一个没有标明误差的测试结果,几乎会成为没有用处的数据。 数据的质量通常是将它们的误差与最终使用的要求相比较来进行评 价的。如果数据具有一致性而且它们的误差小于所要求的误差,就 认为这些数据有合格的质量。反之,数据过分离散或者误差超出要 求,就认为这些数据是低质量的或不合格的。因此,数据质量的评价 实际上是相对的,对某种情况是高质量的数据而在另一种情况下可 能是不能接受的

在现代计算机的应用领域中,数据处理是一个重要方面 。数据处理是对各种类型的大批量的数据进行收集、 存储、排序、检索、计算、修改、输出等分析和加工 处理的过程。例如,用计算机进行企业管理、财务工 资管理、仓库物资管理、情报检索、统计报表等都涉 及到数据存放到外存储器上。有时,为了长期保存原 始数据和加工处理过的数据,也需要将这些数据以文 件的形式存放在外存上。学完本章读者应能掌握文件 的概念、逻辑特性、物理结构和基本操作

注意力缺陷多动障碍（ADHD）是儿童期最常见的精神疾病之一，在大多数情况下持续到成年期。近年来，基于功能磁共振数据的ADHD分类成为了研究热点。文献中已有的大多数分类算法均假设样本是均衡的，然而事实上，ADHD数据集通常是不平衡的。传统的学习算法会使得分类器倾向于多数类样本，从而导致性能下降。本文研究了基于不平衡神经影像数据的ADHD分类问题，即基于静息状态功能磁共振数据对ADHD进行分类。采用功能连接矩阵作为分类特征，提出了一种基于多目标支持向量机的ADHD数据分类方案。该方案将不均衡数据分类问题建模为具有三个目标的支持向量机模型，其中三个目标分别为最大化分类间隔、最小化正样本误差和最小化负样本误差，进而正负样本经验误差可以被分开处理。然后采用多目标优化的法向量边界交叉法对模型进行求解，并给出一组代表性的分类器供决策者进行选择。该方案在ADHD-200竞赛的五个数据集上进行测试评估，并与传统分类方法进行对比。实验结果表明本文提出的三个目标支持向量机分类方案比传统的分类方法效果好，可以有效的从算法层面解决数据不平衡问题。该方案不仅可用于辅助ADHD诊断，还可用于阿尔茨海默病和自闭症等疾病的辅助诊断

第1章数据库系统概述 1.1信息、数据与数据处理 1.2数据库技术的产生和发展 1.3数据库系统的组成 1.4数据库系统的结构

一、数据库的一般结构 1字段、记录、文档 字段是文献著录的基本单元,反映文献外部特征和内容特征的每一个项目,在数据库中就称为字段,在数据库中每一个字段,往往都给予一个字段名。如 Title,字段名为T; Author,为AU;SO为文献来源,AB是文摘字段,PY为出版年份,SN为国际标准书号 ISN,DE为叙词或主题词,CS为著者单位。在某些数据库的检索中,在上机检索前必须了解数据库的字段名。 记录是由若干不同字段组成的文献单元,一个记录在数据库中往往代表一篇文献,在数据 库中每一个记录都有一个记录号,与检索工具中的文摘号类似。 文档,由若干数量的记录所构成的数据集合,在一些大型联机检索系统中称作文档。如 DIALOG系统中399号文档是美国化学文摘(A),211号文档是世界专利索引(WPI)

Visual Basicmicrosoft是通过 jet数据库引擎 工具来支持对数据库的数据访问能力。Visual Basic6.0提供了两种主要的与数据库引擎接口 的方法:Data控件和数据访问对象(DAO)。 Data控件是比较简单直接的方法,只给出有限 的不需编程而能访问现存数据库的功能,而 DAO模型是全面控制数据库的完整编程接口

1. 云数据管理技术简介 2. 非关系型数据库与关系型数据库对比 3. Google云数据库技术（分布式存储Megastore） 4. Amazon云数据库技术（分布式存储Dynamo） 5. AWS云数据库（RDS,SimpleDB,DynamoDB） 6. 研讨（MD-HBase与Dremel）

基础篇 第一章：绪论 第二章：关系数据库 第三章：关系数据库标准语言SQL 第四章：关系系统及其查询优化 第五章：关系数据理论 设计篇 第六章：数据库设计 系统篇 第七章：数据库恢复技术 第八章：并发控制 第九章：数据库安全性 第十章：数据库完整性

2.1 为什么要预处理数据 2.2 描述性数据汇总 2.3 数据清理 2.4 数据集成和变换 2.5 数据归约 2.6 数据离散化和概念分层产生

一、什么是数据仓库? 二、数据仓库的结构 三、数据仓库系统 四、建立数据仓库 五、实现数据仓库的数据库环境