计算机专业认知实习报告y5dgswfl.docx

计算机专业认知实习报告 学号：10104060213 姓名：凌红康 专业班级：计科102 学院：电子信息学院 2010年6月 相对于结构化数据而言,不方便用数据库二维逻辑表来表现的数据即称为非结构化数据,包括所有格式的办公文档、文本、图片、XML、HTML、各类报表、图像和音频/视频信息等等。字段可根据需要扩充，即字段数目不定，可称为半结构化数据，例如Exchange存储的数据。 在信息社会，信息可以划分为两大类。一类信息能够用数据或统一的结构加以表示，我们称之为结构化数据，如数字、符号；而另一类信息无法用数字或统一的结构表示，如文本、图像、声音、网页等，我们称之为非结构化数据。结构化数据属于非结构化数据，是非结构化数据的特例。 随着网络技术的发展，特别是Internet和Intranet技术的飞快发展，使得非结构化数据的数量日趋增大。这时，主要用于管理结构化数据的关系 数据库的局限性暴露地越来越明显。因而，数据库技术相应地进入了“后关系数据库时代”，发展进入基于网络应用的非结构化数据库时代。所谓非结构化数据库， 是指数据库的变长纪录由若干不可重复和可重复的字段组成，而每个字段又可由若干不可重复和可重复的子字段组成。 在这次的实习里，我们主要学习半结构化数据的建模技术，即XML。我们学习了： XML的介绍：认识的表示语言，XML的特色和它的应用； XML的基础知识：如XML是一种数据描述技术； XML的相关技术：如XSL和CSS； XML的数据源对象； XML的文档对象模型：有DOM技术。 数据挖掘(Data Mining)旨在从大量的、不完全的、有噪声的、模糊的、随机的数据中, 提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识。还有很多和这一术语相近似的术语,如从数据库中发现知识(KDD)、数据分析、数据融合(Data Fusion)以及决策支持等。 数据挖掘的任务主要是关联分析、聚类分析、分类、预测、时序模式和偏差分析等。1. 关联分析(association analysis)：两个或两个以上变量的取值之间存在的规律性称为关联。数据关联是数据库中存在的一类重要的、可被发现的知识。2. 聚类分析(clustering)：聚类是把数据按照相似性归纳成若干类别，同一类中的数据彼此相似，不同类中的数据相异。3. 分类(classification)：分类就是找出一个类别的概念描述，它代表了这类数据的整体信息，即该类的内涵描述，并用这种描述来构造模型，一般用规则或决策树模式表示。分类是利用训练数据集通过一定的算法而求得分类规则。分类可被用于规则描述和预测。4. 预测(predication)：预测是利用历史数据找出变化规律，建立模型，并由此模型对未来数据的种类及特征进行预测。5. 时序模式(time-series pattern)：时序模式是指通过时间序列搜索出的重复发生概率较高的模式。与回归一样，它也是用己知的数据预测未来的值，但这些数据的区别是变量所处时间的不同。6. 偏差分析(deviation)：在偏差中包括很多有用的知识，数据库中的数据存在很多异常情况，发现数据库中数据存在的异常情况是非常重要的。偏差检验的基本方法就是寻找观察结果与参照之间的差别。数据挖掘常的基本技术：1. 统计学。2. 聚类分析和模式识别：聚类分析主要是根据事物的特征对其进行聚类或分类，即所谓物以类聚，以期从中发现规律和典型模式。近些年来模糊聚类和神经网络聚类方法也有了长足的发展。3. 决策树分类技术。4. 人工神经网络和遗传基因算法。5. 规则归纳。6. 可视化技术。数据挖掘的过程可以分为6个步骤（1)??理解业务。（2)??理解数据。（3)??准备数据。（4)??建模。（5)?模型评估。（6)?模型部署。 本次学习数据挖掘主要学习了：1.数据挖掘的发展简述：数据的丰富与知识的贫乏，从数据到知识和数据挖掘的产生。2.数据挖掘的基本知识：数据挖掘的定义，数据挖掘的深入。3.数据挖掘的功能：概念描述：定性与对比，关联分析，分类与预测，聚类分析，异类分析及演化分析。4.数据预处理。5.关联挖掘：关联规则挖掘和单维布尔联规则挖掘。 空间数据库的概述与总结：这次学习了1.空间数据库的概述：空间数据库的重要性空间数据库的组成，空间数据库管理系统的实现。2.数据库的特点：数据库的复杂性，数据库处理的多样性及大量的数据。3,空间数据库的设计：空间数据库设计过程，空间数据库的数据模型设计，空间数据库设计的原则、步骤、技术方法。4.空间数据库库的实现与维护：空间数据库的实现，相关的其他设计如安全性，完整性等，空间数据库的运行与维护。5.数据库的数据模型：GIS数据库及其管理：基于关系型数据库和文件系统的管理方法，