摘要：一、教材解析“6.1数据的收集与整理(2)”是浙教版数学七年级下册第6章“数据与统计图表”第一节第二课时,是第一节课有关“数据的收集和整理方法”的延伸,也是后续学习数据描述与数据分布的基础二、教学目标1.了了解解全全面面调调查查和和抽抽样样调调查查的的概概念念;2.感受全面调查与抽样调查的必要性,体会不同的抽样方法可得不同的结果;3.了解总体、个体、样本、样本容量的概念;4.了解抽样的基本要求,会根据要求编制简单的抽样方案。

摘要：针对目前煤矿机电设备运行状态数据量大、关系复杂且利用率低的现状,提出了一种基于Hadoop的煤矿机电设备运行状态大数据管理平台,整合企业资源数据和设备状态监测数据,建立适用于煤矿机电设备的大数据专用模型。对高通量数据管理技术、多源数据融合技术、并行化数据处理技术及数据可视化技术进行研究,并结合实际需求对数据管理分析平台的原型进行设计和开发。实验表明,该平台可实现对煤矿机电设备状态大数据的高效管理,为数字矿山的建设奠定了基础。

摘要：非负矩阵分解(Non-negative matrix factorization,NMF)是一个近年来非常流行的非负数据处理方法,它常用于维数约减、特征提取和数据挖掘等.NMF定义中采用的数学模型基于非线性投影结构构造,这决定了NMF降维需借助计算量很大的迭代操作来实现.此外,由此模型提取的NMF特征常不稀疏,这与NMF的设计期望相差甚远.为一并解决上述两个问题,本文提出了一个新的模型—基于线性投影结构的NMF(Linear projection-based NMF,LPBNMF),并构造了一个单调的LPBNMF算法.从数学的角度看,LPBNMF可理解为实现NMF的一种特殊方式.LPBNMF降维通过线性变换来完成,它所采用的数学模型的自身结构特点决定了由其得到的特征一定非常稀疏.大量的比较实验表明,LPBNMF的降维效率显著高于NMF,LPBNMF特征明显比NMF特征更稀疏和局部化.最后,基于AR人脸数据库的实验揭示,LPBNMF特征比NMF、LDA以及PCA等特征更适合于用最近邻分类法处理有遮挡人脸识别问题.

摘要：【教学内容】苏教版六年级下册《扇形统计图》例1、例2。【教学目标】1.知识理解:认识扇形统计图,了解扇形统计图的结构特点。2.能力生成:经历运用数据描述信息、作出判断、解决简单实际问题的过程,建立数据分析观念;感受条形统计图、折线统计图、扇形统计图之间的联系与区别,会根据需要,选择合适的统计图。

摘要：2019年中考"抽样与数据分析"部分的试题设计,与《义务教育数学课程标准(2011年版)》的要求基本一致,在全面考查统计过程的基础上,侧重考查数据的描述与分析.其中数据描述部分重点考查从统计图中获取信息的能力,数据分析部分以考查对统计量的简单计算和样本估计总体为主.但随着对统计试题认识的不断深入,越来越多的试题开始注重对"解释统计结果,根据结果做出简单推断和预测"这一《义务教育数学课程标准(2011年版)》规定条目的考查.

摘要：针对数据仓库和联邦数据库解决数据集成的复杂性和成本过高的特点,设计一种轻量级的基于XML Schema数据集成方法。该方法由应用服务层、数据服务接口层、数据集成层和数据库系统层组成。介绍数据源对象信息描述模块、全局数据对象描述模块、数据查询语义表达和接收模块、数据服务接口模块的设计过程。最后演示了数据集成方法的实现。

摘要：信息组织是公共数字文化资源整合平台实现资源有效管理与利用的前提,高质量的信息组织有利于增强用户浏览与检索的效果。在分析公共数字文化资源整合平台信息组织要求的基础上,对WDL、Michael、DPLA和Cornucopia等公共数字文化资源整合平台的信息组织现状进行调查与分析,包括平台的界面设计、分类体系设置、数据描述方案与技术应用;并提出在平台信息组织过程中应当加强顶层设计,强调机构、人员间合作交流和注重用户体验等建议。

摘要：船闸闸首是通航建筑物中比较复杂的结构物 ,由于内腔结构多变 ,其三维实体造型困难。基于AutoCAD的三维实体构型技术 ,可以较便捷地实现该结构的三维构型。在技术上则要解决结构型式的描述 ,满足结构设计要求的结构尺寸的描述 ,以及三维造型中的形体描述方法 ,同时选择快捷宜用的开发语言环境。

摘要：考虑到关系的多语义性以及不同实体和关系之间的确定性,提出一种面向多语义关系的知识图谱表示方法TransC。将关系划分为多条语义,构建关系的高斯混合模型;构建对应的云模型,获取最能表达该关系的语言值和确定性;将确定性作为权重,以加权欧式距离作为新的评分函数;使用多个真实的基准数据集对链接预测和三元组分类进行广泛的实验。实验结果表明,相较于现有的模型和方法,TransC在各项指标上都显示出其优越性。

摘要：针对一类分类马氏椭球学习机(Mahalanobis ellipsoidal learning machine for one class classification,MELM)方法中选取参数C比较困难的问题,提出一种改进的方法-MELM。这种方法通过引入一个具有明确物理意义的参数,即是超椭球外部的样本点数(野点数)占总样本点数的份额的上界,是支持向量的个数所占总样本点数的份额的下界,使参数可以灵活地根据实际问题的精度要求来选取,从而可以快速选取最有效的参数。