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

6.1数据库、数据表的基本操作 6.2数据表结构的浏览与修改 6.3对数据表记录的操作 6.4表的排序与索引 6.5数据表的统计 6.6多表操作

4.1数据库的组成 4.2系统数据库和示例数据库 4.3创建数据库和事务日志 4.4管理数据库

1、了解 Excel的数据类型 2、掌握不同类型数据的输入方法 3、掌握复制公式输入数据的方法 4、掌握大批量相同数据的输入方法 5、掌握通过自定义格式简少数据输入的方法

为了提高非平衡数据集的分类精度，提出了一种基于样本空间近邻关系的重采样算法。该方法首先根据数据集中少数类样本的空间近邻关系进行安全级别评估，根据安全级别有指导的采用合成少数类过采样技术（Synthetic minority oversampling technique，SMOTE）进行升采样；然后对多数类样本依据其空间近邻关系计算局部密度，从而对多数类样本密集区域进行降采样处理。通过以上两种手段可以均衡测试数据集，并控制数据规模防止过拟合，实现对两类样本分类的均衡化。采用十折交叉验证的方式产生训练集和测试集，在对训练集重采样之后，以核超限学习机作为分类器进行训练，并在测试集上进行验证。在UCI非平衡数据集和电路故障诊断实测数据上的实验结果表明，所提方法在整体上优于其他重采样算法

第5章表中数据的操作 5.1在企业管理器中操作表中的数据 5.2使用 SELECT语句查询数据 5.3使用 INSERT语句插入数据 5.4使用 UPDATE语句更新数据 5.5使用 DELETE语句删除数据

中文科技期刊数据库主要内容 一、维普《中文科技期刊数据库》概述 二、数据库提供的检索方式 三、常用检索技巧 四、检索结果的处理 五、我的数据库 六、数据库中常见问题

医生诊断需要结合临床症状、影像检查等各种数据，基于此，提出了一种可以进行数据融合的医疗辅助诊断方法。将患者的影像信息（如CT图像）和数值数据（如临床诊断信息）相结合，利用结合的信息自动预测患者的病情，进而提出了基于深度学习的医疗辅助诊断模型。模型以卷积神经网络为基础进行搭建，图像和数值数据作为输入，输出病人的患病情况。该医疗辅助诊断方法能够利用更加全面的信息，有助于提高自动诊断准确率、降低诊断误差；另外，仅使用提出的医疗辅助诊断模型就可以一次性处理多种类型的数据，能够在一定程度上节省诊断时间。在两个数据集上验证了所提出方法的有效性，实验结果表明，该方法是有效的，它可以提高辅助诊断的准确性

学习要点 1、数据库、数据库表的创建 2、在项目中添加、移去和删除数据库 3、索引的建立与使用 4、多个表的使用 5、数据库表间关系

在数据库应用系统中,一个数据库中常常包含 若干个数据表,用以存放不同类别的数据集合。 而这些数据集合存放于同一个数据库中,是由 于它们之间存在着相互联接的关系。这种数据 集合间的相互联接称之为关联。在关系数据库 的实现中,主要存在两种关联:一对一的关联 和一对多的关联