工业监控系统所采集到的多元时间序列在利用数据挖掘技术获取内部存在的未知模式的过程中，经常会出现原始数据庞杂、分段结果重复、交集过多和界限不清晰等问题，导致含有突变变量或数据间相关性差的数据集进行模式挖掘结果不理想.针对上述问题，本文提出了一种新的多元时序模糊聚类分段挖掘算法.实验结果表明，该算法克服了Gath-Geva算法聚类精度易受初始值影响的不足，能够较好地反映出原始数据中潜在的过程变化，从而有效地处理时间序列的分段问题并得到理想的挖掘结果

• 5.1 NoSQL简介 • 5.2 NoSQL兴起的原因 • 5.3 NoSQL与关系数据库的比较 • 5.4 NoSQL的四大类型 • 5.5 NoSQL的三大基石 • 5.6 从NoSQL到NewSQL数据库 • 5.7 文档数据库MongoDB

• 11.1 NoSQL简介 • 11.2 NoSQL兴起的原因 • 11.3 NoSQL与关系数据库的比较 • 11.4 NoSQL的四大类型 • 11.5 NoSQL的三大基石 • 11.6 从NoSQL到NewSQL数据库 • 11.7 文档数据库MongoDB

一、信息与数据 二、数据处理技术的发展 三、数据描述与概念模型 四、数据模型 五、关系数据模型 六、数据库系统结构 七、数据库管理系统

1.1数据管理技术的三个阶段 1.2数据库与数据库系统 1.3数据模型与数据模式 1.4数据库系统的发展趋势

4.1数据管理技术的发展 4.2数据描述与数据模型 4.3数据库体系结构 4.4关系代数 4.5关系模式的规范化 4.6数据库设计 4.7关系数据库语言

7.1VB数据库技术基础 7.2可视化数据管理器 7.3数据控件(Data) 7.4应用SQL进行数据库查询 7.5数据访问对象(DAO) 7.6ADO数据控件

1.1 数据处理 1.2 数据库管理技术的发展 数据库管理技术的发展 1.3 数据库系统的组成 数据库系统的组成 1.4 数据模型

一、数据库保护概况 二、数据库与OS在安全上的关系 三、数据库安全性的目标 四、 数据库的访问控制类型

物流活动常处于运动的和非常分散的状态,因此地理信息系统(GIS)和全球定位平系统(GPS)等技术能够将物品移动的空间数据进行有效的管理。本章对GIS和GPS从概述、定义、分类、特征、组成与功能、运行机理和在物流信息系统中的作用进行介绍,使读者了解空间数据管理的实用技术的原理