数据挖掘 引言 数据挖掘是一门交叉学科，涉及到了机器学习、模式识别、归纳推理、统计学、数据库、高性能计算等多个领域。 所谓的数据挖掘（Data Mining）指的就是从大量的、模糊的、不完全的、随机的数据集合中提取人们感兴趣的知识和信息，提取的对象一般都是人们无法直观的从数据中得出但又有潜在作用的信息。从本质上来说，数据挖掘是在对数据全面了解认识的基础之上进行的一次升华，是对数据的抽象和概括。如果把数据比作矿产资源，那么数据挖掘就是从矿产中提取矿石的过程。与经过数据挖掘之后的数据信息相比，原始的数据信息可以是结构化的，数据库中的数据，也可以是半结构化的，如文本、图像数据。从原始数据中发现知识的方法可以是数学方法也可以是演绎、归纳法。被发现的知识可以用来进行信息管理、查询优化、决策支持等。而数据挖掘是对这一过程的一个综合性应用。
目录 引言 (1) 第一章绪论 (3) 1.1 数据挖掘技术的任务 (3) 1.2 数据挖掘技术的研究现状及发展方向 (3) 第二章数据挖掘理论与相关技术 (5) 2.1数据挖掘的基本流程 (5) 2.2.1 关联规则挖掘 (6) 2.2.2 .Apriori算法：使用候选项集找频繁项集 (7) 2.2.3 .FP-树频集算法 (7) 2.2.4.基于划分的算法 (7) 2.3 聚类分析 (7) 2.3.1 聚类算法的任务 (7) 2.3.3 COBWEB算法 (9) 2.3.4模糊聚类算法 (9) 2.3.5 聚类分析的应用 (10) 第三章数据分析 (11) 第四章结论与心得 (14) 4.1 结果分析 (14) 4.2 问题分析 (14) 4.2.1数据挖掘面临的问题 (14) 4.2.2 实验心得及实验过程中遇到的问题分析 (14) 参考文献 (14)
如何撰写文献综述 文献综述与“读书报告”、“文献复习”、“研究进展”等有相似的地方，它们 都是从某一方面的专题研究论文或报告中归纳出来的。但是，文献综述既不象“读 书报告”、“文献复习”那样，单纯把一级文献客观地归纳报告，也不象“研究进 展”那样只讲科学进程，其特点是“综”，“综”是要求对文献资料进行综合分析、 归纳整理，使材料更精练明确、更有逻辑层次；“述”就是要求对综合整理后的 文献进行比较专门的、全面的、深入的、系统的论述。总之，文献综述，是指就 某一时间内，作者针对某一专题，对大量原始研究论文中的数据、资料和主要观 点进行归纳整理、分析提炼而写成的论文。综述属三次文献，专题性强，涉及范
围较小，具有一定的深度和时间性，能反映出这一专题的历史背景、研究现状和 发展趋势，具有较高的情报学价值。文献综述是反映当前某一领域中某分支学科 或重要专题的最新进展、学术见解和建议的它往往能反映出有关问题的新动态、 新趋势、新水平、新原理和新技术等等。 文献综述是在确定了选题后，在对选题所涉及的研究领域的文献进行广泛阅 读和理解的基础上，对该研究领域的研究现状（包括主要学术观点、前人研究成 果和研究水平、争论焦点、存在的问题及可能的原因等）、新水平、新动态、新 技术和新发现、发展前景等内容进行综合分析、归纳整理和评论，并提出自己的 见解和研究思路而写成的一种不同于毕业论文的文体。它要求作者既要对所查阅 资料的主要观点进行综合整理、陈述，还要根据自己的理解和认识，对综合整理
后的文献进行比较专门的、全面的、深入的、系统的论述和相应的评价，而不仅 仅是相关领域学术研究的“堆砌”。检索和阅读文献是撰写综述的重要前提工 作。一篇综述的质量如何，很大程度上取决于作者对本题相关的最新文献的掌握 程度。如果没有做好文献检索和阅读工作，就去撰写综述，是决不会写出高水平 的综述的。好的文献综述，不但可以为下一步的学位论文写作奠定一个坚实的理 论基础和提供某种延伸的契机，而且能表明写本综述的作者对既有研究文献的归 纳分析和梳理整合的综合能力，从而有助于提高对学位论文水平的总体评价。 文献综述的格式与一般研究性论文的格式有所不同。这是因为研究性的论文 注重研究的方法和结果，特别是阳性结果，而文献综述要求向读者介绍与主题有 关的详细资料、动态、进展、展望以及对以上方面的评述。因此文献综述的格式
. Word资料●本课题国外研究现状分析 教育科研立项课题如何申报与论证博白县教育局教研室朱汝洪发布时间： 2009 年 4 月 2 日19 时24 分一、课题申报的基本步骤第一步： 阅读各级课题申报通知，明确通知的要求；第二步： 学习研究课题管理方面的文件材料；第三步： 学习研究《课题指南》，确定要申报的课题（可以直接选用《课题指南》中的课题，也可以自己确定课题）；第四步：组织课题组，认真阅读关于填表说明的文字，研究清楚课题《申请评审书》各个栏目的填写要求；第五步： 根据《申请评审书》各栏目的要求分工查找材料和论证；第六步： 填写《申请评审书》草表；第七步： 研究确定后，填写《申请评审书》正式表（一律要求打印）；第八步： 按要求复印份数；第九步： 按要求签署意见、加盖公章；第十步： 填写好《课题申报材料目录表》；第十一步： 按时将《申请评审书》《课题申报材料目录表》和评审费送交县教研室科研组转送市教科所（也可以直接送市教科报，但必须报县教研室备案）。
二、教育科研课题的选题1、课题的选题方法。 一是从上级颁发的课题指南中选定；二是结合学校的实际对课题指南中的课题作修改；三是完全从学校的实际出发确定课题。 2、课题的选题要依据的原则。 一是符合法规和政策；二是切合当地和学校实际；三是适合教师的水平和能力；四是切中当前教改热点。 3、课题名称的规表述。 ①研究，如小学生学习兴趣培养的研究。 ②实践与研究，如高中学生探究性学习的实践与研究。 ③应用研究，如合作学习理论在初中语文教学中的应用研究。 ④实验与研究，如杜郎口模式的实验与研究。 ⑤探索与研究，如农村寄宿制小学学生管理的探索与研究。 三、立项课题的论证例说（以2009 版市课题申报表的要求为准）1、课题论证的含义。 课题论证，也叫论证与设计、设计与论证，是对所要申报的课题的选题依据、研究目标、研究容、研究重点、研究难点、研究思路、研究步骤、研究条件等进行的阐述与设计。 2、课题论证的包括的容。 不同级别的课题申报表（课题申请、评审书）要求有所不同，但基本上包括两大方面的容： 一是关于本研究课题的论证，二是关于对课题实施的论证。 3、课题论证例说。
第一部分 名词解释 第二章 堆的热源及其分布 1、衰变热：对反应堆而言，衰变热是裂变产物和中子俘获产物的放射性衰变所产生的热量。 第三章 堆的传热过程 2、积分热导率：把u κ对温度t 的积分()dt t u ?κ作为一个整体看待，称之为积分热导率。 3、燃料元件的导热：指依靠热传导把燃料元件中由于核裂变产生的热量从温度较高的燃料芯块内部传递到温度较低的包壳外表面的这样一个过程。 4、换热过程：指燃料元件包壳外表面与冷却剂之间直接接触时的热交换，即热量由包壳的外表面传递给冷却剂的过程。 5、自然对流：指由流体内部密度梯度所引起的流体的运动，而密度梯度通常是由于流体本身的温度场所引起的。 6、大容积沸腾：指由浸没在（具有自由表面）（原来静止的）大容积液体内的受热面所产生的沸腾。 7、流动沸腾：也称为对流沸腾，通常是指流体流经加热通道时产生的沸腾。 8、沸腾曲线：壁面过热度（s w sat t t t -=?）和热流密度q 的关系曲线通常称为沸腾曲线。 9、ONB 点：即沸腾起始点，大容积沸腾中开始产生气泡的点。 10、CHF 点：即临界热流密度或烧毁热流密度，是热流密度上升达到最大的点。Critical heat flux 11、DNB 点：即偏离核态沸腾规律点，是在烧毁点附件表现为q 上升缓慢的核态沸腾的转折点H 。Departure from nuclear boiling 12、沸腾临界：特点是由于沸腾机理的变化引起的换热系数的陡增，导致受热面的温度骤升。达到沸腾临界时的热流密度称为临界热流密度。 13、快速烧毁：由于受热面上逸出的气泡数量太多，以至阻碍了液体的补充，于是在加热面上形成一个蒸汽隔热层，从而使传热性能恶化，加热面的温度骤升； 14、慢速烧毁：高含汽量下，当冷却剂的流型为环状流时，如果由于沸腾而产生过分强烈的汽化，液体层就会被破坏，从而导致沸腾临界。 15、过渡沸腾：是加热表面上任意位置随机存在的一种不稳定膜态沸腾和不稳定核态沸腾的结合，是一种中间传热方式，壁面温度高到不能维持稳定的核态沸腾，而又低得不足以维持稳定的膜态沸腾，传热率随温度而变化，其大小取决于该位置每种沸腾型式存在的时间份额。 16、膜态沸腾：指加热面上形成稳定的蒸汽膜层，q 随着t ?增加而增大。对流动沸腾来说，膜态沸腾又分为反环状流和弥散流。 17、“长大”：多发生在低于350°C 的环境下，它会使燃料芯块变形，表面粗糙化，强度降低，以至破坏。 18、“肿胀”：大于400℃时，由裂变气体氪和氙在晶格中形成小气泡引起的，随着燃耗的增加，气泡的压力增加，结果就是得金属铀块肿胀起来。肿胀是指材料因受辐照而发生体积增大的现象。 19、弥散体燃料：是用机械方法把燃料弥散在热导率高、高温稳定性好的基体金属中制成的材料。 20、输热过程：指当冷却剂流过堆芯时，将堆内裂变过程中所释放的热量带出堆外的过程。 21、易裂变核素：可以由任何能量的中子引起裂变的核素，如铀-235、铀-233、钚-239，只有铀-235是天然存在的，占0.714%；可裂变核素：能在快中子的轰击下引起裂变的核素，
GIS 技术的研究现状及未来发展趋势 摘要:GIS 是随着计算机技术发展而形成的一门新兴技术,其应用程度和范围也随之渗透、延伸,得到了人们的广泛关注。该文综述了地理信.息的发展现状,从多个角度分析当前 GIS 技术发展存在的不足,并在此基础上研究分析了 GIS 技术的未来发展趋势。 关键词:GIS 研究现状发展趋势 0 引言 随着计算机技术的飞速发展、空间技术的日新月异及计算机图形学理论的日渐完善, GIS(Geographic Information System技术也日趋成熟,并且逐渐被人们所认识和接受。近年来, GIS 被世界各国普遍重视,尤其是“数字地球”概念的提出,使其核心技术 GIS 更为各国政府所关注。目前,以管理空间数据见长的 GIS 已经在全球变化与监测、军事、资源管理、城市规划、土地管理、环境研究、农作物估产、灾害预测、交通管理、矿产资源评价、文物保护、湿地制图以及政府部门等许多领域发挥着越来越重要的作用。当前 GIS 正处于急剧发展和变化之中,研究和总结 GIS 技术发展,对进一步开展 GIS 研究工作具有重要的指导意义。因此,本文就目前 GIS 技术的研究现状及未来发展趋势进行总结和分析。 1 GIS 研究现状及其分析 1.1 GIS研究现状 世纪 90年代以来,由于计算机技术的不断突破以及其它相关理论和技术的完善, GIS 在全球得到了迅速的发展。在海量数据存储、处理、表达、显示及数据共享技术等方面都取得了显著的成效,其概括起来有以下几个方面 [1]:①硬件系统采用服务器 /客户机结构,初步形成了网络化、分布式、多媒体 GIS ; ②在 GIS 的设计中, 提出了采用“开放的 CIS 环境” 的概念, 最终以实现资源共享、数据共享为目标; ③高度重视数据标准化与数据质量的问题, 并已形成一些较为可行的数据标准; ④ 面向对象的数据库管理系统已经问世, 正在发展称之为“对象 --关系 DBMS (数据库
开题报告研究现状格式 开题报告是研究生毕业论文工作的重要环节，有些学员因为相 应缺乏的撰写方法而头疼不已，其实很简单，我们看看下面吧！ 一、研究背景 人类社会文明发展的历史长河中，服装与人类生活密不可分。 服装的表现形式关乎生理需求、地域气候、政治宗教、民族性格等因素。同时也是审美潮流、人文风俗的重要载体之一。随着时代的进步，科技的发展，生活水平的提高，服装不再局限于御寒遮体等功能性的追求。人们的思维方式与审美习惯也逐渐发生改变，基于科技发展工业的进步各种合成材料的出现令服装的艺术表现形式百花齐放，同时许多与服装纺织不相干的材料开始被应用于服装艺术设计中。服装所承载的精神内核也逐渐被重视起来，服装的功能性延伸到文化价值的传达、社会地位的象征、艺术审美的表现等领域。服装是人类社会不可或缺的一部分，当代服装设计的方式与材料的提高更多体现的是人们社会属性的进步。 服装材料的选择与运用是服装设计中的关键一环，是服装设计 三要素中至关重要的一部分。服装材料是服装设计形式美表达的主体，服装材料的选择对服装的审美表现具有非凡的意义。不同时代的服装材料的选择与经济发展，科学进步息息相关。在经济和科技发达的况下各种社交活动、生活休闲方式的改变促进服装业的发展的同时也刺激服装材料的进步。
在科学技术迅猛发展的21世纪，许多新型材料应运而生，满足人类不同的需求。 在服装设计中，丰富材料的选择也让服装设计的艺术表现形式大放异彩。在传统材料的基础上，非纺织材料的结合运用将让服装造型质感以及色彩有翻天覆地的变化。 二、研究目的及意义 社会的进步科技的发展，伴随而来的是人们不再仅仅满足于温饱，而是进而追求精神层面的满足。羊毛毡作为一种传统的工艺，已经流传数千年。然而在现代社会的时尚潮流中难得一见其踪迹。然而这宝贵的工艺方法不应该被遗忘，在科技发达的今天随着服装材料的进步与发展，羊毛毡工艺在服装设计中的应用应该值得我们创新和发掘其中魅力。其与新型材料结合这种崭新的尝试，也是打破传统羊毛毡工艺在人们心中的刻板印象。 传统的纺织材料在服装设计中的使用非常的常见，例如棉麻、皮毛以及化纤类的织物。而非纺织材料却极少运用到服装设计中。但非纺织材料的艺术效果却不可小觑。非纺织材料尤其是诞生于前卫科学技术之下的新兴材料，不仅带来感官的冲击，更是功能的飞跃。将传统材料与非纺织材料结合不但是将传统工艺及材料展现出个性化、多元化的形式。更是将服装设计的艺术表现形式丰富起来。 本论文的研究目的主要是将羊毛毡工艺与非纺织材料相结合起来，充分展现羊毛毡工艺的塑形性强、又极具趣味性的特点，和非纺织材料在服装装饰设计中所表现出来的独特质感、肌理、形态等艺术
1.2 国内外相关研究现状综述 1.2.1国外研究综述 1）人力资源外包 Lever觉得外包是一种管理策略，将非核心业务委托给外部专家执行，使公司能专注于本身核心业务发展，以提高竞争优势[3]。而人力资源管理外包，则是一种特殊的外包形式。greer认为，外包是由外部伙伴在重复基础上从事原来由企业内部从事的人力资源任务[4]。 对于人力资源外包，许多国外学者认为，对许多企业来说，外包浪潮的兴起并不意味着一定要实行人力资源管理外包，人力资源管理的实践性很强，往往对适合的企业才最好。 在总结外包优势的基础上，Rodriguez和Carlos指出与专业的雇佣组织签订合同来处理企业的人力资源职能是一个可变的结论，专业雇佣组织可以与他的顾客建立一个雇佣合作关系。Greet认为有五项竞争因素使企业将人力资源部分或是全部外包，分别是企业精简、快速成长或衰退、全球化、竞争增加以及企业再造，而在这些竞争因素背后的根本因素其实就是降低成本与增加人力资源的服务品质。 关于人力资源外包的风险，Quelin认为一个是企业在外包过程中对外包商的过分依赖，他们认为外包后企业就不用再过问这部分工作了，全部由外包商负责就行，很少进行沟通。另外一个是外包商的工作效率及能力不能达到既定目标，影响组织绩效的完成，把工作交给外包商后，企业失去了对这部分工作的控制，至少不能完全控制，于是当外包商的能力及效率不能达到原来期望的时候，就会影响企业的整体绩效。Bahli，Bouchaib等根据交易成本的观点，归纳了外包所具有的风险带来的不确定性有以下两点:交易的不确定性；委托的不确定性和所提供服务的不确定性。 以上研究表明国外的人力资源外包相关研究大多集中在外包决策、外包作用与外包风险上。主要关注的是企业人力资源外包在实际运用中的可行性与实践中的问题。在人力资源外包中引入信任的研究不多。国外学者对信任的研究集中在信任的作用、类型与建立上。这里只摘录其中的一部分。 2）信任 梅耶、戴维斯、斯库尔曼认为:信任是指一方在有能力监控或控制另一方的情况下，宁愿放弃这种能力而使自己处于弱点暴露、利益有可能受到对方损害的状态。Sabel认为:“相互信任就是合作各方坚信，没有一方会利用另一方的脆弱点去获取利益。”胡孔河将信任定义为：在一定情境下，一方凭借自己对对方的
835 华南理工大学 2018 年攻读硕士学位研究生入学考试试卷（试卷上做答无效，请在答题纸上做答，试后本卷必须与答题纸一同交回）科目名称：反应堆热工水力分析 适用专业：核电与动力工程 共 5 页 一、填空题（10 小题，每小题2 分，共20 分） 1、反应堆的热功率与（）成正比。 2、控制棒的热源来源于吸收伽马射线和（）反应释放的热量。 3、达到沸腾临界时的热流密度称为（）。 4、反应堆三大安全屏障的第一层安全屏障是（）。 5、计算两相流压降时的基本参数有空泡份额、（）、滑速比。 6、临界热流密度比的最小值称为最小DNB 比，当最小DNB 比值为（）时，表示燃料元件表面发生烧毁。 7、液体冷却剂的流动压降有（）、（）、加速压降和局部压降。 8、流动不稳定性包括（）和（）。 9、热流密度核热点因子Fq N表示堆芯功率分布的（）。 10、核电厂设置的运行参数的极限值是根据（）和（）原则确定的。 二、单项选择题（10 小题，每小题2 分，共20 分） 1、快中子增殖堆要求使用（）做冷却剂。A、 传热能力强而中子慢化能力小的流体B、传热能力 弱而中子慢化能力小的流体C、传热能力强而中子 慢化能力大的流体D、传热能力弱而中子慢化能力 大的流体
2、下述因素的变化不会影响功率分布的有（） A、燃料布置 B、控制棒 C、水隙和空泡 D、燃料装载量 3、下述不属于停堆后的热源是（） A、燃料棒内储存的显热 B、U-235 裂变 C、剩余中子引起的裂变和裂变产物的衰变 D、中子俘获产物的衰变4、对于流动沸腾来说，在较低的壁面温度下，可获得很高的热流密度，因而对实际应用来说最有意义的传热区段是（） A、非沸腾区 B、膜态沸腾区 C、过渡沸腾区 D、核态沸腾区 5、气隙导热模型中的传热形式主要是（） A、辐射 B、对流 C、传导 D、辐射和对流 6、不会导致自然循环能力下降或终止（）A、驱 动压头克服上升段和下降段压力损失B、上升段和下 降段密度差太小C、蒸汽发生器二次侧冷却能力过强 D、堆芯产生气体体积存在压力壳上腔室7、静力学不 稳定性不包括（） A、流量漂移 B、沸水堆的不稳定性 C、沸腾危机 D、流型不稳定性 8、关于热点的描述错误的是（）A、热点是某一燃料元件表面热流密度最 大的点B、热点和热管对确定堆芯功率的输出量起着决定性作用C、燃料元件 表面上热流密度最大的点就是限制堆芯功率输出的热点D、堆芯功率分布的均 匀程度用热流密度和热点因子表示9、压水堆与气冷堆的热工设计准则不同的是（）A、燃料元件芯块内最高温度低于相应燃耗下的熔化温度 B、燃料元件表面不允许发生沸腾临界
空间聚类的研究现状及其应用＊ 戴晓燕1 过仲阳1 李勤奋2 吴健平1 (1华东师范大学教育部地球信息科学实验室 上海 200062) (2上海市地质调查研究院 上海 200072) 摘 要 作为空间数据挖掘的一种重要手段,空间聚类目前已在许多领域得到了应用。文章在对已有空间聚类分析方法概括和总结的基础上,结合国家卫星气象中心高分辨率有限区域分析预报系统产品中的数值格点预报(HLAFS)值,运用K-均值法对影响青藏高原上中尺度对流系统(MCS)移动的散度场进行了研究,得到了一些有意义的结论。 关键词 空间聚类 K-均值法 散度 1 前言 随着GPS、GI S和遥感技术的应用和发展,大量的与空间有关的数据正在快速增长。然而,尽管数据库技术可以实现对空间数据的输入、编辑、统计分析以及查询处理,但是无法发现隐藏在这些大型数据库中有价值的模式和模型。而空间数据挖掘可以提取空间数据库中隐含的知识、空间关系或其他有意义的模式等[1]。这些模式的挖掘主要包括特征规则、差异规则、关联规则、分类规则及聚类规则等,特别是聚类规则,在空间数据的特征提取中起到了极其重要的作用。 空间聚类是指将数据对象集分组成为由类似的对象组成的簇,这样在同一簇中的对象之间具有较高的相似度,而不同簇中的对象差别较大,即相异度较大。作为一种非监督学习方法,空间聚类不依赖于预先定义的类和带类标号的训练实例。由于空间数据库中包含了大量与空间有关的数据,这些数据来自不同的应用领域。例如,土地利用、居住类型的空间分布、商业区位分布等。因此,根据数据库中的数据,运用空间聚类来提取不同领域的分布特征,是空间数据挖掘的一个重要部分。 空间聚类方法通常可以分为四大类:划分法、层次法、基于密度的方法和基于网格的方法。算法的选择取决于应用目的,例如商业区位分析要求距离总和最小,通常用K-均值法或K-中心点法;而对于栅格数据分析和图像识别,基于密度的算法更合适。此外,算法的速度、聚类质量以及数据的特征,包括数据的维数、噪声的数量等因素都影响到算法的选择[2]。 本文在对已有空间聚类分析方法概括和总结的基础上,结合国家卫星气象中心高分辨率有限区域分析预报系统产品中的数值格点预报(HLAFS)值,运用K-均值法对影响青藏高原上中尺度对流系统(MCS)移动的散度场进行了研究,得到了一些有意义的结论。 2 划分法 设在d维空间中,给定n个数据对象的集合D 和参数K,运用划分法进行聚类时,首先将数据对象分成K个簇,使得每个对象对于簇中心或簇分布的偏离总和最小[2]。聚类过程中,通常用相似度函数来计算某个点的偏离。常用的划分方法有K-均值(K-means)法和K-中心(K-medoids)法,但它们仅适合中、小型数据库的情形。为了获取大型数据库中数据的聚类体,人们对上述方法进行了改进,提出了K-原型法(K-prototypes method)、期望最大法EM(Expectation Maximization)、基于随机搜索的方法(ClAR ANS)等。 K-均值法[3]根据簇中数据对象的平均值来计算 ——————————————— ＊基金项目:国家自然科学基金资助。(资助号: 40371080) 收稿日期:2003-7-11 第一作者简介:戴晓燕,女,1979年生,华东师范大学 地理系硕士研究生,主要从事空间数 据挖掘的研究。 · 41 · 2003年第4期 上海地质 Shanghai Geology
数据挖掘简介 数据挖掘的任务 数据挖掘的任务就是从实例集合中找出容易理解的规则和关系。这些规则可以用于预测未来趋势、评价顾客、评估风险或简单地描述和解释给定的数据。通常数据挖掘的任务包括以下几个部分: 数据总结目的是对数据进行浓缩，给出它的紧凑描述。传统的也是最简单的数据总结方法是计算出数据库的各个字段上的求和值、平均值、方差值等统计值，或者用直方图、饼图等图形方式表示。数据挖掘主要关心从数据泛化的角度来讨论数据总结。数据泛化是一种把数据库中的有关数据从低层次抽象到高层次上的过程。数据泛化目前主要有两种技术:多维数据分析方法和面向属性的归纳方法。 多维数据分析方法是一种数据仓库技术，也称作联机分析处理(OLAP，onLineAnalysisProeess)。数据仓库是面向决策支持的、集成的、稳定的、不同时间的历史数据集合。决策的前提是数据分析。在数据分析中经常要用到诸如求和、总计、平均、最大、最小等汇集操作，这类操作的计算量特别大。因此一种很自然的想法是，把汇集操作结果预先计算并存储起来，以便于决策支持系统使用。存储汇集操作结果的地方称作多维数据库。多维数据分析技术已经在决策支持系统中获得了成功的应用，如著名的SAS数据分析软件包、Businessobject公司的决策支持系统Businessobjeet，以及IBM公司的决策分析工具都使用了多维数据分析技术。 采用多维数据分析方法进行数据总结，它针对的是数据仓库，数据仓库存储的是脱机的历史数据。为了处理联机数据，研究人员提出了一种面向属性的归纳方法。它的思路是，直接对用户感兴趣的数据视图(用一般的SQL查询语言即可获得)进行泛化，而不是像多维数据分析方法那样预先就存储好了泛化数据。方法的提出者对这种数据泛化技术称之为面向属性的归纳方法。原始关系经过泛化操作后得到的是一个泛化关系，它从较高的层次上总结了在低层次上的原始关系。有了泛化关系后，就可以对它进行各种深入的操作而生成满足用户需要的知识，如在泛化关系基础上生成特性规则、判别规则、分类规则，以及关联规则等。数据挖掘的分类 数据挖掘所能发现的知识有如下几种: .广义型知识，反映同类事物共同性质的知识; .特征型知识，反映事物各方面的特征知识; .差异型知识，反映不同事物之间属性差别的知识; .关联型知识，反映事物之间依赖或关联的知识; .预测型知识，根据历史的和当前的数据推测未来数据; .偏离型知识。揭示事物偏离常规的异常现象。 所有这些知识都可以在不同的概念层次上被发现，随着概念树的提升，从微观到中观再到宏观，以满足不同用户、不同层次决策的需要。例如，从一家超市的数据仓库中，可以发现的一条典型关联规则可能是“买面包和黄油的顾客十有八九也买牛奶”，也可能是“买食品的顾客几乎都用信用卡”，这种规则对于商家开发和实施客户化的销售计划和策略是非常有用的。 数据挖掘的方法 数据挖掘并非一个完全自动化的过程。整个过程需要考虑数据的所有因素和其预定的效用，然后应用最佳的数据挖掘方法。数据挖掘的方法很重要。在数据挖掘的领域里.有一点已经被广泛地接受，即不管你选择哪种方法，总存在着某种协定。因此对实际情况，应该具体分析，根据累积的经验和优秀的范例选择最佳的方法。数据挖掘中没有免费的午餐，也没
核反应堆物理分析答案 第一章 1-1.某压水堆采用UO 2作燃料，其富集度为2.43%（质量），密度为10000kg/m3。试计算：当中子能量为0.0253eV 时，UO 2的宏观吸收截面和宏观裂变截面。 解：由18页表1-3查得，0.0253eV 时：(5)680.9,(5)583.5,(8) 2.7a f a U b U b U b σσσ=== 由289页附录3查得，0.0253eV 时：()0.00027b a O σ= 以c 5表示富集铀内U-235与U 的核子数之比，ε表示富集度，则有： 5 55235235238(1) c c c ε=+- 151 (10.9874(1))0.0246c ε -=+-= 25528 3 222M(UO )235238(1)162269.91000()() 2.2310() M(UO ) A c c UO N N UO m ρ-=+-+?=?==? 所以，26 352(5)() 5.4910()N U c N UO m -==? 28352(8)(1)() 2.1810()N U c N UO m -=-=? 28 32()2() 4.4610()N O N UO m -==? 2112()(5)(5)(8)(8)()() 0.0549680.9 2.18 2.7 4.460.0002743.2()()(5)(5)0.0549583.532.0() a a a a f f UO N U U N U U N O O m UO N U U m σσσσ--∑=++=?+?+?=∑==?= 1-2.某反应堆堆芯由U-235,H 2O 和Al 组成，各元素所占体积比分别为0.002,0.6和0.398，计算堆芯的总吸收截面(E=0.0253eV)。 解：由18页表1-3查得，0.0253eV 时： (5)680.9a U b σ= 由289页附录3查得，0.0253eV 时：112() 1.5,() 2.2a a Al m H O m --∑=∑=,()238.03,M U = 33()19.0510/U kg m ρ=? 可得天然U 核子数密度28 3()1000()/() 4.8210()A N U U N M U m ρ-==? 则纯U-235的宏观吸收截面：1(5)(5)(5) 4.82680.93279.2()a a U N U U m σ-∑=?=?= 总的宏观吸收截面：120.002(5)0.6()0.398()8.4()a a a a U H O Al m -∑=∑+∑+∑= 1-6 11 7172 1111 PV V 3.210P 2101.2510m 3.2105 3.210φφ---=∑???===?∑????
数据挖掘在中国的现状和发展研究 导读：本文以科学引文索引数据库(SCI)、工程索引数据库(EI)以及清华全文数据库(CNKI)中有关“数据挖掘”研究文章的统计数据为研究基础，对数据挖掘在我国研究的总体趋势、研究热点、研究分支三个方面进行分析和研究。本文分析了数据挖掘在我国的发展，并对进一步发展我国数据挖掘的理论研究和实际应用提出了建议。 关键字：数据挖掘 0 引言 近年来，随着计算机对数据的生成、收集、存贮和处理能力的大大提高，数据量与日俱增，传统的数据分析工具对海量数据的处理力不从心，数据挖掘技术应运而生。 中国科研工作者近几年来积极开展了对数据挖掘的研究，并在理论研究和实际应用上取得了一定的成绩，但是有关数据挖掘的成功应用还比较少。本文通过对中国有关数据挖掘研究文章数量的统计，对数据挖掘在中国发展的现状及发展趋势进行分析和研究，通过分析有关论文的发表，对数据挖掘在中国的理论研究和实际应用提出建议。 1 数据挖掘的应用与研究发展 数据挖掘是指从存放在数据库、数据仓库或其他信息库中的大量数据中挖掘有用知识的过程。数据挖掘是一门新兴的边缘学科，近年来引起了中国学术界和产业界的广泛关注。 数据挖掘出现于20世纪80年代后期，90年代有了突飞猛进的发展。2001年，Gartner Group的一次高级技术调查将数据挖掘和人工智能列为“未来三到五年内将对工业产生深远影响的五大关健技术”之首，并且还将并行处理体系和数据挖掘列为未来五年内投资焦点的十大新兴技术前两位。美国麻省理工学院在2001年1月份的《科技评论》(Technology Review)提出将在未来5年对人类产生重大影响的10大新兴技术，其中第3项就是数据挖掘。 数据挖掘技术已被广泛的应用于各个领域，其中一些典型应用如加州理工学院喷气推进实验室与天文科学家合作开发的SKICAT系统，能够帮助天文学家发现遥远的类星体，是人工智能技术在天文学和空间科学上的第一批成功应用之一；生物学研究中用数据挖掘技术对DNA进行分析利用数据挖掘技术识别顾客的购买行为模式，对客户进行了分析；对银行或商业上经常发生的诈骗行为进行预测IBM公司
研究综述怎么 1综述的定义和特点 综述是查阅了某一专题在一段时期内的相当数量的文献资料，经过分析研究，选取有关情报信息，进行归纳整理，作出综合性描述的文章。 综述的特点：①综合性：综述要"纵横交错"，既要以某一专题的发展为纵线，反映当前课题的进展；又要从本单位、省内、国内到国外，进行横的比较。只有如此，文章才会占有大量素材，经过综合分析、归纳整理、消化鉴别，使材料更精练、更明确、更有层次和更有逻辑，进而把握本专题发展规律和预测发展趋势。 ②评述性：是指比较专门地、全面地、深入地、系统地论述某一方面的问题，对所综述的内容进行综合、分析、评价，反映作者的观点和见解，并与综述的内容构成整体。一般来说，综述应有作者的观点，否则就不成为综述，而是手册或讲座了。③先进性：综述不是写学科发展的历史，而是要搜集最新资料，获取最新内容，将最新的医学信息和科研动向及时传递给读者。 综述不应是材料的罗列，而是对亲自阅读和收集的材料，加以归纳、总结，做出评论和估价。并由提供的文献资料引出重要结论。一篇好的综述，应当是既有观点，又有事实，有骨又有肉的好文章。由于综述是三次文献，不同于原始论文（一次文献），所以在引用材料方面，也可包括作者自己的实验结果、未发表或待发表的新成果。 综述的内容和形式灵活多样，无严格的规定，篇幅大小不一，大的可以是几十万字甚至上百万字的专著，参考文献可数百篇乃至数千篇；小的可仅有千余字，参考文献数篇。一般医学期刊登载的多为3000～4000字，引文15～20篇，一般不超过20篇，外文参考文献不应少于1／3。 2 综述的内容要求 选题要新 即所综述的选题必须是近期该刊未曾刊载过的。一片综述文章，若与已发表的综述文章"撞车"，即选题与内容基本一致，同一种期刊是不可能刊用的。 说理要明说理必须占有充分的资料，处处以事实为依据，决不能异想天开地臆造数据和诊断，将自己的推测作为结论写。
反应堆热工基础卷子 2010级成都理工大学 一、填空 1、核反应堆中，裂变碎片的动能约占总能量的84％，裂变能的绝大部分在燃料元件内转换 为热能，少量在慢化剂内释放，通常取97.4％在燃料元件内转为热能。 2、影响堆芯功率分布的因素主要有燃料布置、控制棒、水隙及空泡。 3、进行瞬态分析的四类电厂工况是正常运行和运行瞬变、中等频率故障、稀有故障和极限 事故。 4、核电厂专设安全系统主要包括应急堆芯冷却系统、辅助给水系统、安全壳喷淋系统和其 他安全设施。 5、回路系统的压降一般包括：提升压降、加速压降、摩擦压降、形阻压降。 6、垂直加热通道中的主要流型包括：泡状流、环状流、滴状流。 二、问答 1、简述反应堆热工分析的内容包括哪5项？ 答：分析燃料元件内的温度分布；冷却剂的流动和传热特性；预测在各种运行工况下反应堆的热力参数；预测各种瞬态工况下压力、温度、流量等热力参数随时间的变化工程；分析事故工况下压力、温度、流量等热力参数随时间的变化过程。 2、核反应堆停堆后为什么还要继续进行冷却？ 答：核反应堆停堆后，虽然堆内自持的裂变反应随即终止，但还是有热量不断地从燃料芯块通过包壳传入冷却剂中。这些热量主要来自燃料棒内储存的显热、剩余中子引起的裂变和裂变产物和中子俘获产物的衰变，因此，反应堆停堆后，还必须继续进行冷却，以便排出这些热量，防止燃料元件损坏。 3、就压水堆而言，造成流量分配不均匀的主要原因有哪些？ 答：就压水堆而言，造成流量分配不均匀的原因主要有：进入下腔室的冷却剂流，不可避免地会形成许多大大小小的涡流区，从而有可能造成各冷却剂通道进口处的静压力各不相同；各冷却通道在堆芯或燃料组件中所处的位置不同，其流通截面的几何形状和大小也就不可能完全一样，燃料元件和燃料组件的制造、安装的偏差，会引起冷却剂通道流通截面的几何形状和大小偏离设计值，各冷却剂通道中的释热量不同，引起冷却剂的温度、热物性以及含气量也各不相同，导致各通道中的流动阻力产生显著差别。 4、什么是流动不稳定性？在反应堆中蒸汽发生器以及其他存在两相流的设备中一般不允 许出现流动不稳定性，为什么？ 答：流动不稳定性是指在一个质量流密度、压降和空泡之间存在着耦合的两相系统中，流体受到一个微小的扰动后所产生的流量漂移或者以某一种频率的恒定振幅或变振幅进行的流量振荡。流动不稳定性对反应堆系统的危害很大，主要表现在流量和压力振荡所引起的机械力会使部件产生有害的机械振荡，导致部件的疲劳损坏；流动振荡会干扰控制系统；流动振荡会使部件局部热应力产生周期性变化，从而导致部件的热疲劳破坏；流动振荡使系统内的换热性能变坏，极大地降低系统的输热能力，并可能造成沸腾临界过早出现。 5、简述压水堆涉及中所规定的稳态设计准则？ 答:目前压水堆设计中所规定的稳态设计准则一般有以下几点：燃料元件芯块内最高温度低于其相应燃耗下的烙化温度，燃料元件外表面不允许发生沸腾临界，必须保证正行运行工况下燃料原件和对内构件能够得到充分冷却。在事故工况下能提供足够的冷却剂以排出堆芯余热，在稳态工况下和可预计的瞬态运行工况中，不发生流动不稳定。
研究综述怎么写 (2011-05-22 16:48:10) 转载 标签： 杂谈 1综述的定义和特点 综述是查阅了某一专题在一段时期内的相当数量的文献资料，经过分析研究，选取有关情报信息，进行归纳整理，作出综合性描述的文章。 综述的特点：①综合性：综述要"纵横交错"，既要以某一专题的发展为纵线，反映当前课题的进展；又要从本单位、省内、国内到国外，进行横的比较。只有如此，文章才会占有大量素材，经过综合分析、归纳整理、消化鉴别，使材料更精练、更明确、更有层次和更有逻辑，进而把握本专题发展规律和预测发展趋势。 ②评述性：是指比较专门地、全面地、深入地、系统地论述某一方面的问题，对所综述的内容进行综合、分析、评价，反映作者的观点和见解，并与综述的内容构成整体。一般来说，综述应有作者的观点，否则就不成为综述，而是手册或讲座了。③先进性：综述不是写学科发展的历史，而是要搜集最新资料，获取最新内容，将最新的医学信息和科研动向及时传递给读者。 综述不应是材料的罗列，而是对亲自阅读和收集的材料，加以归纳、总结，做出评论和估价。并由提供的文献资料引出重要结论。一篇好的综述，应当是既有观点，又有事实，有骨又有肉的好文章。由于综述是三次文献，不同于原始论文（一次文献），所以在引用材料方面，也可包括作者自己的实验结果、未发表或待发表的新成果。 综述的内容和形式灵活多样，无严格的规定，篇幅大小不一，大的可以是几十万字甚至上百万字的专著，参考文献可数百篇乃至数千篇；小的可仅有千余字，参考文献数篇。一般医学期刊登载的多为3000～4000字，引文15～20篇，一般不超过20篇，外文参考文献不应少于1／3。 2 综述的内容要求 选题要新
第37卷第7期测绘与空间地理信息 GEOMATICS ＆SPATIAL INFOＲMATION TECHNOLOGY Vol．37，No．7收稿日期：2014－01－22 作者简介：马宏斌（1982－），男，甘肃天水人，作战环境学专业博士研究生，主要研究方向为地理空间信息服务。 大数据时代的空间数据挖掘综述 马宏斌1 ，王 柯1，马团学 2（1．信息工程大学地理空间信息学院，河南郑州450000；2．空降兵研究所，湖北孝感432000） 摘 要：随着大数据时代的到来，数据挖掘技术再度受到人们关注。本文回顾了传统空间数据挖掘面临的问题， 介绍了国内外研究中利用大数据处理工具和云计算技术，在空间数据的存储、管理和挖掘算法等方面的做法，并指出了该类研究存在的不足。最后，探讨了空间数据挖掘的发展趋势。关键词：大数据；空间数据挖掘；云计算中图分类号：P208 文献标识码：B 文章编号：1672－5867（2014）07－0019－04 Spatial Data Mining Big Data Era Ｒeview MA Hong －bin 1，WANG Ke 1，MA Tuan －xue 2 （1．Geospatial Information Institute ，Information Engineering University ，Zhengzhou 450000，China ； 2．Airborne Institute ，Xiaogan 432000，China ） Abstract ：In the era of Big Data ，more and more researchers begin to show interest in data mining techniques again．The paper review most unresolved problems left by traditional spatial data mining at first．And ，some progress made by researches using Big Data and Cloud Computing technology is introduced．Also ，their drawbacks are mentioned．Finally ，future trend of spatial data mining is dis-cussed． Key words ：big data ；spatial data mining ；cloud computing 0引言 随着地理空间信息技术的飞速发展，获取数据的手 段和途径都得到极大丰富，传感器的精度得到提高和时空覆盖范围得以扩大，数据量也随之激增。用于采集空间数据的可能是雷达、红外、光电、卫星、多光谱仪、数码相机、成像光谱仪、全站仪、天文望远镜、电视摄像、电子 显微镜、CT 成像等各种宏观与微观传感器或设备，也可能是常规的野外测量、人口普查、土地资源调查、地图扫描、 地图数字化、统计图表等空间数据获取手段，还可能是来自计算机、 网络、GPS ，ＲS 和GIS 等技术应用和分析空间数据。特别是近些年来，个人使用的、携带的各种传感器（重力感应器、电子罗盘、三轴陀螺仪、光线距离感应器、温度传感器、红外线传感器等），具备定位功能电子设备的普及，如智能手机、平板电脑、可穿戴设备（GOOGLE GLASS 和智能手表等），使人们在日常生活中产生了大量具有位置信息的数据。随着志愿者地理信息（Volunteer Geographic Information ）的出现，使这些普通民众也加入到了提供数据者的行列。 以上各种获取手段和途径的汇集，就使每天获取的 数据增长量达到GB 级、 TB 级乃至PB 级。如中国遥感卫星地面站现在保存的对地观测卫星数据资料达260TB ，并以每年15TB 的数据量增长。比如2011年退役的Landsat5卫星在其29年的在轨工作期间，平均每年获取8．6万景影像，每天获取67GB 的观测数据。而2012年发射的资源三号（ZY3）卫星，每天的观测数据获取量可以达到10TB 以上。类似的传感器现在已经大量部署在卫 星、 飞机等飞行平台上，未来10年，全球天空、地空间部署的百万计传感器每天获取的观测数据将超过10PB 。这预示着一个时代的到来，那就是大数据时代。大数据具有 “4V ”特性，即数据体量大（Volume ）、数据来源和类型繁多（Variety ）、数据的真实性难以保证（Veracity ）、数据增加和变化的速度快（Velocity ）。对地观测的系统如图1所示。 在这些数据中，与空间位置相关的数据占了绝大多数。传统的空间知识发现的科研模式在大数据情境下已经不再适用，原因是传统的科研模型不具有普适性且支持的数据量受限， 受到数据传输、存储及时效性需求的制约等。为了从存储在分布方式、虚拟化的数据中心获取信息或知识，这就需要利用强有力的数据分析工具来将
湘潭大学 本科生专业文献综述 题目: 数据挖掘文献综述 姓名: 林勇 学院: 信心工程学院学院 专业: 自动化 班级: 一班 学号: 2010550113 指导教师: 张莹
0前言 随着计算机技术的迅猛发展，人类正在步入信息社会。面对今天浩如烟海的信息，如何帮助人们有效地收集和选择所感兴趣的信息，更关键的是如何帮助用户在日益增多的信息中自动发现新的概念并自动分析它们之间的关系，使之能够真正地做到信息处理的自动化，这已成为信息技术领域的热点问题。数据挖掘就是为满足这种要求而产生并迅速发展起来的，可用于开发信息资源的一种新的数据处理技术。 1什么是数据挖掘 数据挖掘(Data Mining)，也叫数据开采，数据采掘等，是按照既定的业务目标从海量数据中提取出潜在、有效并能被人理解的模式的高级处理过程。在较浅的层次上，它利用现有数据库管理系统的查询、检索及报表功能，与多维分析、统计分析方法相结合，进行联机分析处理，从而得出可供决策参考的统计分析数据。在深层次上，则从数据库中发现前所未有的、隐含的知识。OLAF'的出现早于数据挖掘，它们都是从数据库中抽取有用信息的方法，就决策支持的需要而言两者是相辅相成的。OLAP可以看作一种广义的数据挖掘方法，它旨在简化和支持联机分析，而数据挖掘的目的是便这一过程尽可能自动化。数据挖掘基于的数据库类型主要有：关系型数据库、面向对象数据库、事务数据库、演绎数据库、时态数据库、多媒体数据库、主动数据库、空间数据库、遗留数据库、异质数据库、文本型、Internet信息库以及新兴的数据仓库(Data Warehouse)等。而挖掘后获得的知识包括关联规则、特征规则、区分规则、分类规则、总结规则、偏差规则、聚类规则、模式分析及趋势分析等。 1.1 数据挖掘的任务 数据挖掘的两个高层目标是预测和描述。前者指用一些变量或数据库的若干已知字段预测其它感兴趣的变量或字段的未知的或未来的值；后者指找到描述数据的可理解模式。根据发现知识的不同，我们可以将数据挖掘任务归纳为以下几类： (1)特征规则。从与学习任务相关的一组数据中提取出关于这些数据的特征式，这些特征式表达了该数据集的总体特征．例如可以从某种疾病的症状中提取