河南中医药大学：《数据库规划与设计》课程教学资源（实验指导）实验4 概念数据模型CDM的创建及管理

河南中医药大学：《ASP.NET应用开发》实验指导书（使用数据源控件访问数据库）

河南中医药大学：《ASP.NET应用开发》实验指导书（数据绑定与数据绑定控件）

 什么是类  类是对现实世界中具有相似功能的同类实体的抽象；  类是一种自定义的数据类型；  用“new”关键字从某个类实例化对象；  C#中，类分为两种：由系统提供的预先定义的，这些类在.NET框架类库中；用户定义数据类型

• 6.1 概述 • 6.2 HBase访问接口 • 6.3 HBase数据模型 • 6.4 HBase的实现原理 • 6.5 HBase运行机制 • 6.6 HBase编程实践

教学目的: 1. 掌握系统误差与随机误差的区别和减免；准确度与精密度的区别、联系与表示方法。 2. 熟练掌握有效数字的位数确定及运算规则，会用置信区间和置信概率处理分析数据。 3. 了解随机误差的分布规律，了解ｔ检验和 F 检验在具体分析中的应用。 教学重点： 1. 有效数字及其运算，标准偏差和平均值置信区间的计算 2. t、F 检验法的方法与作用，可疑值的取舍， 3. 提高分析结果准确度的方法。 教学难点： 1. 正态分布的概率范围； 2. 平均值的置信区间(如从σ求µ的置信区间,从 S 求 X 的置信区间，t 分布)

Motivation: Why data mining? What is data mining? A Multi-Dimensional View of Data Mining What Kinds of Data Can Be Mined? What Kinds of Patterns Can Be Mined? What Kinds of Technologies Are Used? What Kinds of Applications Are Targeted? Major Issues in Data Mining A Brief History of Data Mining and Data Mining Society Summary

◼ Data Preprocessing: An Overview ◼ Data Quality ◼ Major Tasks in Data Preprocessing ◼ Data Cleaning ◼ Data Integration ◼ Data Reduction ◼ Data Transformation and Data Discretization ◼ Summary

◼ Classification: Basic Concepts ◼ Decision Tree Induction ◼ Bayes Classification Methods ◼ Rule-Based Classification ◼ Model Evaluation and Selection ◼ Summary

◼ Outlier and Outlier Analysis ◼ Outlier Detection Methods ◼ Statistical Approaches ◼ Proximity-Base Approaches ◼ Clustering-Base Approaches ◼ Classification Approaches ◼ Summary