本书主要包括三部分内容，即误差和数据处理基础、试验设计方法与应用和计算机数据处理软件简介。从误差理论入手，分别介绍测量值与误差、偶然误差的分布、误差传递等误差理论中的内容，介绍统计检验、方差分析、回归分析和聚类分析等数据处理方法与应用，介绍提高分析化学准确度的方法及质量控制方法，介绍正交试验设计、多因素序贯试验设计、*化区组和拉丁方设计、析因设计、响应面设计方法与应用，后一章以较大篇幅对现时流行的大型统计软件之一SPSS（Statistical Product and Service Solutions）进行简要介绍，书末附有习题及常用的统计数表。 本书着重介绍基本概念和基本理论，并在此基础上结合专业特点，介绍了各种统计方法在化学化工、医药、环境检测、矿物加工等多方面的应用，本书把误差与数据处理、质量控制和实验设计作为重点。
本书从初学者易于理解的角度，以通俗易懂的语言、丰富的实例、简洁的图表、传统和现代数据特征的对比，将大数据这一计算机前沿科学如数家珍地娓娓道来。既介绍了大数据和相关的基础知识，又与具体应用有机结合起来，并借助可视化图表的画面感立体地为读者剖析了大数据的技术和原理，非常便于自学。本书内容包括大数据概论、大数据采集及预处理、大数据分析、大数据可视化、Hadoop概论、HDFS和Common概论、MapReduce概论、NoSQL技术介绍、Spark概论、云计算与大数据、大数据相关案例等内容。本书既可以作为想了解大数据技术和应用的初学者的教材，也适合作为培训中心、IT人员、企业策划和管理人员的参考书。
粗糙集理论是一种不确定性数据分析工具，近年来在特征选择、分类学习和规则提取等应用方面取得了巨大成功，并逐渐成为信息科学为活跃的研究领域之一。本书系统地论述了基于粗糙集的属性约简理论和方法，信息系统之间的信息通讯以及关于粗糙群的一些本质问题。主要内容有：基于覆盖粗糙集的属性约简模型建立及约简结构性质分析，基于广义粗糙集的属性约简模型建立及约简结构性质分析，基于广义粗糙集的信息系统之间等价属性约简理论与方法，基于模糊粗糙集的信息系统之间等价属性约简理论与方法，粗糙群的理论研究，以及这些理论在数据挖掘中的应用。 本书可以作为理工科大学计算机、应用数学、自动控制、信息科学以及管理工程等专业的高年级本科生、研究生以及博士生的教材，同时对有关领域的研究人员和工程技术人员也有重要的参考
本书详细介绍了数据库原理、方法及其应用开发技术。全书共分8章，分别介绍了关系数据库标准语言——SQL，数据模型，数据库系统的模式结构，关系模型与关系代数运算，关系模式的规范化设计理论，数据库的安全与保护，RAID技术，数据库设计的步骤和数据库实施，数据库应用系统的体系结构，Microsoft SQL Server 2000的安全管理、完整性策略、恢复技术、并发控制方法、触发器和存储过程，一个基于Ddphi 6．0／SQL Server 2000的C／S结构的简单数据库应用系统开发过程等内容。书中还介绍了数据库技术的新发展，如面向对象数据库，分布式数据库，数据仓库与数据挖掘技术等。 本书配有较多的例题和适量的习题，随书光盘包括书中所有SQL例题和分别用Delphi和Visual Basic开发的数据库应用系统实例源程序和安装程序，并赠送PPT课件—套，不仅有利于教师进行多媒体教学，
MongoDB是一种面向文档的分布式数据库，可扩展，表结构自由，并且支持丰富的查询语句和数据类型。时至今日，MongoDB以其灵活的数据存储方式逐渐成为IT行业非常流行的一种非关系型数据库（NoSql）。 本书从学习与实践者的视角出发，本着通俗精简、注重实践、突出精髓的原则，精准剖析了MongoDB的诸多概念和要点。全书共分4个部分，分别从基础知识、深入理解MongoDB、监控与管理MongoDB和应用实践几个维度详细地介绍了MongoDB的特点及应用实例。 本书适合有海量数据存储需求的人员、数据库管理开发人员、数据挖掘与分析人员以及各类基于数据库的应用开发人员。读者将从书中获得诸多实用的知识和开发技巧。
数据仓库与数据挖掘是与计算机、信息类等相关专业的核心课程。张兴会等编著的《数据仓库与数据挖掘工程实例》采用提出问题、分析问题、解决问题的思路，通过工程实例介绍了SQL Server 2005和 Weka软件的使用方法以及联机分析处理技术、关联规则方法、决策树方法、贝叶斯方法、人工神经网络方法、聚类分析方法、线性回归方法等数据仓库与数据挖掘技术。 本书结构严谨，条理清晰，语言浅显易懂，循序渐进地表达了知识内容；坚持理论与实际相结合，知识理论与具体实现方法相结合，使技术实现具体化、生动化、可操作化；工程实例的实现过程建立在 SQLServer2005和Weka软件的基础上，以帮助读者在学习后达到学以致用的效果。本书可以和《数据仓库与数据挖掘技术》教材配合使用，旨在帮助读者在学习数据仓库与数据挖掘理论知识的基础上，通过学习工
全书共分为六章：*章为绪论，介绍了大数据时代隐私内涵的构成要素以及发展变迁历史，并从技术层面、社会层面、个人层面列举了大数据环境下隐私安全的表现形式，总结了当前个人隐私被侵害的类型以及呈现的特征；第二章为隐私泄露风险评估与度量方法，针对常用的隐私保护方法，详细介绍了当前隐私量化模型与度量标准的相关研究，并分析了主流的隐私度量方法的性能优劣以及评价指标；第三章为位置服务中隐私保护技术，并介绍了P2P结构与独立架构两种模式下位置隐私保护技术方案。第四章为深度学习训练数据集隐私保护技术，提出了两种差分?
本书是一部关于现代数据库系统的基本原理与技术的教科书，本书突出了数据库和新技术的应用及教学的需要。在编写注重原理与技能的并重，传统与内容先进性实用内容并重以及课堂教学与实验并重，学生学后能掌握数据库的基本原理，熟练掌握一个数据库产品的操作并学会开发、设计与管理数据库的能力。 本书由16章构成，内容包括基本原理、基本操作、数据库设计及应用等，突出Web数据库交换等内容。本书各章均配有丰富的习题以及复习提纲，同时本书还附有实习指南供数据实验课之用。 本书结构清晰，概念准确，文字叙述简洁明了，既便于教师课堂讲授，又便于自学者阅读。 本书可作为普通高校计算机应用类及相关专业的本科“数据库课程”教材和教学参考书，同时也可作为数据库用开发人员的参考书。
本书共12章，以信息的采集 、传输和处理为主线，主要包括计算机数据采集与 分析技术概述、数据采集信号分析基础、传感器技术、模/数转换器、数/模 转换器、数据采集系统常用电路、数据采集系统抗干扰技术、总线接口技术 、输入/输出接口技术、数据分析与处理、使用LabVIEW进行数据采集与分析 等内容。同时，《数据采集与分析技术(第二版)》在后以数字式血压仪为 例详细介绍了数据采集设备的软、硬件开发。《数据采集与分析技术(第二 版)》的例子均来源于工程实践， 简明实用，为读者提高动手实践能力提供 了良好的范例。 《数据采集与分析技术(第二版)》主要面向从事计算机数据采集与分析 的工程人员和希望学习相关技术的大专院校学生。
20世纪90年代兴起的数据仓库和数据挖掘代表着信息序化和信息分析技术的重大进展。两者的结合，已成为人类处理和分析海量信息的有力武器。 本书在论述数据仓库和数据挖掘技术基本概念的基础上，系统和深入地剖析了数据仓库的模型，以数据仓库为应用平台的联机分析处理（OLAP）技术，以证券行业为对象的数据仓库的开发实例，数据库挖掘、文本挖掘、Web挖掘、数据挖掘软件，以及数据挖掘的应用，尤其在竞争情报系统和客户关系管理中的应用，从而为了解和掌握数据仓库和数据挖掘技术提供了一个知识门户。 本书可供我国企业界、情报界、咨询界、教育界的信息分析、竞争情报、信息管理、知识管理、战略管理和软科学研究从业者的专业进修，以及高等院校师生教学和参考之用。
本书是一本全面介绍数据挖掘和知识发现技术的专业书籍，它系统地阐述了数据挖掘和知识发现技术的产生、发展、应用以及相关概念、原理和算法，对数据挖掘中的主要技术分支，包括关联规则、分类、聚类、序列、空间以及web挖掘等进行了理沦剖析和算法描述。本书的许多内容是作者们在攻读博士学位期间的工作总结，一方面，对于相关概念和技术的阐述尽量先从理论分析人手，在此基础上进行技术归纳；另一方面，为了保证技术的系统性，所有的挖掘模型和算法描述都在统一的技术归纳框架下进行。同时，为了避免抽象算法描述给读者带来的理解困难，本书的所有典型算法都通过具体跟踪执行实例来进一步说明。 本书共分8章，各章相对独立成篇，以利于读者选择性学习。在每章后面都设置专门一节来对本章内容和文献引用情况进行归纳，它不仅可以帮
本书对面向应用的数据挖掘方法进行了清晰的阐述，包括经典的多元统计方法、贝叶斯多元统计方法、基于机器学习的数据挖掘方法和基于计算的数据挖掘方法等。介绍了数据挖掘领域中许多*的研究成果，如关联规则、序列规则、图示马尔可夫模型、基于存储的推理、信用风险和Web挖掘等。并详细介绍了选自实际工业项目的6个应用实例，强调了数据挖掘方法的实用性。 本书主要面向计算机科学、信息管理、应用统计学和经济学等专业的高年级本科生和研究生。对实际从事海量数据分析和处理的技术人员也有很好的指导作用和参考价值。
本教材是北京市高等教育精品教材立项项目。作者在多年教学、研究以及实际工程经验的基础上，借鉴国外数据库课程的安排方法，采用“三段式”讲解法进行了组织和编著。本教材以案例为线索，系统地介绍了数据库管理系统Access 2000的应用；数据库设计的理论和方法；以SQL Server 2000为背景，以T-SQL为重点介绍了SQL语言的使用；对数据库安全和数据库的发展进行了较为详细的阐述。 本教材各章都有大量的习题，书后还提供了相应的上机实验和综合训练题，便于读者进一步理解和掌握各章所学到的知识，同时也便于组织教学。 本教材内容丰富，讲解由浅入深、通俗易懂、重点突出、示例翔实。在内容编排上系统全面、新颖实用、可读性强，是高等学校“数据库原理与应用”课程的理想教材和参考书，也适合从事计算机软件开发的科技人员及其他有关人员自学
本书结合高职高专的教学特点，较系统地介绍了*基础、*必需掌握的数据库原理相关理论知识，在此基础上，通过大量实例着重讲解SQL Server 2014所提供的各种工具对数据库实施的操作与管理，并辅以某公司人事系统后台数据库设计项目作为实训练习贯穿全书，使得数据库原理的阐述与SQL Server 2014的实际应用融为一体，读者可以通过必要的基本理论指导其对数据库操作的实践，同时也能在实践中加深对数据库原理的理解。为方便读者更好掌握SQL Server 2014的使用，书中采用通俗易懂的方式介绍了有关操作步骤和原理，并辅以大量实例和插图。每章均配有相关内容的项目设计，便于读者进行实际操作和练习。本书共计三大部分，其中*部分（*章至第四章），主要介绍数据库基本概念和理论，第二部分（第五章至第七章），主要介绍SQL Server 2014的安装、管理和数据操作等，第
本书是普通高等教育“十一五”国家规划教材。全书共分10章 ，内容包括：数据结构的概念，几种基本的线性结构（如线性表），栈和队列，串，几种非线性结构（如多维数组和广义表），树，图，常用的数据处理枝术（如排序），查找，文件的存储结构和组织方法等。在每一章中都收集了难度各异的习题和例题，全书采用C语言作为算法描述语言，并有详细的注释，书中全部程序均上机在TURBOC2.0环境下进行验证并调试通过，同时给发出部分程序的运行结果。各章中的“简单应用举例”，既是本章算法的综合应用，也可作为本章实训内容和课程设计的综合练习，全书有很强的实用性和可操作性。 本书可作为全日制高等院校计算机应用专业、微电子和信息工程专业、计算机信息管理和经济信息管理类专业普通本科学生的专业基础课教材，也可以作为上述专业高职高
本书是与李新燕和靳敏编的《数据结构》一书配套的辅助教材，亦可单独使用。本书的编写目的是使学生通过实验、课程设计和大量的习题解答加深对数据结构基本知识的理解，掌握求解数据结构问题的思路和方法，提高应用数据结构解决实际问题的能力。 本书分为2大部分：第1部分是“典型例题题解析与习题”，共分10章：绪论、线性表、栈和队列、其他线性数据结构、递归、树、图、查找、排序和文件，每章先给出一系列与本章知识相关的典型例题的分析与解答，然后给出大量的练习题，题型包括单选题、填空题和综合题或判断题，同时在每个习题后给出参考答案。第2部分是“实验与课程设计指导”，包括9个实验：顺序表的操作、单链表的操作、栈与队列的操作、多维数组与串、二叉树的操作、图的操作、散列表操作、排序操作、文件排序，以及课程设计
本书为普通高等教育“十一五”规划教材，是电力企业信息化系列教材之一。 本书全面深入介绍了数据仓库、联机分析处理（OLAP）和数据挖掘的基本概念、工具及实际应用。全书分成三篇，数据仓库与数据挖掘原理篇的主要内容包括数据仓库的基本概念和结构、创建过程、联机分析处理、数据挖掘的基本概念和方法等；数据仓库与数据挖掘工具篇介绍几个现在市场上主流的数据仓库和数据挖掘工具，包括ETL工具Data Stage、商务智能工具 Congos和数据挖掘工具SAS；数据仓库与数据挖掘应用篇以某电力公司为例介绍一个数据仓库应用系统的建设过程，包括系统需求分析、系统架构设计、数据模型设计、数据库规划、ETL开发等。 本书可作为计算机、信息管理与信息系统等相关专业的学生学习数据仓库、OLAP及数据挖掘技术的实用教程，也可供从事数据仓库、数据挖
本书深入浅出、循序渐进地通过7个应用系统的开发制作过程，为读者详细介绍如何应用Access 2003进行系统开发。本书附赠光盘中还为每个实例制作了PPT文件，详细介绍和演示实例开发所需的技术和过程，方便读者学习和理解。 本书案例贴近实际，内容精练，适合大中专院校的学生和软件开发人员参考使用。
在这本极富创造性的指南中，数据仓库领域畅销的作家Ralph Kimball向读者介绍了Web数据仓库——Web数据仓库和Web之间的姻缘。如果设计和部署都有很完美，Web仓库将会成为当代以客户为中心的公司的关键，向经理和战略决策者提供对他们而言至关重要的竞争信息。在本书中，Kimball博士阐述了Web仓库的关键元素，为设计、构建和管理Web仓库提供了详细的指导说明。仔细品读本书，将可以帮助您的企业更好地保持分健康且极具竞争力的发展态势。 在此书中，您将要学习如上方法：跟踪网站的用户操作；判断客户是转向竞争对手；判断特定的Web广告是否正常运行；捕获有关客户行为的数据；设计支持Web仓库的网站；构建点击流市场；管理和缩放Web数据仓库。
本书主要介绍数据仓库和数据挖掘技术的基本原理和应用方法，全书共分为12章，主要内容包括数据仓库的概念和体系结构、数据仓库的数据存储和处理、数据仓库系统的设计与开发、关联规则、数据分类、数据聚类、贝叶斯网络、粗糙集、神经网络、遗传算法、统计分析、文本和Web挖掘。 本书既重视理论知识的讲解，又强调应用技能的培养。每章首先介绍算法的主要思想和理论基础，之后利用算法去解决实例中给出的任务，而且对于数据仓库的组建方法和多数章节中的数据挖掘算法，本书都使用Microsoft SQL Server 2005进行了操作实现。本书通过对具体实例的学习和实践，使读者掌握数据仓库和数据挖掘中必要的知识点，达到学以致用的目的。 本书每章均配有习题，习题形式为选择题、简答题和操作题，可以帮助读者进一步巩固和掌握所学知识。此外，本书提供多媒
