一、 数据层次与文件组织 二、空间数据库 三、传统数据库模型 四、面向对象数据库系统 五、 数据管理设计

为提高热轧换规格首块钢头部卷取温度命中率，采用数据挖掘技术，从历史带钢冷却数据中推断出与实际带钢相匹配的卷取温度模型水冷换热学习系数，并将其应用于模型预设定计算。首先，对冷却特征参数进行识别，按照相对型、绝对型、相等型和策略型四种方式进行定义，并对实际带钢与历史带钢的各项冷却特征参数进行相似距离计算。当历史带钢的总相似距离满足要求时，将其聚类为实际带钢的相似卷，并考虑各相似卷的时间影响，计算相似权重值；随后，基于相似带钢的头部和尾部信息，建立由卷取温度预报误差、偏离学习系数回归值惩罚项和偏离默认值惩罚项等构成的目标函数以及相应的约束条件，采用梯度下降法求解该二次规划问题，通过三次优化逐步计算出学习系数参考值和表征学习系数与带钢速度及目标卷取温度呈双线性关系的两个参数；最后，根据实际带钢的穿带速度、目标卷取温度等冷却条件计算冷却设定所需的学习系数。现场应用表明：基于十万块历史带钢冷却数据驱动的模型参数即时自适应设定算法可增强卷取温度模型对带钢头部冷却的预设定能力，学习系数即时自适应设定能力随着内存中保存的历史带钢冷却数据的多样性和检索出的相似卷数量的增加而提升

作为磨矿过程的主要生产质量指标, 磨矿粒度是实现磨矿过程闭环优化控制的关键.将磨矿粒度控制在一定范围内能够提高选别作业的精矿品位和有用矿物的回收率, 并减少有用矿物的金属流失.由于经济和技术上的限制, 磨矿粒度的实时测量难以实现.因此, 磨矿粒度的在线估计显得尤为重要.然而, 目前我国所处理的铁矿石大多数为性质不稳定的赤铁矿, 其矿浆颗粒存在磁团聚现象, 所采集的数据存在大量异常值, 使得利用数据建立的磨矿粒度模型存在较大误差.同时, 传统前馈神经网络在磨矿粒度数据建模过程中存在收敛速度慢、易于陷入局部最小值等缺点, 且单一模型泛化性能较差, 现有的集成学习在异常值干扰下性能严重下降.因此, 本文在改进的随机向量函数链接网络(random vector functional link networks, RVFLN)的基础上, 将Bagging算法与自适应加权数据融合技术相结合, 提出一种基于鲁棒随机向量函数链接网络的集成建模方法, 用于磨矿粒度集成建模.所提方法首先通过基准回归问题进行了实验研究, 然后采用磨矿工业实际数据进行验证, 表明其有效性

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

一、中文数据库简介 二、《中文社科报刊篇名数据库》 三、《人大复印报刊资料》系列数据库 四、《万方数据资源系统》

一、书目数据库概述 二、常用书目数据库介绍 中国人民大学馆藏书目数据库查询 CALIS联合目录数据库

数据处理流程:数据传输手簿输入数据加工数据预处理 基线解算——重复基线检验——同步环检验——异步环 检验(以上为当天应完成的任务)重测与补测—WGS -84中无约束平差网精度分析北京54/80/地方独立中 三维无约束平差三维约束平差—二维平差—成果报 告——技术总结

结构体的概念 前面,我们介绍了基本类型(或称简单类型)的变量(如整型, 实型,字符型变量等),也介绍了一种构造类型数据___数组。 但这些数据类型还很不够,为此,C语言提供了一种数据结构, 称为结构体(structure)。可以将不同类型的数据组合成一个有 机的整体，且数据是互相联系的

在此之前，所介绍的数据都是属于基本类型（整型、字符 型、实型），C语言还提供了构造类型的数据，它们有：数组 类型、结构体类型、共用体类型。构造类型是由基本类型数 据按一定规则组成的，因此有的书称它们为“导出类型”。 本讲介绍的数组，数组是有序数据的集合。数组中的每 一个元素都属于同一个数据类型。用一个统一的数据名和下 标来唯一地确定数组中的元素

当今时代是信息技术飞速发展的时代。而作为信息技 术主要支柱之一的数据库技术在社会各个领域中有着广 泛的应用。对信息进行收集、组织、存储、加工、传播、 管理和使用都以数据库为基础，利用数据库可以为各种 用户提供及时的、准确的、相关的信息，满足这些用户 的各种不同的需要