_3S_集成技术研究现状的综述

数据挖掘研究现状综述

数据挖掘引言数据挖掘是一门交叉学科，涉及到了机器学习、模式识别、归纳推理、统计学、数据库、高性能计算等多个领域。所谓的数据挖掘（Data Mining）指的就是从大量的、模糊的、不完全的、随机的数据集合中提取人们感兴趣的知识和信息，提取的对象一般都是人们无法直观的从数据中得出但又有潜在作用的信息。从本质上来说，数据挖掘是在对数据全面了解认识的基础之上进行的一次升华，是对数据的抽象和概括。如果把数据比作矿产资源，那么数据挖掘就是从矿产中提取矿石的过程。与经过数据挖掘之后的数据信息相比，原始的数据信息可以是结构化的，数据库中的数据，也可以是半结构化的，如文本、图像数据。从原始数据中发现知识的方法可以是数学方法也可以是演绎、归纳法。被发现的知识可以用来进行信息管理、查询优化、决策支持等。而数据挖掘是对这一过程的一个综合性应用。

目录引言 (1) 第一章绪论 (3) 1.1 数据挖掘技术的任务 (3) 1.2 数据挖掘技术的研究现状及发展方向 (3) 第二章数据挖掘理论与相关技术 (5) 2.1数据挖掘的基本流程 (5) 2.2.1 关联规则挖掘 (6) 2.2.2 .Apriori算法：使用候选项集找频繁项集 (7) 2.2.3 .FP-树频集算法 (7) 2.2.4.基于划分的算法 (7) 2.3 聚类分析 (7) 2.3.1 聚类算法的任务 (7) 2.3.3 COBWEB算法 (9) 2.3.4模糊聚类算法 (9) 2.3.5 聚类分析的应用 (10) 第三章数据分析 (11) 第四章结论与心得 (14) 4.1 结果分析 (14) 4.2 问题分析 (14) 4.2.1数据挖掘面临的问题 (14) 4.2.2 实验心得及实验过程中遇到的问题分析 (14) 参考文献 (14)

产业集群的区域品牌建设研究【开题报告】

开题报告经济学产业集群的区域品牌建设研究一、综述本课题国内外研究动态，说明选题的依据和意义（一）国内外研究动态 1.国外研究动态：马歇尔（1890）解释了基于外部经济的企业在同一区位集中的现象。他发现了外部经济与产业集群的密切关系。他认为产业集群是外部性导致的。马歇尔关于产业集群理论起源的外部性理论，成为产业集群形成机理分析的经典，被称为“马歇尔外部性”。迈克尔·波特率先提出产业集群理论。迈克尔·波特认为，一旦产业集群形成，集群内部的产业之间就形成了相互协助的关系。这种关系往往导致产业集群内部的扩张，产业集群形成而产生的特征可以称之为“集群模式”，而由此导致的产业集群扩张或深化的现象可以称之为“集群成长模式”。不同经济文化环境下产业集群的成长模式是不同的。 1986年理查德·D·车尔尼亚夫斯基[Richard D. Cerniawski] 提出Cluster Marketing 是一种集中于本地化市场的企业营销战略，它从经济力量与集聚为基本原则，有助于企业制定营销计划并使之执行。James Gilmore在分析西班牙国家品牌再定位时，使用核心竞争力的概念来衡量区域品牌资产，认为区域品牌资产的核心竞争力来自于物质资产(physical assets) 和人文资产(human assets)。佩鲁(Per roux)提出的“增长极”理论认为,主导部门和有创新能力的企业,在某些地区或大城市聚集发展而形成的生产、贸易、金融、科技、人才、信息、交通运输、服务、决策等经济活动中心恰似一个“磁极”一样,能够产生较强的吸纳辐射作用。它不仅加快了自身的发展,通过向外扩散还带动了其他部门和所在地区以至周边地区的经济增长。加拿大学者Shauna McCabe 强调区域品牌营销在区域品牌形象设计中对地方历史和文化要素的提取。Kofle 等学者认为区域营销包括区域形象营销、吸引力营销、基础设施营销和人员营销等。Martin Vic 在分析克罗利亚区域品牌营销时认为，区域品牌营销就是为区域产品和服务在目标市场中创造的附加值。 2.国内研究动态：王缉慈（2001）从跨学科的角度综述了企业集群的相关理论，着重评价了经济地理学研究的新产业区理论，并结合我国当前区域发展的区域研究的现实，比较分析了国内外典型案例。结论指出，培育具有地方特色的企业集群，营造区域创新环境，以强化区域竞争

本课题国内外研究现状分析

. Word资料●本课题国外研究现状分析教育科研立项课题如何申报与论证博白县教育局教研室朱汝洪发布时间： 2009 年 4 月 2 日19 时24 分一、课题申报的基本步骤第一步：阅读各级课题申报通知，明确通知的要求；第二步：学习研究课题管理方面的文件材料；第三步：学习研究《课题指南》，确定要申报的课题（可以直接选用《课题指南》中的课题，也可以自己确定课题）；第四步：组织课题组，认真阅读关于填表说明的文字，研究清楚课题《申请评审书》各个栏目的填写要求；第五步：根据《申请评审书》各栏目的要求分工查找材料和论证；第六步：填写《申请评审书》草表；第七步：研究确定后，填写《申请评审书》正式表（一律要求打印）；第八步：按要求复印份数；第九步：按要求签署意见、加盖公章；第十步：填写好《课题申报材料目录表》；第十一步：按时将《申请评审书》《课题申报材料目录表》和评审费送交县教研室科研组转送市教科所（也可以直接送市教科报，但必须报县教研室备案）。

二、教育科研课题的选题1、课题的选题方法。一是从上级颁发的课题指南中选定；二是结合学校的实际对课题指南中的课题作修改；三是完全从学校的实际出发确定课题。 2、课题的选题要依据的原则。一是符合法规和政策；二是切合当地和学校实际；三是适合教师的水平和能力；四是切中当前教改热点。 3、课题名称的规表述。 ①研究，如小学生学习兴趣培养的研究。 ②实践与研究，如高中学生探究性学习的实践与研究。 ③应用研究，如合作学习理论在初中语文教学中的应用研究。 ④实验与研究，如杜郎口模式的实验与研究。 ⑤探索与研究，如农村寄宿制小学学生管理的探索与研究。三、立项课题的论证例说（以2009 版市课题申报表的要求为准）1、课题论证的含义。课题论证，也叫论证与设计、设计与论证，是对所要申报的课题的选题依据、研究目标、研究容、研究重点、研究难点、研究思路、研究步骤、研究条件等进行的阐述与设计。 2、课题论证的包括的容。不同级别的课题申报表（课题申请、评审书）要求有所不同，但基本上包括两大方面的容：一是关于本研究课题的论证，二是关于对课题实施的论证。 3、课题论证例说。

GIS技术的研究现状及未来发展趋势.

GIS 技术的研究现状及未来发展趋势摘要:GIS 是随着计算机技术发展而形成的一门新兴技术,其应用程度和范围也随之渗透、延伸,得到了人们的广泛关注。该文综述了地理信.息的发展现状,从多个角度分析当前 GIS 技术发展存在的不足,并在此基础上研究分析了 GIS 技术的未来发展趋势。关键词:GIS 研究现状发展趋势 0 引言随着计算机技术的飞速发展、空间技术的日新月异及计算机图形学理论的日渐完善, GIS(Geographic Information System技术也日趋成熟,并且逐渐被人们所认识和接受。近年来, GIS 被世界各国普遍重视,尤其是“数字地球”概念的提出,使其核心技术 GIS 更为各国政府所关注。目前,以管理空间数据见长的 GIS 已经在全球变化与监测、军事、资源管理、城市规划、土地管理、环境研究、农作物估产、灾害预测、交通管理、矿产资源评价、文物保护、湿地制图以及政府部门等许多领域发挥着越来越重要的作用。当前 GIS 正处于急剧发展和变化之中,研究和总结 GIS 技术发展,对进一步开展 GIS 研究工作具有重要的指导意义。因此,本文就目前 GIS 技术的研究现状及未来发展趋势进行总结和分析。 1 GIS 研究现状及其分析 1.1 GIS研究现状世纪 90年代以来,由于计算机技术的不断突破以及其它相关理论和技术的完善, GIS 在全球得到了迅速的发展。在海量数据存储、处理、表达、显示及数据共享技术等方面都取得了显著的成效,其概括起来有以下几个方面 [1]:①硬件系统采用服务器 /客户机结构,初步形成了网络化、分布式、多媒体 GIS ; ②在 GIS 的设计中, 提出了采用“开放的 CIS 环境” 的概念, 最终以实现资源共享、数据共享为目标; ③高度重视数据标准化与数据质量的问题, 并已形成一些较为可行的数据标准; ④ 面向对象的数据库管理系统已经问世, 正在发展称之为“对象 --关系 DBMS (数据库

国内外相关研究现状综述知识分享

1.2 国内外相关研究现状综述 1.2.1国外研究综述 1）人力资源外包 Lever觉得外包是一种管理策略，将非核心业务委托给外部专家执行，使公司能专注于本身核心业务发展，以提高竞争优势[3]。而人力资源管理外包，则是一种特殊的外包形式。greer认为，外包是由外部伙伴在重复基础上从事原来由企业内部从事的人力资源任务[4]。对于人力资源外包，许多国外学者认为，对许多企业来说，外包浪潮的兴起并不意味着一定要实行人力资源管理外包，人力资源管理的实践性很强，往往对适合的企业才最好。在总结外包优势的基础上，Rodriguez和Carlos指出与专业的雇佣组织签订合同来处理企业的人力资源职能是一个可变的结论，专业雇佣组织可以与他的顾客建立一个雇佣合作关系。Greet认为有五项竞争因素使企业将人力资源部分或是全部外包，分别是企业精简、快速成长或衰退、全球化、竞争增加以及企业再造，而在这些竞争因素背后的根本因素其实就是降低成本与增加人力资源的服务品质。关于人力资源外包的风险，Quelin认为一个是企业在外包过程中对外包商的过分依赖，他们认为外包后企业就不用再过问这部分工作了，全部由外包商负责就行，很少进行沟通。另外一个是外包商的工作效率及能力不能达到既定目标，影响组织绩效的完成，把工作交给外包商后，企业失去了对这部分工作的控制，至少不能完全控制，于是当外包商的能力及效率不能达到原来期望的时候，就会影响企业的整体绩效。Bahli，Bouchaib等根据交易成本的观点，归纳了外包所具有的风险带来的不确定性有以下两点:交易的不确定性；委托的不确定性和所提供服务的不确定性。以上研究表明国外的人力资源外包相关研究大多集中在外包决策、外包作用与外包风险上。主要关注的是企业人力资源外包在实际运用中的可行性与实践中的问题。在人力资源外包中引入信任的研究不多。国外学者对信任的研究集中在信任的作用、类型与建立上。这里只摘录其中的一部分。 2）信任梅耶、戴维斯、斯库尔曼认为:信任是指一方在有能力监控或控制另一方的情况下，宁愿放弃这种能力而使自己处于弱点暴露、利益有可能受到对方损害的状态。Sabel认为:“相互信任就是合作各方坚信，没有一方会利用另一方的脆弱点去获取利益。”胡孔河将信任定义为：在一定情境下，一方凭借自己对对方的

空间聚类的研究现状及其应用_戴晓燕

空间聚类的研究现状及其应用＊戴晓燕1　过仲阳1　李勤奋2　吴健平1 (1华东师范大学教育部地球信息科学实验室　上海　200062) (2上海市地质调查研究院　上海　200072) 摘　要　作为空间数据挖掘的一种重要手段,空间聚类目前已在许多领域得到了应用。文章在对已有空间聚类分析方法概括和总结的基础上,结合国家卫星气象中心高分辨率有限区域分析预报系统产品中的数值格点预报(HLAFS)值,运用K-均值法对影响青藏高原上中尺度对流系统(MCS)移动的散度场进行了研究,得到了一些有意义的结论。关键词　空间聚类　K-均值法　散度 1　前言随着GPS、GI S和遥感技术的应用和发展,大量的与空间有关的数据正在快速增长。然而,尽管数据库技术可以实现对空间数据的输入、编辑、统计分析以及查询处理,但是无法发现隐藏在这些大型数据库中有价值的模式和模型。而空间数据挖掘可以提取空间数据库中隐含的知识、空间关系或其他有意义的模式等[1]。这些模式的挖掘主要包括特征规则、差异规则、关联规则、分类规则及聚类规则等,特别是聚类规则,在空间数据的特征提取中起到了极其重要的作用。空间聚类是指将数据对象集分组成为由类似的对象组成的簇,这样在同一簇中的对象之间具有较高的相似度,而不同簇中的对象差别较大,即相异度较大。作为一种非监督学习方法,空间聚类不依赖于预先定义的类和带类标号的训练实例。由于空间数据库中包含了大量与空间有关的数据,这些数据来自不同的应用领域。例如,土地利用、居住类型的空间分布、商业区位分布等。因此,根据数据库中的数据,运用空间聚类来提取不同领域的分布特征,是空间数据挖掘的一个重要部分。空间聚类方法通常可以分为四大类:划分法、层次法、基于密度的方法和基于网格的方法。算法的选择取决于应用目的,例如商业区位分析要求距离总和最小,通常用K-均值法或K-中心点法;而对于栅格数据分析和图像识别,基于密度的算法更合适。此外,算法的速度、聚类质量以及数据的特征,包括数据的维数、噪声的数量等因素都影响到算法的选择[2]。本文在对已有空间聚类分析方法概括和总结的基础上,结合国家卫星气象中心高分辨率有限区域分析预报系统产品中的数值格点预报(HLAFS)值,运用K-均值法对影响青藏高原上中尺度对流系统(MCS)移动的散度场进行了研究,得到了一些有意义的结论。 2　划分法设在d维空间中,给定n个数据对象的集合D 和参数K,运用划分法进行聚类时,首先将数据对象分成K个簇,使得每个对象对于簇中心或簇分布的偏离总和最小[2]。聚类过程中,通常用相似度函数来计算某个点的偏离。常用的划分方法有K-均值(K-means)法和K-中心(K-medoids)法,但它们仅适合中、小型数据库的情形。为了获取大型数据库中数据的聚类体,人们对上述方法进行了改进,提出了K-原型法(K-prototypes method)、期望最大法EM(Expectation Maximization)、基于随机搜索的方法(ClAR ANS)等。 K-均值法[3]根据簇中数据对象的平均值来计算 ——————————————— ＊基金项目:国家自然科学基金资助。(资助号: 40371080) 收稿日期:2003-7-11 第一作者简介:戴晓燕,女,1979年生,华东师范大学地理系硕士研究生,主要从事空间数据挖掘的研究。 · 41 · 2003年第4期上海地质 Shanghai Geology

数据挖掘研究的现状与发展趋势_郑继刚

数据挖掘研究的现状与发展趋势郑继刚,王边疆 (保山学院数学系,云南保山678000) 影响其空间分布的因素之间的关系;预测型的模型用来根据给定的一些属性预测某些属性,如分类模型和回归模型等. 目前,主要在空间数据挖掘的体系结构和挖掘过程做了大量研究,包括面向对象的空间数据库的数据挖掘、模糊空间关联规则的挖掘、不确定性挖掘、聚类挖掘、挖掘空间数据的偏离和演变规则、基于多专题地图的挖掘、交叉概化、基于时空数据的概化、并行数据挖掘、统计分析与数据挖掘的协同和遥感影像的挖掘等,主要采用了基于统计学和概率论、集合论、机器学习、仿生物学、地球信息学的研究方法. 4.2多媒体数据挖掘多媒体数据,包括图形、图像、文本、文档、超文本、声音、视频和音频数据等,数据类型复杂.随着信息技术的进步,人们所接触的数据形式越来越丰富, 多媒体数据的大量涌现,形成了很多海量的多媒体数据库[8].这些数据大多是非结构化数据、异构数据, 特征向量通常是数十维甚至数百维,转化为结构数据和降维成了多媒体数据挖掘的关键技术. 有研究者提出了多媒体数据挖掘的系统原型ＭＤＭＰ,将多媒体数据的建模表示、存储和检索等多媒体数据库技术与数据挖掘技术有机地结合在一起, 采用多媒体图像数据的相似性搜索、多维分析、关联规则挖掘、分类与聚类分析等挖掘方法,广泛地应用于医学影像诊断分析、卫星图片分析、地下矿藏预测等各种领域. 4.3时序数据挖掘时序数据挖掘通过研究信息的时间特性,深入洞悉事物进化的机制,揭示其内在规律(如波动的周期、振幅、趋势的种类等),成为获得知识的有效途径.关键问题是要是寻找一种合适的序列表示方式,基于点距离和关键点是常用的算法,但都不能完整表示出序列的动态属性.时序数据挖掘的主要技术有趋势分析和相似搜索,在宏观的经济预测、市场营销、客流量分析、太阳黑子数、月降水量、河流流量、股票价格波动等众多领域得到了应用.

文献综述_数据挖掘

数据挖掘简介数据挖掘的任务数据挖掘的任务就是从实例集合中找出容易理解的规则和关系。这些规则可以用于预测未来趋势、评价顾客、评估风险或简单地描述和解释给定的数据。通常数据挖掘的任务包括以下几个部分: 数据总结目的是对数据进行浓缩，给出它的紧凑描述。传统的也是最简单的数据总结方法是计算出数据库的各个字段上的求和值、平均值、方差值等统计值，或者用直方图、饼图等图形方式表示。数据挖掘主要关心从数据泛化的角度来讨论数据总结。数据泛化是一种把数据库中的有关数据从低层次抽象到高层次上的过程。数据泛化目前主要有两种技术:多维数据分析方法和面向属性的归纳方法。多维数据分析方法是一种数据仓库技术，也称作联机分析处理(OLAP，onLineAnalysisProeess)。数据仓库是面向决策支持的、集成的、稳定的、不同时间的历史数据集合。决策的前提是数据分析。在数据分析中经常要用到诸如求和、总计、平均、最大、最小等汇集操作，这类操作的计算量特别大。因此一种很自然的想法是，把汇集操作结果预先计算并存储起来，以便于决策支持系统使用。存储汇集操作结果的地方称作多维数据库。多维数据分析技术已经在决策支持系统中获得了成功的应用，如著名的SAS数据分析软件包、Businessobject公司的决策支持系统Businessobjeet，以及IBM公司的决策分析工具都使用了多维数据分析技术。采用多维数据分析方法进行数据总结，它针对的是数据仓库，数据仓库存储的是脱机的历史数据。为了处理联机数据，研究人员提出了一种面向属性的归纳方法。它的思路是，直接对用户感兴趣的数据视图(用一般的SQL查询语言即可获得)进行泛化，而不是像多维数据分析方法那样预先就存储好了泛化数据。方法的提出者对这种数据泛化技术称之为面向属性的归纳方法。原始关系经过泛化操作后得到的是一个泛化关系，它从较高的层次上总结了在低层次上的原始关系。有了泛化关系后，就可以对它进行各种深入的操作而生成满足用户需要的知识，如在泛化关系基础上生成特性规则、判别规则、分类规则，以及关联规则等。数据挖掘的分类数据挖掘所能发现的知识有如下几种: .广义型知识，反映同类事物共同性质的知识; .特征型知识，反映事物各方面的特征知识; .差异型知识，反映不同事物之间属性差别的知识; .关联型知识，反映事物之间依赖或关联的知识; .预测型知识，根据历史的和当前的数据推测未来数据; .偏离型知识。揭示事物偏离常规的异常现象。所有这些知识都可以在不同的概念层次上被发现，随着概念树的提升，从微观到中观再到宏观，以满足不同用户、不同层次决策的需要。例如，从一家超市的数据仓库中，可以发现的一条典型关联规则可能是“买面包和黄油的顾客十有八九也买牛奶”，也可能是“买食品的顾客几乎都用信用卡”，这种规则对于商家开发和实施客户化的销售计划和策略是非常有用的。数据挖掘的方法数据挖掘并非一个完全自动化的过程。整个过程需要考虑数据的所有因素和其预定的效用，然后应用最佳的数据挖掘方法。数据挖掘的方法很重要。在数据挖掘的领域里.有一点已经被广泛地接受，即不管你选择哪种方法，总存在着某种协定。因此对实际情况，应该具体分析，根据累积的经验和优秀的范例选择最佳的方法。数据挖掘中没有免费的午餐，也没

国内外关于多品牌战略的的研究现状的论文

摘要近年来，随着内需不断扩大，价格指数持续上升，内需成了我国服装行业发展的原动力。但随着中国加入WTO，国际名牌蜂拥而入，更多海外品牌对中国市场跃跃欲试，直接造成了国内品牌与国际品牌之间的激烈竞争。再加上品牌和市场细分早已不仅仅局限在品种、档次、区域的进一步细分，更表现在以产品风格和消费群细分为特点的深度细分。面对国际品牌进入中国市场带来的巨大竞争压力、内需扩大带来的机会、市场细分的必然发展趋势，采取何种品牌战略以顺应市场要求、寻求生存发展，成为我国服装企业首要考虑的问题。本文通过分析美特斯邦威服饰股份有限公司的多品牌战略，希望为本土服装企业品牌战略的选择提供可借鉴的思路和方法，提高我国服装企业在国际市场中的整体竞争能力。本文第一章阐述了研究的背景、意义，以及国内外关于多品牌战略的研究现状；第二章介绍了多品牌的基础理论，并举例说明多品牌战略在国内外服装企业中的运用情况；第三章先从动机、环境以及实施措施三个方面对美特斯邦威的多品牌战略进行分析，然后结合所学理论知识，从公司战略、有效性和存在的隐患方面对美特斯邦威的多品牌战略进行评价；最后，对美特斯邦威的多品牌战略进行整体总结。关键词：美特斯邦威；多品牌；战略

Abstract In recent years, with the expanding of the domestic demand and Continuing rising of the price index, the domestic demand has become the driving force of the development of the apparel industry in China. However, with China's accession to the WTO and the entering of the international brand-name in droves, more overseas brands are eager for the Chinese market, which brings about the fierce competition between the domestic brands and the international brands directly. In addition, the brand’s and the market’s subdivision have been already not only limited in the variety, the grade and the region’s further segmentation, but also displayed in the deep segmentation for the characteristics of subdivision in the product style and the consumer group. As a result, it has become the primary problem that what kind of brand strategy to use to suit the market requirements and to seek the survival and the development by our local garment enterprises. This paper analyses the multi-brand strategy of Metersbonwe Fashion Co., Ltd. The purposes are to provide ideas and methods for the local garment enterprises when they choose a brand strategy and to enhance the overall competitiveness of the Chinese garmententerprises in the international market. In this paper, the first chapter elaborates the background and the significance of the study, as well as the present situation of the research on multi-brand strategy at home and abroad; Chapter II introduced the basic theory of the multi-brand ,and examples of the use of the multi-brand strategy in the clothing enterprises at home and abroad; Chapter III first analyses Metersbonwe’s multi-brand strategy from three aspects, namely Motivation , environment and the implementation measures, then evaluating it from company strategy, the strategic effectiveness and hidden dangers that exist in Metersbonwe; Finally, summarizing the Metersbonwe’s multi-brand strategy. Key words: Metersbonwe Fashion Co., Ltd.; multi-brand; strategy

数据挖掘现状与前景

数据挖掘，这是个听起来既神秘，又具有诱惑性的词。就好像要去一片热带沙漠搜寻宝藏，宝藏的诱惑性很强，但是黄沙远处却看不透彻，不知此行是对是错，看到的光亮又是否只是虚幻的海市蜃楼。所以很多学习数据挖掘的，或是想选择数据挖掘方向的人会在是否踏出第一脚时犹豫不决。以下，我们就来分析看看数据挖掘的现状及前景。首先看看百科中数据挖掘的定义：数据挖掘（Data Mining，DM）是目前人工智能和数据库领域研究的热点问题，所谓数据挖掘是指从数据库的大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的非平凡过程。基于数据挖掘可能产生的巨大价值，我国的各大重点院校都针对数据挖掘开了专业课程以及研究课题，不仅如此，政府以及大型企业也开始重视这一领域，投资人力物力支持数据挖掘项目。或许这样说还不够直观，那就就数字佐证。据IDC对欧洲和北美62家采用了商务智能技术的企业的调查分析发现，这些企业的3年平均投资回报率为401%，其中25%的企业的投资回报率超过600%。调查结果还显示，一个企业要想在复杂的环境中获得成功，高层管理者必须能够控制极其复杂的商业结构，若没有详实的事实和数据支持，是很难办到的。因此，随着数据挖掘技术的不断改进和日益成熟，它必将被更多的用户采用，使更多的管理者得到更多的商务智能。国外如此，那中国呢？随着我国信息化的发展，数据的积累及计算机的广泛应用，加上来自外资企业商业智能数据挖掘应用带来的竞争压力，商业智能及数据挖掘也逐渐在中国也形成了一个产业。随着成功案例的增多，不仅仅是金融保险电信等行业或是政府机构，中小企业也逐渐将商业智能应用于业务之中。信息化时代数据的潜力不容小觑，IT部门一直是企业的核心，而数据挖掘技术更是得到了前所未有的重视和期待。目前我国数据挖掘、商业智能技术的人才培养体系还未健全，而企业对这方面的需求却一直在增长。数据知识发展为核心竞争力是现在及未来必然的形势。因此数据挖掘、商业智能行业的前景还是非常可观的。所以，请坚定勇敢地踏出迈向数据挖掘的那一步吧，然后扎实地学好所需的知识理论及实践技巧，最后所收获到的，或许比你所期待的还多。

数据挖掘在中国的现状和发展研究

数据挖掘在中国的现状和发展研究导读：本文以科学引文索引数据库(SCI)、工程索引数据库(EI)以及清华全文数据库(CNKI)中有关“数据挖掘”研究文章的统计数据为研究基础，对数据挖掘在我国研究的总体趋势、研究热点、研究分支三个方面进行分析和研究。本文分析了数据挖掘在我国的发展，并对进一步发展我国数据挖掘的理论研究和实际应用提出了建议。关键字：数据挖掘 0 引言近年来，随着计算机对数据的生成、收集、存贮和处理能力的大大提高，数据量与日俱增，传统的数据分析工具对海量数据的处理力不从心，数据挖掘技术应运而生。中国科研工作者近几年来积极开展了对数据挖掘的研究，并在理论研究和实际应用上取得了一定的成绩，但是有关数据挖掘的成功应用还比较少。本文通过对中国有关数据挖掘研究文章数量的统计，对数据挖掘在中国发展的现状及发展趋势进行分析和研究，通过分析有关论文的发表，对数据挖掘在中国的理论研究和实际应用提出建议。 1 数据挖掘的应用与研究发展数据挖掘是指从存放在数据库、数据仓库或其他信息库中的大量数据中挖掘有用知识的过程。数据挖掘是一门新兴的边缘学科，近年来引起了中国学术界和产业界的广泛关注。数据挖掘出现于20世纪80年代后期，90年代有了突飞猛进的发展。2001年，Gartner Group的一次高级技术调查将数据挖掘和人工智能列为“未来三到五年内将对工业产生深远影响的五大关健技术”之首，并且还将并行处理体系和数据挖掘列为未来五年内投资焦点的十大新兴技术前两位。美国麻省理工学院在2001年1月份的《科技评论》(Technology Review)提出将在未来5年对人类产生重大影响的10大新兴技术，其中第3项就是数据挖掘。数据挖掘技术已被广泛的应用于各个领域，其中一些典型应用如加州理工学院喷气推进实验室与天文科学家合作开发的SKICAT系统，能够帮助天文学家发现遥远的类星体，是人工智能技术在天文学和空间科学上的第一批成功应用之一；生物学研究中用数据挖掘技术对DNA进行分析利用数据挖掘技术识别顾客的购买行为模式，对客户进行了分析；对银行或商业上经常发生的诈骗行为进行预测IBM公司

浅析3S集成技术在土地资源调查中的应用

浅析3S集成技术在土地资源调查中的应用近年来，在我国土地利用现状的调查过程中，由于传统的调查技术调查的周期长以及调查手段落后等现状，无法满足准确检测以及动态变更检测等的需求，严重影响了土地调查的进程，随着GPS、RS、GIS技术的不断发展和成熟，已经逐渐应用到了土地的调查领域，文章将在阐述3S集成技术的前提下，对3S 集成技术在土地调查中的应用进行分析。标签：3S集成技术；土地资源调查；应用土地资源是人类生存和发展的基础，对土地资源的分布以及数量、质量等信息的掌握关系着我国经济的可持续发展，所以，定期的进行对土地的调查工作，是当前发展的需要，3S技术在土地的调查中可以有效利用计算机网络技术，为土地信息的获取、存储以及后续的更新、共享等服务提供了强有力的技术支撑，如何更有效的利用3S集成技术进行土地资源的调查工作，实现动态监测，是当前土地资源管理过程中需要解决的问题。 1 3S集成技术的构成随着现代科技的高速发展，全球定位系统技术（GPS）、地理信息系统技术（GIS）与遥感技术（RS）已经被应用到了我国土地资源的调查中，其各自的技术特点与应用范围在土地资源空间定位以及消息收集、编辑存储和后续的变更测量、自动检测等方面发挥着重要的作用，具体运用如下： GPS具有实时、快速地提供目标空间位置的的功能，在土地调查中主要应用于变更测量和控制测量空间信息记录；GIS能够借助计算机的数据库技术进行数据的输入、存储以及分析、查询和后续的决策等，在土地调查中，主要用于完成内页工作，如基础信息的编辑存储、录入汇总以及数据转换、土地面积量算、田坎系数测定等等工作；RS可以实时、快速地为使用者提供大面积地物以及环境保护物理信息等的变化参数，在土地的调查中，主要用于土地信息的获取，分辨土地信息的空间和时间等。 3S集成技术是GPS、RS与GIS技术的集成系统和结合应用，通过配置GIS 系统的笔记本电脑与GPS接收机的集成实现了GIS技术和GPS技术的集成，实现了笔记本电脑GPS数据的实时地导入，然后利用笔记本上的GIS系统进行数据的浏览、查询以及实时存储、缩放底图，进行数据的修改、编辑或删除等，减少了传统土地调查中繁重的内业编辑工作，又便宜于携带，作为一个有机整体的技术，3S集成技术能更好地进行推地资源的调查和管理。 2 3S集成技术在土地资源调查中的应用分析 2.1 基于GPS/GIS的土地变更信息的采集、处理

数据挖掘研究现状及发展趋势

数据挖掘研究现状及发展趋势摘要：从数据挖掘的定义出发，介绍了数据挖掘的神经网络法、决策树法、遗传算法、粗糙集法、模糊集法和关联规则法等概念及其各自的优缺点；详细总结了国内外数据挖掘的研究现状及研究热点，指出了数据挖掘的发展趋势。关键词：数据挖掘；挖掘算法；神经网络；决策树；粗糙集；模糊集；研究现状；发展趋势 Abstract：From the definition of data mining，the paper introduced concepts and advantages and disadvantages of neural network algorithm，decision tree algorithm，genetic algorithm，rough set method，fuzzy set method and association rule method of data mining，summarized domestic and international research situation and focus of data mining in details，and pointed out the development trend of data mining. Key words：data mining，algorithm of data mining，neural network，decision tree，rough set，fuzzy set，research situation，development tendency 1引言随着信息技术的迅猛发展，许多行业如商业、企业、科研机构和政府部门等都积累了海量的、不同形式存储的数据资料[1]。这些海量数据中往往隐含着各种各样有用的信息，仅仅依靠数据库的查询检索机制和统计学方法很难获得这些信息，迫切需要能自动地、智能地将待处理的数据转化为有价值的信息，从而达到为决策服务的目的。在这种情况下，一个新的技术———数据挖掘(Data Mining，DM)技术应运而生[2]。数据挖掘是一个多学科领域，它融合了数据库技术、人工智能、机器学习、统计学、知识工程、信息检索等最新技术的研究成果，其应用非常广泛。只要是有分析价值的数据库，都可以利用数据挖掘工具来挖掘有用的信息。数据挖掘典型的应用领域包括市场、工业生产、金融、医学、科学研究、工程诊断等。本文主要介绍数据挖掘的主要算法及其各自的优缺点，并对国内外的研究现状及研究热点进行了详细的总结，最后指出其发展趋势及问题所在。江西理工大学

农产品区域品牌综述

农产品区域品牌研究综述田云章a，b （陕西理工学院a．汉水文化研究中心；b．管理学院，陕西汉中723001）摘要：通过选取2001－2011年国内学者关于农产品区域品牌的研究文献，进行综合、归纳、比较、分析后认为，近10年的研究主要集中在3个大的方面：一是农产品区域品牌的基本内涵与属性特征，主要涉及物质载体、外在表现、本质属性、经济特性和要求条件等；二是农产品区域品牌的生成机理与影响因素，涉及品牌价值成长、品牌生命周期和品牌运作过程，在农产品区域品牌的影响因素方面，学者们看法差异较大；三是农产品区域品牌的建设实践与实施策略。其中，实践研究包括针对中西部地区的农业大省（区）的宏观研究和针对一些具体的农产品区域品牌进行的微观研究；实施策略主要涉及到建设机制、发展模式、品牌命名、品牌传播与保护、品牌危机管理等研究主题。在研究评述中指出，今后应加强对基础性概念问题的研究，尽快建立农产品区域品牌理论框架，理论研究要面向实际应用。关键词：农业品牌；区域品牌；品牌建设中图分类号：F323．3；F207文献标识码：A文章编号：1003－188X（2013）08－0232－04 0引言《全国农业和农村经济发展第十二个五年规划》指出，“十二五”期间要把发展现代农业作为加快转变经济发展方式的重大任务。建设农产品区域品牌和推进农业品牌化经营是发展现代农业的重要举措之一。围绕农产品区域品牌的相关研究已有10年之久，取得了比较丰硕的成果，深化了人们对农产品区域品牌的认识。然而，现有文献还存在需要进一步完善的地方，只有持续地进行理论研究，对农产品区域品牌建设状况的认识才能更加深入，政策选择才会更为有效。为此，主要选取2001－2011年国内学者关于农产品区域品牌的研究文献进行综述，希望能加深对农产品区域品牌的认识和理解，从而推动后续的研究与实践。 1农产品区域品牌的基本内涵与属性特征 1．1基本内涵农产品区域品牌作为一个新兴起的研究领域，目前尚无相对统一的专业术语，国内学者对其称谓多种多样。例如，朱玉林、康文星和周发明称之为“农业区收稿日期：2012－08－16 基金项目：陕西省教育厅专项科研计划项目（11JK0139）；陕西（高校）哲学社会科学重点研究基地汉水文化研究中心计划项目（SLGH1217）作者简介：田云章（1977－），男，陕西洋县人，讲师，管理学硕士，（E－mail）tianyunzhang@163．com。域品牌”［1－2］；刘丽、周静和郑锦秋［3－5］等称之为“农产品区域品牌”；陈建光、霍彤和王旭称之为“农产品区位品牌”［6－7］；郭红生、韩国明和石晓东称之为“地域农产品品牌”［8－9］；崔茂森等还提出“高端农产品区域品牌”的概念。影响比较大的有浙江大学CARD农业品牌研究中心胡晓云等提出的“农产品区域公用品牌”概念，即特定区域内相关机构、企业和农户等所共有的，在生产地域范围、品种品质管理、品牌使用许可、品牌行销与传播等方面具有共同诉求与行动，以联合提高区域内外消费者的评价，使区域产品与区域形象共同发展的农产品品牌［10］。对农产品区域品牌的基本内涵的理解主要围绕两点展开：一是区域品牌的物质载体。由于区域品牌本身没有标明具体的物质载体，学者们大都从一般属性上理解区域品牌的载体，从而形成了3种不同的研究视角［11］：地理位置或行政区域视角、产品视角以及产业集群视角；而区域品牌也相应地被理解为“区域的品牌”“区域产品的品牌”“区域产业集群的品牌”。二是区域品牌的外在表现。菲利普．科特勒认为，品牌是一种名称、术语、标记、符合、设计，或是它的组合运用。国内学者们大多是从某一个方面对农产品区域品牌的外在形式进行描述，农产品区域品牌被认为是区域范围内农业企业（或家庭）所属品牌的商誉总和［2］、农业或农产品的整体形象［12］、有较大影响力的品牌标志［4］、一群农业生产经营者所用的公共品牌标志［8］、区域产品标识［13］。

3s集成

第1卷第1期 1997年2月遥　感　学　报 J OU RNAL OF REMO TE SENSIN G Vol 11,No 11 Feb 1,1997 　3该文得到国家科学基金重点项目支持1 收稿日期:1996年9月13日;收到修改稿日期:1996年10月28日论RS ,GPS 与GIS 集成的定义、理论与关键技术3 李　德　仁 (武汉测绘科技大学　武汉　430070) 摘　要　该文从什么是GPS 、RS 与GIS (简称三S )的集成开头,讨论三S 集成中需要研究和解决的一些理论与关键技术,最后介绍各种可能的集成应用系统。关键词　遥感,全球定位系统,地理信息系统,集成 1　GPS 、RS 与GIS 的集成空间定位系统(目前主要指GPS 全球定位系统)、遥感(RS )和地理信息系统(GIS )是目前对地观测系统中空间信息获取、存贮管理、更新、分析和应用的3大支撑技术(以下简称“3S ”),是现代社会持续发展、资源合理规划利用、城乡规划与管理、自然灾害动态监测与防治等的重要技术手段,也是地学研究走向定量化的科学方法之一。这3大技术有着各自独立、平行的发展成就:GPS 是以卫星为基础的无线电测时定位、导航系统,可为航空、航天、陆地、海洋等方面的用户提供不同精度的在线或离线的空间定位数据;RS 在过去的20年中已在大面积资源调查、环境监测等方面发挥了重要的作用。在未来5年之中还将会在空间分辨率、光谱分辨率和时间分辨率3个方面,全面出现新的突破; GIS 技术则被各行各业用于建立各种不同尺度的空间数据库和决策支持系统,向用户提供着多种形式的空间查询、空间分析和辅助规划决策的功能。随着“3S ”研究和应用的不断深入,科学家们和应用部门逐渐地认识到单独地运用其中的一种技术往往不能满足一些应用工程的需要。事实上,许多应用工程或应用项目需要综合地利用这3大技术的特长,方可形成和提供所需的对地观测、信息处理、分析模拟的能力。例如海湾战争中“3S ”技术的集成代表了现代战争的高技术特点,而且“3S ”技术的集成应用于工业、农业、交通运输、导航、捕鱼、公安、消防、保险、旅游等不同行业,将产生愈来愈大的市场价值。近几年来,国际上“3S ”的研究和应用开始向集成化(或综合化)方向发展。在这种集成应用中: GPS 主要被用于实时、快速地提供目标,包括各类传感器和运载平台(车、船、飞机、卫星等) 的空间位置; RS 用于实时地或准实时地提供目标及其环境的语义或非语义信息,发现地球表面上的各种变化, 及时地对GIS 进行数据更新;GIS 则是对多种来源的时空数据进行综合处理、集成管理、动态存取,作为新的集成系统的基础平台,并为智能化数据采集提供地学知识。集成是英语Integration 的中译文,它指的是一种有机的结合,在线的连接、实时的处理和系统的整体性。目前,由于对“集成”的含义理解不清, 似有“集成”泛滥化之势头。譬如说,对于已得到的航空航天遥感影象,到实地用GPS 接收机测定其空间位置(X 、Y 、Z ),然后通过遥感图象处理,将结果经数字化送入地理信息系统中,这同样使用了“3S ”技术,但它不是一种集成。它不符合上述的集成概念。一个较好的“3S ”技术集成系统的例子是美国俄亥俄州立大学、加拿大卡尔加里大学分别在政府基金会和工业部门资助下进行的集CCD 摄像机、GPS 、GIS 和惯性导航系统(INS )为一体的移动式测绘系统(Mobile Mapping System )。该系统将GPS/INS ,CCD 实时立体摄像系统和GIS 在线地装在汽车上。随着汽车的行驶,所有系统均在同一个时间脉冲控制下进行实时工作。由空间定位、导航系统自动测定CCD 摄象瞬间的象片外方位元素。据此和已摄得的数字影象,可实时/准实时地求出线路上目标(如两旁建筑物、道路标志等)的空间坐标,并随时送入GIS 中,而GIS 中已经存贮的道路网及数字地图信息,则可用来修正GPS 和CCD 成象中的系统偏差,和作为参照系统,以实时地发现公路

大数据时代的空间数据挖掘综述

第37卷第7期测绘与空间地理信息 GEOMATICS ＆SPATIAL INFOＲMATION TECHNOLOGY Vol．37，No．7收稿日期：2014－01－22 作者简介：马宏斌（1982－），男，甘肃天水人，作战环境学专业博士研究生，主要研究方向为地理空间信息服务。大数据时代的空间数据挖掘综述马宏斌1 ，王柯1，马团学 2（1．信息工程大学地理空间信息学院，河南郑州450000；2．空降兵研究所，湖北孝感432000）摘要：随着大数据时代的到来，数据挖掘技术再度受到人们关注。本文回顾了传统空间数据挖掘面临的问题，介绍了国内外研究中利用大数据处理工具和云计算技术，在空间数据的存储、管理和挖掘算法等方面的做法，并指出了该类研究存在的不足。最后，探讨了空间数据挖掘的发展趋势。关键词：大数据；空间数据挖掘；云计算中图分类号：P208 文献标识码：B 文章编号：1672－5867（2014）07－0019－04 Spatial Data Mining Big Data Era Ｒeview MA Hong －bin 1，WANG Ke 1，MA Tuan －xue 2 （1．Geospatial Information Institute ，Information Engineering University ，Zhengzhou 450000，China ； 2．Airborne Institute ，Xiaogan 432000，China ） Abstract ：In the era of Big Data ，more and more researchers begin to show interest in data mining techniques again．The paper review most unresolved problems left by traditional spatial data mining at first．And ，some progress made by researches using Big Data and Cloud Computing technology is introduced．Also ，their drawbacks are mentioned．Finally ，future trend of spatial data mining is dis-cussed． Key words ：big data ；spatial data mining ；cloud computing 0引言随着地理空间信息技术的飞速发展，获取数据的手段和途径都得到极大丰富，传感器的精度得到提高和时空覆盖范围得以扩大，数据量也随之激增。用于采集空间数据的可能是雷达、红外、光电、卫星、多光谱仪、数码相机、成像光谱仪、全站仪、天文望远镜、电视摄像、电子显微镜、CT 成像等各种宏观与微观传感器或设备，也可能是常规的野外测量、人口普查、土地资源调查、地图扫描、地图数字化、统计图表等空间数据获取手段，还可能是来自计算机、网络、GPS ，ＲS 和GIS 等技术应用和分析空间数据。特别是近些年来，个人使用的、携带的各种传感器（重力感应器、电子罗盘、三轴陀螺仪、光线距离感应器、温度传感器、红外线传感器等），具备定位功能电子设备的普及，如智能手机、平板电脑、可穿戴设备（GOOGLE GLASS 和智能手表等），使人们在日常生活中产生了大量具有位置信息的数据。随着志愿者地理信息（Volunteer Geographic Information ）的出现，使这些普通民众也加入到了提供数据者的行列。以上各种获取手段和途径的汇集，就使每天获取的数据增长量达到GB 级、 TB 级乃至PB 级。如中国遥感卫星地面站现在保存的对地观测卫星数据资料达260TB ，并以每年15TB 的数据量增长。比如2011年退役的Landsat5卫星在其29年的在轨工作期间，平均每年获取8．6万景影像，每天获取67GB 的观测数据。而2012年发射的资源三号（ZY3）卫星，每天的观测数据获取量可以达到10TB 以上。类似的传感器现在已经大量部署在卫星、飞机等飞行平台上，未来10年，全球天空、地空间部署的百万计传感器每天获取的观测数据将超过10PB 。这预示着一个时代的到来，那就是大数据时代。大数据具有 “4V ”特性，即数据体量大（Volume ）、数据来源和类型繁多（Variety ）、数据的真实性难以保证（Veracity ）、数据增加和变化的速度快（Velocity ）。对地观测的系统如图1所示。在这些数据中，与空间位置相关的数据占了绝大多数。传统的空间知识发现的科研模式在大数据情境下已经不再适用，原因是传统的科研模型不具有普适性且支持的数据量受限，受到数据传输、存储及时效性需求的制约等。为了从存储在分布方式、虚拟化的数据中心获取信息或知识，这就需要利用强有力的数据分析工具来将