2.3 声表面波滤波器（*） 2.4 有源RC滤波器 2.5 抽样数据滤波器

14.1 通信协议及开放系统互连参考模型 14.2 数据链路传输控制规程 14.3 CCITT的X.25建议 14.4 分组装/拆(PAD)相关协议 14.5 TCP/IP协议

• 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

3.1 野外数据采集 3.2 碎部点坐标测算方法及数学原理 3.3 数据编码 3.4 连接信息

10.1数据库备份概述 10.2备份类型 10.3备份策略 10.4备份设备 10.5备份 10.6还原

3.1 概述 3.2 Pentium微处理器的寻址方式 3.3 数据传送指令 3.4 算术运算指令

8.1 流计算概述 • 8.1.1 静态数据和流数据 • 8.1.2 批量计算和实时计算 • 8.1.3 流计算概念 • 8.1.4 流计算与Hadoop • 8.1.5 流计算框架 8.2 流计算处理流程 • 8.2.1 概述 • 8.2.2 数据实时采集 • 8.2.3 数据实时计算 • 8.2.4 实时查询服务 8.3 流计算应用 8.4 流计算开源框架 – Storm • 8.4.1 Storm简介 • 8.4.2 Storm的特点 • 8.4.3 Storm设计思想 • 8.4.4 Storm框架设计 8.5 Spark Streaming 8.5.1 Spark Streaming设计 8.5.2 Spark Streaming与Storm的对比 8.6 Samza 8.6.1 基本概念 8.6.2 系统架构 8.7 Storm、Spark Streaming和Samza的应用场景 8.8 Storm编程实践 8.8.1 编写Storm程序 8.8.2 安装Storm的基本过程 8.8.3 运行Storm程序

传统的分类算法大多假设数据集是均衡的,追求整体的分类精度.而实际数据集经常是不均衡的,因此传统的分类算法在处理实际数据集时容易导致少数类样本有较高的分类错误率.现有针对不均衡数据集改进的分类方法主要有两类:一类是进行数据层面的改进,用过采样或欠采样的方法增加少数类数据或减少多数类数据;另一个是进行算法层面的改进.本文在原有的基于聚类的欠采样方法和集成学习方法的基础上,采用两种方法相结合的思想,对不均衡数据进行分类.即先在数据处理阶段采用基于聚类的欠采样方法形成均衡数据集,然后用AdaBoost集成算法对新的数据集进行分类训练,并在算法集成过程中引用权重来区分少数类数据和多数类数据对计算集成学习错误率的贡献,进而使算法更关注少数数据类,提高少数类数据的分类精度

系统地论述了矿床体视化过程中由原始采样数据生成空间规则体数据的实现方法,分析了能够形成地矿体空间体数据的主要插值方法的优缺点,在充分考虑矿石品位的空间相关性和变异性的前提下,利用Shepard法实现了空间体数据的生成

第一节观测数据的测后处理过程 第二节 Ashtech Locus数据处理软件的操作方法 第三节南方数据处理软件的操作方法 本章重点: Ashtech Locus接收机随机软件的使用方法。培养学生操作GPS软件进行数据处理的能力