ADO数据存取技术

Ａｃｔｉｖｅ数据对象（Ａｃｔｉｖｅ Ｄａｔａ Ｏｂｊｅｃｔ,简称ＡＤＯ）,是Ｍｉｃｒｏｓｏｆｔ开发数据库应用程序的面向对象的新接口,ＡＤＯ技术提供了如同ＤＡＯ一样的采用对象模型的数据库访问技术,但它比ＤＡＯ和ＲＤＯ更加灵活,具有广泛的应用前景,本文在分别介绍了ＡＤＯ应用原理、结构和对象的基础上,举例阐述了ＡＤＯ的数据存取方法。     

数据访问新技术——UDA

ＵＤＡ是Ｍｉｃｒｏｓｏｆｔ公司提出的新一代数据访问技术,是继ＯＤＢＣ之后的又一数据访问技术的飞跃。本文详细介绍了ＵＤＡ的层次结构,ＯＬＥＤＢ和ＤＡＯ的对象模型,通过一个例子详细介绍了利用ＤＡＯ进行数据访问的基本步骤,并给出了用ＶｉｓｕａｌＢａｓｉｃ实现的代码。     

数据仓库,联机分析处理和联机分析开采研究

本文介绍了当前数据仓库系统的应用需求、基本特征、体系结构和构建技术;对传统的联机事务处理（ＯＬＴＰ）与联机分析处理（ＯＬＡＰ）进行了比较;分析了在数据仓库中实施ＯＬＡＰ使用的多维数据视图概念模型,同时介绍了建立在多维数据库（ＭＤＤ）上的ＭＯＬＡＰ,以及建立在星型（雪花）模型基础之上的ＲＯＬＡＰ两种联机分析技术,并对数据开采联机分析处理在数据仓库系统中的集成－联机分析开采（ＯＬＡＭ）进行了研究。     

利用ADO技术在Word2000中访问数据库

本文介绍微软的新一代数据访问技术ＡＤＯ及其对象模型的编程方法,并以实例说明ＡＤＯ技术在Ｗｏｒｄ２０００ ＶＢＡ编程中的应用,提出了一种将数据源信息嵌入特定格式Ｗｏｒｄ文档的简便方法。     

一种支持SDAI的数据库模式定义语言

本文介绍ＯＳＣＡＲ中的数据库模式定义语言（ＤＤＬ），它支持ＳＴＥＰ标准下的标准数据存取接口（ＳＤＡＩ），并详细地描述了ＯＳＣＡＲ对数据字典的信息管理策略，以及这些策略为ＳＤＡＩ提供的底层支持。     

磁盘阵列操作系统的设计与实现

磁盘阵列操作系统ＤＡＯＳ把当前计算机Ｉ／Ｏ最新技术—独立磁盘冗余阵列技术ＲＡＩＤ融入ＵＮＩＸ操作系统中，它支持磁盘阵列中Ｉ／Ｏ并发操作，缓和了计算机主机和磁盘速度不匹配的矛盾。本文介绍了ＤＡＯＳ各模块的设计及其实现方法。     

VB 5.0数据访问技术及方法

ＶｉｓｕａｌＢａｓｉｃ５．０数据库的体系结构及相应的结构图;介绍微软ＪＥＴ数据库引擎和ＯＤＢＣＤｉｒｅｃｔ２种数据访问技术;对数据访问对象、数据控件和直接调用ＯＤＢＣＡＰＩ函数３种数据访问方法进行了说明。     

OLE DB/ADO的概念及对象模型

本文从应用需求的角度分析了ＵＤＡ技术出现的背景,详细介绍了ＯＬＥＤＢ／ＡＤＯ的概述及对象模型,并在最后给出了一个ＡＤＯ编程实例。     

VB中数据库同步复制冲突的检测与消除

基于Ｊｅｔ型数据库的ＤＡＯ编程接口提供了强大的数据库操作能力,其同步复制功能提供了开发中小型网络应用系统的基础。但是其开发文档中未提供检测与消除同步复制中的数据冲突的信息。本文基于ＶＢ讨论了ＤＡＯ中同步复制的若干问题,并提出了数据冲突的检测与消除的编程解决方法,进一步完善了基于Ｊｅｔ型数据库ＤＡＯ的功能。     

不同数据库环境中数据互用问题的探讨

重点介绍了两种典型数据库ＤＢＡＳＥ／ＦＰＸ与ＯＲＡＣＬＥ之间的数据互用技术。这种互用技术需要网络和嵌入式ＳＱＬ的支持。这一技术可在国内众多的拥有ＤＢＡＳＥ／ＦＯＸ与ＯＲＡＣＥ的用户中推广使用，其应用可大大提高工效。事实上，本文所述方法对支持ＳＱＬ语言的任何ＲＤＢＭＳ产品都是适用的。     

基于数据元的数据模型语义映射技术研究

各企业在进行数据共享之前,首要考虑的是数据模型的数据映射关系,然而数据模型在不断的更替与升级,给数据集成带来了很大困难。文中设计了一种对数据源结构进行统一描述的数据字典元模型,利用数据元来规范数据项,将编辑距离算法思想应用其中,实现数据项与数据元字典中数据元的相似度匹配。应用语义树的表示方法来描述数据元结构,利用语义相似度算法进行数据元间的相似性、一致性检查,寻找数据元间的关联关系,间接地定位数据项间的语义关系,为数据映射奠定良好基础。以中石化标准数据元规范油田企业搜索引擎数据项,确保研究的实用价值。     

数据仓库/数据集市体系结构的改进

本文提出了一种新的建立数据集市／数据仓库体系结构的方法。它使用同一数据加载机制同时向各数据集市和中心数据仓库加载数据，将当前数据和轻度综合数据加我到数据集市，将历史数据和共享数据加载到中心数据仓库．并通过二次集成特各部门高度综合的数据加载到中心数据仓库。这种结构既具有自底向上方法的优点，又具有自顶向下方法的优点，例如。开发简单、数据结构统一等；而且比联合方法优越的是，解决数据的重复存储，使数据存储结构更合理，提供的数据更符合各级决策者需要。     

基于云计算和物联网的网络大数据技术研究

为了使网络大数据应用的范围更广,更大程度地提高网络数据存储与管理精度,减少网络数据处理与控制的时间,需要对网络大数据进行研究。当前的网络大数据研究方法多是采用Hadoop基础架构对网络大数据进行研究,在数据存储中没有设定具体的安全存储指标,无法得到数据安全存储指标权重,存在数据存储安全性能低,网络大数据研究精度偏差大等问题。为此,提出一种基于云计算和物联网的网络大数据研究方法。该方法首先利用分级网络编码对网络数据进行传输,以传输的数据为基础,采用CRC算法实现网络数据的计算,然后依据分组存储的方式将数据进行存储,最后利用分层逆序叠加定位法对网络数据进行高精度查询,由此完成对网络大数据的研究。实验结果表明,所提方法可以全面具体地对网络大数据进行研究,提高了数据处理精度和网络数据计算速度,增加了网络数据存储空间容量和查询效率,减少了网络数据运行时的丢失率,扩展了网络数据的运作范围,为后续网络大数据的研究提供了强有力的依据。     

一个基于XML数据仓库系统的设计与实现

黄土高原数据仓库系统以分布式数据仓库为核心,包含多个异质数据源。系统采用中间件技术不仅提供多层次资源查询服务,并且还使用数据挖掘技术和信息检索技术对资源数据进行深加工,能够主动地为用户提供黄土高原生态环境咨询、评测、预测与决策支持服务。论文重点介绍了一种基于XML的统一模式查询语言———XUSQL,用以解决多数据源中多模式数据融合问题。XUSQL使得在数据仓库中的查询与数据源模式无关,把数据源和数据仓库隔离开,从而有利于构造分布式数据仓库,便于异质数据源之间数据融合以及数据源本身的结构调整。     

生物医疗大数据隐私安全保障机制研究

在大数据产业发展的背景下,医疗卫生领域也开始探索生物医疗大数据的新用途、新价值.随着生物医疗大数据在临床治疗与科学研究中的应用,相应的数据安全隐患也随之出现,其隐私安全保障问题开始引起人们的重视.为了降低隐私泄露的风险,加强人们对生物医疗数据的保护意识,需要从数据的生命周期角度出发,在采集、存储、访问、应用、共享、销毁...     

分布式海量矢量地理数据共享研究

地理空间数据的应用应用范围迅速扩大,实现空间数据的共享,充分有效利用已有数据,可节约用户成本,栅格数据的共享方式在多媒体领域有较多研究,而矢量数据研究得不多,本文讨论了分布式海量矢量地理空间数据共享的几个问题－海量空间数据的管理,传输,可视化及空间数据共享的安全问题。     

科学数据出版现状及其体系框架

科学数据出版是深化数据共享的重要手段,能够激励数据生产者发布和共享数据,又能保护数据的知识产权。回顾了国内外科学数据出版现状,从数据中心和传统出版系统两个角度,提出和完善了科学数据出版体系架构。提出数据出版涉及数据提交、同行审议、数据发布和永久存储、数据引用和影响评价5个基本环节,应由出版系统、数据中心和第三方数据评价机构协同实施。重点讨论了科学数据出版面临的关键问题:数据授权、数字资源唯一标识符、数据集成和数据稿源问题。倡议建立我国的科学数据出版体系,科学数据中心在开展数据收集和共享的同时,加强与学术期刊的合作,成为数据出版的永久存储机构;学术期刊积极开展机制创新,推动学术论文相关数据的公开发布;积极开展数据知识产权保护,倡导对科学数据的引用;加强科学数据的影响评价研究,让数据成果成为普遍认同的科研产出成果,激励科学家主动参与科学数据共享。     

基于云数据中心的多源异构数据治理技术研究

目前常规的多源异构数据治理方法主要通过对数据属性进行判断,从而实现分区域数据清洗,由于缺乏对非线性数据的分析,导致治理性能不佳;对此,提出基于云数据中心的多源异构数据治理技术;采用关系型数据库中的ETL功能对数据进行清洗,对数据转换模式以及数据清洗规则进行定义;引入互信息系数对数据相关程度进行判定,并进行非线性数据相关性分析;以云数据中心作为载体,对多源异构数据治理体系进行构建;在实验中,对提出的数据治理技术进行了治理性能的检验;最终的实验结果表明,提出的数据治理技术具备较高的查准率,对云数据中心多源异构数据具备较为理想的数据治理效果。     

面向关系型数据与知识图谱的数据集成技术综述

目前,各个国家和地区均已将大数据视为重要的战略资源.然而,大数据时代普遍存在数据流通困难、数据监管不足等问题,致使数据孤岛现象严重,数据质量低下,数据要素潜能难以释放.这驱使研究人员探索数据集成技术,以打破数据壁垒、实现信息共享、提升数据质量,进而激活数据要素潜能.关系型数据和知识图谱作为两种至关重要的数据组织与存储形式,在现实生活中应用广泛.为此,聚焦关系型数据和知识图谱,归纳总结并分析实体解析、数据融合、数据清洗3方面的数据集成关键技术,最后展望未来研究方向与趋势.     

数据科学研究的现状与趋势

大数据时代的到来催生了一门新的学科——数据科学。首先,探讨了数据科学的内涵、发展简史、学科地位及知识体系等基本问题,并提出了专业数据科学与专业中的数据科学之间的区别与联系。其次,分析现阶段数据科学的研究特点,并分别提出了专业数据科学、专业中的数据科学及大数据生态系统中的相对热门话题。接着,探讨了数据科学研究中的10个争议及挑战:思维模式的转变(知识范式还是数据范式)、对数据的认识(主动属性还是被动属性)、对智能的认识(更好的算法还是更多的数据)、主要瓶颈(数据密集型还是计算密集型)、数据准备(数据预处理还是数据加工)、服务质量(精准度还是用户体验)、数据分析(解释性分析还是预测性分析)、算法评价(复杂度还是扩展性)、研究范式(第三范式还是第四范式)、人才培养(数据工程师还是数据科学家)。然后,提出了数据科学研究的10个发展趋势:预测模型及相关分析的重视,模型集成及元分析的兴起,数据在先、模式在后或无模式的出现,数据一致性及现实主义的回归,多副本技术及靠近数据原则的广泛应用,多样化技术及一体化应用并存,简单计算及实用主义占据主导地位,数据产品开发及数据科学的嵌入式应用,专家余及公众数据科学的兴起,数据科学家与人才培养的探讨。最后,结合文中工作,对数据科学研究者给出了几点建议和注意事项。