为顺应国内EPC 总承包工程推广的新形势, 提高企业风险管理水平, 普及工程保险知识, 特编写本书。 书中内容紧密结合国际先进工程保险理念, 对于在EPC 工程中涉及的工程险种、 安排、 采购、 合同后管理等问题均做了较为全面、 细致的分析。 同时, 列举了我国著名企业在海内外EPC 实践中实施保险策略的典型案例。本书可供从事EPC 项目或准备从事EPC 项目的公司领导、 项目经理、 风险管理人员、 监理、 咨询人员等作为岗位继续教育教材使用; 也可作为工程管理、 保险、 经贸专业在校研究生以及本科生的教学参考书或课外读物;也适合作为建设行业推行EPC 总承包模式进行系列培训的教材或参考用书。
本书以大数据为研究背景，系统分析了传统数据技术当前存在的问题以及面临的挑战，并对比了当前主流的面向大数据的数据库解决方案，在此基础上阐述了笔者的研究工作：基于MapReduce平台高处处理大数据的OLAP研究。书中反应了当前大规模数据仓库研究的热点和成果，值得大数据研究的人员参考和应用。
本书是《实用数据结构基础（第四版）》（陈元春、王中华、张亮、王勇编著，中国铁道出版社出版） 的配套学习指导书。全书内容分为5部分：教学内容指导（包括对主教材第1～10章的知识点分析、典型 习题分析和各章习题解答）；自主设计实验指导（对10个自主设计实验的设计思想、算法分析进行了详细 指导）；模拟试卷；模拟试卷参考答案；数据结构课程设计报告样例。 本书对数据结构的概念和原理的阐述通俗易懂，例子翔实；习题难易适中，题型丰富；对数据结构 基本运算的分析注重实现的过程。本书以C/C++语言作为算法的描述语言，对于书中的实验和一些重要 的算法均给出了完整的C/C++语言源程序，并全部在Visual C++ 6.0环境下运行通过。 本书适合作为普通高等院校计算机类专业数据结构课程的教学辅导书，也可作为成
本书以图书馆信息化为基点，从理论与实际应用角度，介绍了数据仓库与数据挖掘的概念、方法及在图书馆的应用。主要内容包括：以图书馆自动化集成系统日常工作中产生的数据为基础，详细介绍了应用微软SQL Server 2012数据仓库与数据挖掘工具进行图书馆数据仓库开发、数据集成服务、联机分析处理及常见数据挖掘技术挖掘过程。本书注重实践性，可操作性强，可作为企事业单位数据仓库与数据挖掘工作人员、研究人员参考用书
本书系统地介绍了各种典型的数据结构，主要包括：线性表、栈和队列、串、数组和广义表、树、图、查换、排序、递归和文件。为了加强对算法的理解，还介绍了算法分析方面的内容。本书叙述精练、概念清楚、注重实用、逻辑性强，各章中所涉及的数据结构与算法都给出了C++语言描述，并附有大量的习题，便于学生理解与掌握。 本书可作为高等院校计算机专业及相关专业的教材，也可作为计算机应用技术人员的参考书。
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
张霞的这本《粒度计算在数据挖掘中的应用研究》对模糊粒度计算在文本软聚类中的应用进行了深入研究，提出了一种基于模糊粒度计算的聚类方法，并且利用该聚类方法对K-means算法进行了优化。基于模糊粒度计算的聚类是通过归一化的距离函数将聚类问题映射到距离空间，调节粒度产生对文本集合D的动态聚类划分。 动态聚类既可以作为一个单独的聚类结果，也可以作为其他算法的一个预处理步骤。K-means算法是一种经典的聚类算法，速度快、消耗资源小，但是算法对初始聚类中心点敏感，容易陷入局部小值。《粒度计算在数据挖掘中的应用研究》将基于模糊粒度计算的聚类方法作为K-means算法的预处理步骤，实验结果证明，这种预处理有效地消除了K-means算法的初始值敏感问题，优化了K-means算法。
《滇西学术文丛：数据挖掘及其应用研究》全面介绍了数据挖掘的背景信息、相关概念及其所使用的主要技术，针对关联规则数据挖掘，系统深入地描述了Apriori算法和FP-growth算法，并比较了各自的优缺点。《滇西学术文丛：数据挖掘及其应用研究》基于关系代数的关联规则挖掘，讨论该算法的实现过程，并对该算法作复杂性分析，在聚类分析数据挖掘、序列模式挖掘等方面也有介绍。对网络入侵检测的拒绝服务攻击类型进行了序列模式挖掘和聚类分析，为进一步开发入侵检测系统提供决策依据，数据挖掘在农作物病虫害预警、居民消费结构分析、多媒体图像挖掘等方面都有应用。
随着信息技术特别是网络技术的飞速发展，人们收集、存贮、传输数据的能力不断提高。数据出现了爆炸性增长，与此形成鲜明对比的是：对决策有价值的知识却非常匮乏。知识发现与数据挖掘技术正是在这一背景下诞生的一门新学科。数据挖掘要在实际应用中发挥作用，高性能挖掘算法和数据挖掘软件平台是重要的技术基础。本书以数据挖掘基本问题、频繁模式与关联规则挖掘为切入点，研究高时间效率、高空间可伸缩性的挖掘算法和分布，异质、海量数据的协同挖掘软件模型，并探讨了数据挖掘过程中的隐私保护问题。 本书首先发现了基于树表示形式的虚拟投影方法，用于按深度优先挖掘密集型数据集；提出了稀疏型数据集表示形式及非过滤投影方法；进_步提出了基于伺机投影的思想，设计并实现了基于伺机投影的全新算法OpportuneProject，对比实验表明，该
从数据中心机房监控系统的自定制技术、监控系统可信方法等方面，综述国内外研究进展，确定研究内容。第1章，主要讲述智能绿色数据中心机房监控系统的内涵；第2章，主要讲述基于大批量定制的绿色数据中心机房的自定制机理与方法；第3章，主要讲述绿色数据中心机房的用户身份认证、完整性等可信方法；第4章，给出了绿色数据中心机房智能监控技术应用，研制绿色智能机房监控系统，在该绿色智能机房监控系统架构上实施用户自定制技术、可信增强技术模块功能，并测试各项技术及整个系统的应用效果。 本书是作者长期从事数据中心机房监控系统，特别是数据中心机房监控系统自定制、可信性研究工作的方法和应用成果的总结，本书所研究技术应用到实际数据中心机房运行，这些实践工作对本书的形成具有十分重要的意义。
金融管理研究的一个显著特点是数据分析量大、不确定性因素多，面对当今时代的海量金融数据，基于传统统计技术建立的模型假设条件多，实际应用难以奏效。数据挖掘是20世纪90年代中期兴起的新技术，是发现数据中有用模式的过程，其目的在于使用所发现的模式帮助解释当前的行为或预测未来的结果，以人们容易理解的形式提供有用的决策信息。 本书对一些相对较成熟的挖掘技术的讨论，阐述其用途、解决思路、需注意的主要问题、步骤，以金融领域的具体案例介绍模型与方法的应用。全书包括金融数据预处理、分类技术、预测、聚类技术、神经网络与支持向量机、异常数据挖掘，并且介绍了这些领域的一些*方法。 本书可作为信息管理与金融类专业本科生和研究生的教材，也可供从事数据挖掘技术与应用研究的科研人员、金融市场数据分析人员，以及
本书重点介绍数据质量管理与安全管理的理论及应用。首先通过数据管理现况和问题的分析,提出数据质量管理的步必须是将各种来源的数据标准化，具有统一的数据格式和规则。书稿中强调了提高数据质量不仅可提高信息系统的质量，还可提高经营活动的质量。需要制定质量管理计划或执行具体的质量管理活动。定义了数据质量的准确性、一致性、可用性、可达性、及时性、安全性这6个标准以及对应的管理流程，划分了5个能力成熟度的等级，界定了从管理者到执行者等各个质量管理活动和责任。提出多项数据质量管理主要技术和各国实用案例，还进一步在Orange数据库中实践了数据质量诊断流程。书稿后半部针对日益增长的数据库安全性的需求，提出了安全管理系统构建、访问控制，数据伪装等具体可行的技术手段，后还将数据安全技术推广到大数据的应用场景。
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
商业智能利用已有的数据资源进行各种有效的业务决策。因此该领域不仅是数据管理、信息处理活跃的研究领域之一，而且在各行各业中得到了广泛的应用。本书共分12章，全面介绍了商业智能系统的设计、部署、数据处理及系统管理等相关知识，包括数据仓库的架构和模型设计、数据仓库的构建、数据仓库项目的开发和实施、数据仓库的应用、在线分析技术、数据挖掘技术、智能挖掘器、知识管理、数据仓库的运行和管理，以及OLAP服务器的运行和管理等技术内容。此外，本书对商业智能系统所涉及的主流产品技术进行了深入浅出的介绍。通过本书的学习，读者可对商业智能的整体结构、技术和产品等有深入的了解和认识。
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。
本书针对计算机、信息管理和其他相关专业学生的发展需求，系统、全面地介绍了大数据技术与应用的基本知识和技能，详细介绍了大数据基础、大数据的行业应用、大数据的基础设施、大数据技术基础、Hadoop分布式架构、大数据管理、大数据分析、人工智能与机器学习、数据科学与数据科学家、开放数据的时代，以及大数据发展与展望等内容，具有较强的系统性、可读性和实用性。本书是为高等院校 大数据 相关课程全新设计编写、具有丰富实践特色的主教材，也可供有一定实践经验的软件开发人员和管理人员参考，或作为继续教育的教材。 本书配套授课电子课件，需要的教师可登录www.cmpedu.com免费注册、审核通过后下载，或联系编辑索取（微信：15910938545，QQ：2850823885，email：2308140194@qq.com，电话：010-88379739）另外，为方便任课教师进行交流，提供本科计算机
本书是中国人民大学出版社出版的教材《统计数据分析基础教程（第二版）——基于SPSS 20和Excel 2010的调查数据分析》的配套辅导书。 由于本次修订对教材内容进行了更加适当的筛选，同时对例题和上机实验题进行了大幅更新，于是本同步配套辅导书也做了相应的修订。 本书以习题和上机实验指导的方式给出了教材中“思考题与上机实验题”的解答，以便帮助读者消化教材内容。本书包含10章的上机实验指导共32个。包括:*抽样、调查问卷制作、问卷数据的录入与清理、单选题的一维频率分析、两个单选题的交叉表分析、多选题的一维频率分析和交叉表分析、描述统计分析、假设检验、单因素方差分析、线性相关分 析与线性回归分析等。 本书可作为各级各类高等院校本科生统计数据分析的入门书，也可以作为MBA学生、研究生以及从事统计数据分析工作的人士
本书由数据库设计原理和应用两部分组成。原理部分简明扼要地介绍了关系数据库设计实用的基本理论，包括数据模型、关系和关系设计完整性，并结合实例描述分析、设计数据库的过程；应用部分通过 PowerBuilder 数据库开发工具详细描述数据库系统的开发过程，具体介绍PowerBuilder 10．0开发环境的组成、Power Script语言、事件，对窗口、数据窗口、菜单等PowerBuilder对象的设计方法是结合“餐饮管理系统”进行说明的，在习题中留有一定的功能扩展空间。每章均附有习题，便于读者练习。 本书可作为高等专科学校、高等职业学校、中等职业学校、成人高校及本科院校举办的二级职业技术学院和民办高校的教材，也可供各类从事数据库系统开发的人员参考。
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
