一、数据库管理系统出现的背景 二、数据库管理系统基本功能、抽象层次 三、数据库系统总体结构 四、理解数据库原理、应用及设计三部分间的关系 五、数据库系统中的术语与基本概念 六、数据库技术发展

第一数据的来源 数据的来源主要有两种渠道: 一种是通过直接的调查获得的原始数据,一般称之为第一手或直接的统 计数据; 另一种是别人调查的数据,并将这些数据进行加工和汇总后公布的数 据,通常称之为第二手或间接的统计数据

第4章数据库 4.1设计数据库 4.2数据库的创建及基本操作 4.3在数据库中添加和移去数据表 4.4查看和修改数据库结构 4.5数据字典

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

4.1文件与文件组 4.2创建数据库 4.3查看数据库信息 4.4删除数据库 4.5修改数据库 4.6数据库的存储结构 4.7数据库的备份和恢复

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

第3章数据表的创建及操作 3.1数据表的创建 3.2数据表的维护 3.3数据表的排序、索引与查询 3.4数据表的统计与汇总 3.5多个数据表的使用

1 认识数据 2 数据处理与呈现 3 数据管理基础 4 结构化数据库（概述 数据描述 数据模型 关系数据库） 3 SQL查询（拓展知识）

第1章 概论 第2章 关系数据库 第3章 关系数据库标准语言 SQL 第4章 数据库安全 第5章 数据库完整性 第6章 关系数据理论 第7章 数据库设计 第8章 关系查询处理和查询优化 第9章 数据库恢复技术 第10章 并发控制

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）