大小的尺寸,以便保存在象软盘这种容量不大的存储介质上。Jar拥有非常丰富的命令和开关,以便实现     

用好WinRAR有窍门

我们在网络上下载的软件或其他文件．大多都进行了压缩打包。要使用它们首先需要进行解压缩；为了传输的便利或者缩小文件的体积，我们也常常需要对文件进行压缩。说到压缩和解压缩．我们自然会首先想到WinRAR，它功能强大且使用简单，但要想真正用好它．咱们还得掌握几个窍门。[编者按]     

使用ZLIB开发的WINZIP文件管理器

对ZIP文件结构进行了深入分析,并且在合理使用ZUB的基础上,开发成功了Windows系统下的ZIP文件管理器,可以对ZIP文件进行压缩、解压、删除和查看操作。     

使用ZLIB开发的WINZIP文件管理器

对ZIP文件结构进行了深入分析,并且在合理使用ZLIB的基础上,开发成功了Windows系统下的ZIP文件管理器,可以对ZIP文件进行压缩、解压、删除和查看操作。     

数据挖掘的应用和发展趋势叶磊

由于数据挖掘在各行业中的广泛应用,因而该技术引起了人们的普遍关注,近年来该技术在金融、电信、零售、医疗、科研等行业领域内发挥了巨大的作用。网站的数据挖掘(Websitedatamining)即Web挖掘、生物信息或基因的数据挖掘以及空间数据挖掘成为数据挖掘领域新的研究热点。     

不确定数据频繁项集挖掘方法综述

近几年来,不确定数据广泛出现在传感器网络、Web应用等领域中。不确定数据挖掘已经成为了新的研究热点,主要包括聚类、分类、频繁项集挖掘、孤立点检测等方面,其中频繁项集挖掘是重点研究的问题之一。综述了传统的频繁项集挖掘的两类基本算法,分析了在此基础上提出的适用于不确定数据以及不确定数据流的频繁项集挖掘的方法,并探讨了今后可能的研究方向。     

Web日志挖掘中数据预处理方法的研究

Web日志挖掘是目前网上智能信息检索和电子商务的主要研究课题之一。而数据预处理在Web日志挖掘中起着很重要的作用,直接影响日志挖掘的质量和结果。介绍了Web日志挖掘数据预处理过程,综述了国际上的研究现状,及流行的处理方法。针对预处理步骤中的用户会话识别和路径填充进行了相应的改进。根据评估会话构造方法的标准,通过实验对给出的新方法与其他方法进行了分析比较。     

Web日志挖掘中数据预处理方法的研究

Web日志挖掘是目前网上智能信息检索和电子商务的主要研究课题之一。而数据预处理在Web日志挖掘中起着很重要的作用，直接影响日志挖掘的质量和结果。介绍了Web日志挖掘数据预处理过程，综述了国际上的研究现状，及流行的处理方法。针对预处理步骤中的用户会话识别和路径填充进行了相应的改进。根据评估会话构造方法的标准，通过实验对给出的新方法与其他方法进行了分析比较。     

视频数据挖掘——框架、方法及趋势

目前视频数据挖掘概念、体系尚不明确，现有的一些分类方法不能突出数据挖掘关于“新颖性”这一特性。该文尝试从概念和分类方法2个方面解决这些问题，根据数据挖掘和视频各自的特点，将视频数据挖掘的概念分为广义和狭义2种。从数据分析的角度，提出一种新的分类方法，将广义的视频挖掘分为描述性和预测性2类，并且按照视频内容所关联的领域，提出了一个描述性视频数据挖掘的分类框架，讨论了视频挖掘的现有方法，并展望了视频数据挖掘的发展趋势。     

数据挖掘分类技术在高校教学中的应用

随着高校的扩招,高校教学工作出现了不少问题。该文在明确了数据挖掘技术在高校教学研究中应用意义的基础上,分析了高校教学目前的现状,提出了一种数据挖掘分类技术在高校教学中的应用方案,从而提高高校的教学质量。     

基于XML的Web数据挖掘模型的设计

目前很多网站都是用HTML构建的,要真正做到高效准确的挖掘数据非常困难,XML的出现为基于Web的数据挖掘带来了便利.在研究Web数据挖掘技术的基础上,利用XML数据抽取技术将半结构化数据映射为结构化数据,建立了一个具有基本挖掘功能的面向多种Web数据的挖掘系统模型Web_mining.最后将Agent技术引入数据挖掘,提出了一种基于Agent技术的体系结构,用来实现大容量的数据在分布式存放情况下的数据挖掘,并对基于Web的数据挖掘技术进行深入的研究和探讨.     

数据流频繁模式挖掘综述

一些先进应用如欺诈检测和趋势学习等带来了数据流频繁模式挖掘的发展。不同于静态数据,数据流挖掘面临着时空约束和项集组合爆炸等问题。对已有数据流频繁模式挖掘算法进行综述并对经典和最新算法进行分析。按照模式集合的完整程度进行分类,数据流中频繁模式分为全集模式和压缩模式。压缩模式主要包括闭合模式、最大模式、top-k模式以及三者的组合模式。不同之处是闭合模式是无损压缩的,而其他模式是有损压缩的。为了得到有趣的频繁模式,可以挖掘基于用户约束的模式。为了处理数据流中的新近事务,将算法分为基于窗口模型和基于衰减模型的方法。数据流中模式挖掘常见的还包含序列模式和高效用模式,对经典和最新算法进行介绍。最后给出了数据流模式挖掘的下一步工作。     

Efficient Incremental Maintenance of Frequent Patterns with FP-Tree

Mining frequent patterns has been studied popularly in data mining area. However, little work has been done on mining patterns when the database has an influx of fresh data constantly. In these dynamic scenarios, efficient maintenance of the discovered patterns is crucial. Most existing methods need to scan the entire database repeatedly, which is an obvious disadvantage. In this paper, an efficient incremental mining algorithm, Incremental-Mining (IM), is proposed for maintenance of the frequent patterns when new incremental data come. Based on the frequent pattern tree (FP-tree) structure, IM gives a way to make the most of the things from the previous mining process, and requires scanning the original data once at most. Furthermore, IM can identify directly the differential set of frequent patterns, which may be more informative to users. Moreover, IM can deal with changing thresholds as well as changing data, thus provide a full maintenance scheme. IM has been implemented and the performance study shows it outperforms three other incremental algorithms: FUP, DB-tree and re-running frequent pattern growth (FP-growth).     

一个面向大规模数据库的数据挖掘系统

数据挖掘融合了数据库技术、人工智能和统计学,是目前的研究热点.为了能够集成当前数据挖掘的主要技术并使它们协同工作,在进行数据挖掘基本算法研究的基础上研制开发了一个数据挖掘系统--Golden-Eye.系统实现了在数据挖掘研究中的一些最新成果,集成了泛化、数据清洗这两个数据准备操作以及关联规则发现、例外规则发现、时序模式发现、分类器构造、聚类分析等基本数据挖掘操作,并实现了对挖掘操作的基本管理和结果的图形化显示.整个框架设计充分体现了系统的完整性、协调性和高效性:自底向上将存储控制模块、数据预处理模块、挖掘操作模块、挖掘库管理模块有机地结合在一起,在底层实现了对包括中间结果在内的数据的统一管理,在上层为用户提供了可视化的界面.实验结果表明,该系统能够在大规模数据库上成功地完成用户所指定的数据挖掘操作.