排序方式: 共有128条查询结果,搜索用时 15 毫秒
1.
案例教学--开放课程"数据库系统"改革的有效模式 总被引:4,自引:0,他引:4
针对开放课程“数据库系统”的教学特点和要求,在课程改革中进行了案例教学的实践。从实际应用需求出发,通过对以数据库为核心的信息系统典型案例进行剖析、突破现有教材内容单一的局限、介绍数据库系统的新理论和新技术、利用正/反案例进行技术比较以及案例教学贯穿教学全过程等方面的做法和教学效果进行总结,指出案例教学是“数据库系统”课程改革的有效模式。 相似文献
2.
联邦数据库系统协商机制的设计和实现 总被引:1,自引:0,他引:1
联邦分布数据库系统支持异构自治和多库共享,为此,系统要解决的一个主要问题是协商机制的实现.本文论述了协商机制的结构、访问权限协商模型以及实现的主要步骤和技术,该机制具有灵活可扩充的联邦特点,可以方便地对系统进行剪裁. 相似文献
3.
ICEM—EDL,ICEM—DDN和ORACLE的集成:——DYJC BOM的自动生成 总被引:1,自引:0,他引:1
介绍了北京第一机床厂(BYJC)基于SGI工作站ICEM软件包和ORACLE数据库实现的BOM自动生成系统。该系统的实现可节省人力,免除工程领域和管理领域由数据二次录入可能带来的误差,提高数据的可靠程度;可完成CAD和MRPⅡ的信息攻克CIM领域信息集成中的一项关键技术。 相似文献
4.
高维数据流子空间聚类发现及维护算法 总被引:3,自引:2,他引:3
近年来由于数据流应用的大量涌现,基于数据流模型的数据挖掘算法研究已成为重要的应用前沿课题.提出一种基于Hoeffding界的高维数据流的子空间聚类发现及维护算法--SHStream.算法将数据流分段(分段长度由Hoeffding界确定),在数据分段上进行子空间聚类,通过迭代逐步得到满足聚类精度要求的聚类结果,同时针对数据流的动态性,算法对聚类结果进行调整和维护.算法可以有效地处理高雏数据流和对任意形状分布数据的聚类问题.基于真实数据集与仿真数据集的实验表明,算法具有良好的适用性和有效性. 相似文献
5.
高维数据流聚类及其演化分析研究 总被引:5,自引:0,他引:5
基于数据流数据的聚类分析算法已成为研究的热点.提出一种基于子空间的高维数据流聚类及演化分析算法CAStream,该算法对数据空间进行网格化,采用近似的方法记录网格单元的统计信息,并将潜在密集网格单元快照以改进的金字塔时间结构进行存储,最后采用深度优先搜索方法进行聚类及其演化分析.CAStream能够有效处理高雏数据流,并能发现任意形状分布的聚类.基于真实数据集与仿真数据集的实验表明,算法具有良好的适用性和有效性. 相似文献
6.
基于k均值分区的数据流离群点检测算法 总被引:10,自引:0,他引:10
离群知识发现是数据挖掘研究的一个重要方面,数据流离群点挖掘更因其挖掘对象具有动态性、不可复读性、数据量大等特点而成为离群知识发现研究的一个难点.提出一种基于k均值分区的流数据离群点发现算法,先对数据流进行分区做k均值聚类生成中间聚类结果(均值参考点集),随后在这些均值参考点中,根据离群点的定义找出可能存在的离群点.理论分析和实验结果表明,算法可以有效解决数据流离群点检测问题,算法是有效可行的. 相似文献
7.
基于投影数据集的序列模式增量挖掘算法 总被引:1,自引:0,他引:1
提出一种基于投影数据集的序列增量更新算法Inc_SPM,该算法以PrefixSpan算法为基础。首先利用已有的知识得出频繁1序列,然后生成投影数据集以迭代产生频繁k序列;同时为了控制投影数据集的规模,利用等价投影数据集来改进投影终止条件。 相似文献
8.
基于k均值分区的流数据高效密度聚类算法 总被引:2,自引:0,他引:2
数据流聚类是数据流挖掘研究的一个重要内容,已有的数据流聚类算法大多采用k中心点(均值)方法对数据进行聚类,不能对数据分布不规则以及高维空间数据流进行有效聚类.论文提出一种基于k均值分区的流数据密度聚类算法,先对数据流进行分区做k均值聚类生成中间聚类结果(均值参考点集),随后对这些均值参考点进行密度聚类,理论分析和实验结果表明算法可以有效解决数据分布不规则以及高维空间数据流聚类问题,算法是有效可行的. 相似文献
9.
挖掘关联规别是数据挖掘研究的一个重要方面,而如何快速有效地挖掘出关联规则是当前研究的热点.本文提出了一种前缀广义链表,并应用此结构进行关联规则的挖掘,得到了一种快速的关联规则发现算法、该算法不仅方便、效率高,而且避免了产生组合爆炸问题. 相似文献
10.