简介：炎炎夏日做什么？外出游玩不如在家玩游戏，下面笔者给大家介绍一个风格比较可爱的策略VS益智游戏——图腾轰炸者，它非常适合大家在休闲娱乐时玩一下。游戏角色是大家都知道的部落图腾，游戏中每一关都有不同的过关方式，有的需要你用大树喷出的石头或炸弹，有时候你要用到轰炸机投弹，

简介：

简介：

简介：正当JBoss准备推出4.0版之际，发生在JBoss创始人MarcFleury和其前首席设计师RickardOberg之间的睚眦似有引爆的征兆。JBoss能有今天的成就，正如文中所言：“若没有0berg的加盟，JBoss的架构一定不会是今天的样子；而如果不是Fleury,JBoss项目甚至不可能存在。”

简介：借鉴成本敏感模型,综合考虑攻击和响应以及攻击目标等各方面的因素,提出基于最小代价响应决策算法,并对攻击和响应相关的因素进行了量化,与基于分类的响应决策算法相比,该算法具有更高的有效性、成功率和扩展性。

简介：国庆闲暇之余，笔者在网络上面瞎逛，从百度http：／／zhi—daobaidu．com／question／187639757html中看到如下问题。电脑中所有文件夹都成空，应用程序图标也不在了。每个盘里都有个文件夹，文件夹名为“您电脑中存储了未经我公司许可的软件，所以您的电脑中文件已经加密而且已隐藏，请您尽快联系zydaw@yahoo．com.cn获取解决办法!”

简介：今年第6期杂志的专题《会打字就会建网站》文中帮助很多菜鸟朋友建起了专业的网站，当上了站长。可建站容易管理难，如何才能对网站进行有效管理，尤其是对来访的网友进行精确统计、分析是一件非常重要的事情。为解决这个问题，今天就再次向大家介绍如何给网站添加一个访问统计管理工具，以便方便有效的对网站进行管理。

简介：又一位图灵奖得主去世了,他是受人尊敬的时序逻辑领域大师艾米尔·伯努利（AmirPnueli）。今年11月2日,这位1996年度图灵奖得主因脑出血去世,享年68岁,只剩那些熠熠生辉的科技成就留给后人。

简介：在软件行业中，五年就像是一个地质时代。五年前，Microsoft宣布了自己的Micorsoft．NETFramework计划。从那以后，DataSet（数据集）才开始作为关键对象出现在基于．NET的应用程序中，执行多种数据相关的任务。也是五年前，DataSet被誉为ADO记录集（Recordset）的威力增强版。那么在．NETFramework出现之前，您是如何设计数据访问层（DAL，DataAccessLayer）的呢？我想您一定是以ADO和它全能的Recordset对象——断开的、且可进行XML序列化的——为中心构建数据访问层。

简介：管理资讯系统(ManagementInformationSys-tem)是信息技术、信息化日益发展中而产生的现代企业经营管理技术。它由贯通企业内外和网络企业各个阶层作业的管理系统(ManagementSystem)、沟通系统(CommunicationSystem)和电脑系统(ComputerSystem)复合组成。管理资讯系统的主要功能是:

简介：本文作者从实际应用出发，对现存数据挖掘决策树分类方法进行了研究，并应用到系统当中，实现了决策支持模块。关键词数掘挖掘；决策树算法；改进；实现中图分类号TP301.6文献标识码A文章编号1007-9599(2010)04-0000-02DataMiningDecisionTreeImprovement&ImplementationXiaYan,ZhouXiaohong,WangDong（ChangchunTechnologyCollege,Changchun130033,China）AbstractTheauthorstudiedonexistingDataMiningdecisiontreeclassificationmethodbasedonthepracticalapplication,andappliedtothesystem,achievedadecisionsupportmodule.KeywordsDataMining;Decisiontreealgorithm;Improve;Achieve随着数据库技术的不断发展及数据库管理系统的广泛应用，数据库中存储的数据量急剧增大，在大量的数据背后隐藏着许多重要的信息，如果能把这些信息从数据库中抽取出来，将会产生重要的作用。因此，数据挖掘涉及的学科领域逐渐扩大，数据挖掘的方法也在不断地改进和提高。分类在数据挖掘中是一项非常重要的任务，分类算法可以分为决策树分类算法、遗传算法、神经网络方法、K-最近邻分类算法等。这里，以疾病防控与儿童免疫管理系统中决策支持子系统的开发过程为例，对决策树分类算法的改进及在实际中的应用进行阐述。一、数据选取和数据预处理在本系统中，以预防接种中遇到异常反应后记录的“异常反应调查表”中的数据为例进行说明。具体实现过程详细说明首先输入训练集，由于在真实的SQLServer数据库当中，为了降低存储要求和减少存储时间，并非真正存储每个数据项的属性值，而是用存储数字来对应相应的意义，如在数据库的数据表中，“性别”字段中“1”代表“男”、“2”代表“女”，反应到程序页面时再映射回原来的值，为了说理清晰又限于篇幅，这里只将所有数据集中有代表性的十几组数据作为分类模型创建的输入训练集。表1判断是否需要计划外加强免疫的属性表儿童编号月龄出生状态常住地上次注射后反应是否需要计划外加强免疫0405102<=2正常产城市无不良反应否0405495<=2正常产农村无不良反应否0401342>5正常产城市无不良反应是04054352…5正常产城市轻度反应是04065342…5非正常产城市重度反应是04072342…5非正常产农村重度反应否0401544>5非正常产农村重度反应是0408519<=2正常产城市轻度反应否0404566<=2非正常产城市重度反应是04035472…5非正常产城市轻度反应是0401534<=2非正常产农村轻度反应是0405856>5正常产农村轻度反应是0409533>5非正常产城市无不良反应是04053442…5正常产农村轻度反应否二、生成决策树对训练集的每一个属性，计算其信息增益。以“月龄”属性为例，每个结点中的正反例的个数分别为［2，3］、3，2、4，0，分别计算如下info2，3==0.971；info3，2==0.971；info4，0=0；计算信息熵E(月龄)＝＝0.693；计算该属性的信息增益量，选取信息增益最大的属性为节点，按该属性的值划分数据集合Gain(月龄)=Info(9，5)-E(月龄)=0.940-0.693=0.247；同理，对“注射反应”属性、“出生状态”属性、“常住地”属性都可计算每个结点的正反例的个数（由于篇幅有限，不作计算）。通过对各属性信息增益的计算结果，选择“月龄”属性作为根节点，然后划分“月龄<=2”的所有可能性。计算当“月龄<=2”时，“注射反应”、“出生状态”、“常住地”的信息增益值Gain(注射反应)=Info(2，3)-E(注射反应)=0.971-0.4=0.571；Gain(出生状态)=Info(2，3)-E(出生状态)=0.971-0=0.971；Gain(常住地)=Info(2，3)-E(常住地)=0.972-0.951=0.020；同理考虑“月龄>5”的情况，由于“月龄>5”时，各个节点都是纯节点，所以不再划分。三、产生决策规则遍历决策树，输出叶结点类属性值，用IF—THEN形式表达为IF(月龄2…5AND注射反应=无)THEN(类别＝是)IF(月龄2…5AND注射反应=轻)THEN(类别＝是)IF(月龄2…5AND注射反应=重AND出生状态＝正常产)THEN(类别＝是)IF(月龄2…5AND注射反应=重AND出生状态＝非正常产AND常住地=城市)THEN(类别＝否)IF(月龄2…5AND注射反应=重AND出生状态＝非正常产AND常住地=农村)THEN(类别＝是)……依此类推，共可产生十三条规则。四、决策支持子系统的分析用上述基于决策树的分类算法所得到的模型生成的规则来预测测试集中的未知数据属于哪一类，并通过该模型的测试结果与实际情况相吻合的准确率来判断该决策树是否有效。首先，用整个数据集中2/3的数据作为训练集按照基于决策树的分类算法来建立模型，生成一棵决策树。然后，用余下的1/3的数据作为测试集，通过创建的模型进行预测，并将预测结果和实际值进行比较。如果准确率达到或超过事先确定的阈值，则可以认定该模型对于数据分类是有效的，能够在实际中应用；反之，则认定该模型的分类效果不好，需要按以上步骤来重新判断，直到分类准确率达到预定的阈值为止。在本系统中，经过测试预测准确率已达到87%，在可以接受的范围内，所以算法是有效、可行的。参考文献1陈文伟,黄金才.数据仓库与数据挖掘.人民邮电出版社,20042王万森.人工智能原理及应用.电子工业出版社,20003范明,孟小峰.数据挖掘——概念与技术.机械工业出版社,2001作者简介夏琰（1980-），女，吉林长春人。长春职业技术学院信息技术分院，教师，讲师，硕士，研究方向为计算机应用。

简介：QQ盗号的问题可谓老生常谈，但仍然有很多人关注。大多数的QQ盗取方法是键盘记录．此外还有少部分是费时费力的暴力破解（其猜解时间不是一般人所能容忍的）。QQ终结者却能另辟道路．完全不采用键盘记录的原理，只要QQ在线就能获取其密码，当然，前提是对方运行了你“秘制”的篡个木马文件。先下载相关软件工具包（http：//bbs.duze.net/temp/qq01.tar）

简介：对于Linux的成功，人们往往会归功于天才LinusTorvalds的奇思妙想和别具一格的项目管理方法。但是除了Linus之外，还有一位在开源领域内享有盛誉的高手对Linux开发的管理也至关重要，他就是AlanCox。

简介：成像质量和清晰度由于手机相机的便携性以及优质的成像,用户用手机相机替换数码相机已成为趋势,因此手机上的相机变得十分重要,并成为用户选购手机最优先考虑的功能之一。StrategyAnalytics用户体验战略(UXS)服务近期发布的调研结果探索了重度手机相机使用者的行为、动机和偏好。基

简介：上海集装箱码头有限公司(简称SCT，网址)是由上海港集装箱股份有限公司与香港和记黄埔上海港口投资有限公司共同投资组建的，是全国交通系统第一家合资企业。现拥有宝山、张华浜、军工路3个国际集装箱专用码头，其集装箱吞吐量在2000年即已达295万标准箱，比上年增长13．7％。为了适应不断扩大的业务需求，

简介：现在SQL注入可谓风行至极，不过随着很多网站管理员安全意识的提高，越来越多的网站已经不欢迎注入攻击了。其实注入的根本目的还是获得网站后台的数据库，从而得到管理员密码。如果跳出注入这个狭小的圈子，换一种方法，你会得到更大的惊喜！

简介：当云掠过SaaS的上空时,会刮风？会下雨？还是相安无事？对于云计算和SaaS的争议,向来存有两种说法,一种是两者相辅相成,另一种则是二者相互独立。而在八百客软件创始人李智的眼里,云和SaaS,这一切都融合在800App这个产品中。

简介：在现代民主的政治范畴中，群众参与公共决策的制定已经成为群众的一项基本权力，同时也是实现政治民主，决策科学的重要体现。随着网络信息的不断发展信息通信技术正在电子政务迅速发展的前提下不断对自身的发展进行改革，传统的电子政务参与方式已经不能满足人民日益增长的需求。信息现代化与传统的公共决策方式进行比较，使群众在参与公共决策上打破了原有条件在时间以及空间等方面的束缚，大大提升了群众参与的积极性，同时也提升了参与的效果，并且极大的满足了群众参与公共决策的希望。在电子政务环境不断完善下，群众利用电子平台参与到政府的决策中，并且与制定者进行互动交流。充分的表达自身的意见与诉求，逐渐发展成为一种政治现象。分析电子政务环境下群众参与公共决策的方式，对于实现决策民主化，提升公共决策质量，提高政府信誉有着重要的现实意义。

简介：本文首先讨论了数据挖掘技术，给出了一种企业决策系统。并就决策系统的构成、流程和采用的数据挖掘技术进行了探讨。关键词数据挖掘；数据仓库；企业决策系统中图分类号N37文献标识码A文章编号1007-9599(2010)04-0000-01ResearchofDataMiningTechnologyinBusinessDecision-makingSystemShiDongsheng(InnerMongoliaUniversity,Information&EngineeringTechnologyCollege,InnerMongolia,Baotou014010,China)AbstractThispaperdiscussesdataminingtechnology,presentsabusinessdecisionsystem.Decision-makingsystemoncomposition,processanduseofdataminingtechniquesarediscussed.KeywordsDatamining;Datawarehouse;Businessdecision-makingsystem随着计算机管理信息系统的飞速发展和广泛应用，企业生产经营的自动化水平不断提高，大大提高了工作效率。但企业业务系统运行所产生的大量原始数据是企业生产经营活动的真实记录，不能为本企业加以有效的统计、分析及评估，无法将这些数据转换成企业有用的信息、为企业战略决策提供参考和支持。数据挖掘正是在这样的应用需求环境下产生并迅速发展起来的，它的出现为智能地把海量数据转化为有用的信息和知识提供了新的思路和手段，设计开发基于数据挖掘的企业决策系统是合理解决这一问题，提升企业综合竞争力的最佳对策。一、数据挖掘技术数据挖掘，是指从大量的、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、人们不知道的、但又是潜在有用的信息和知识的过程。它是数据库研究中的一个新领域，融合了数据库、人工智能、机器学习、统计学等多个领域的理论和技术，把人们对数据的应用从低层次的查询，提升到从数据中挖掘知识，提供决策支持的层级。数据挖掘一般由数据准备、挖掘操作、结果表达和解释三个主要阶段组成。在数据准备阶段应集成多个运作数据源中的数据，解决语义模糊性、处理遗漏数据、清洗脏数据。挖掘阶段是一个假设产生、合成、修正和验证传播的过程，也是上述三个阶段的核心。结果表达和解释阶段根据最终用户的决策目的把提取的有用信息正确地表达出来。数据挖掘的方法和技术可大致划分为三类统计分析、知识发现、可视化技术等。统计分析用于检查异常形式的数据，然后利用统计模型和数学模型来解释这些数据，统计分析方法是目前最成熟的数据挖掘工具。而知识发现则着眼于发现大量数据记录中潜在的有用信息或新的知识，属于所谓“发现驱动”的数据挖掘技术途经。知识发现常用的方法有人工神经网络、决策树、遗传算法、模糊计算或模糊推理等。数据质量、可视化数据的能力、极大数据库尺寸、数据挖掘者的技能、数据的粒度都是影响知识发现方法的重要因素。可视化技术则采用直观的图形方式将信息模式、数据的关联或趋势呈现给决策者，决策者可以通过可视化技术交互式地分析数据关系。二、基于数据挖掘的企业决策系统数据挖掘面对的是经初步加工的数据，使得数据挖掘更专注于知识的发现；而数据仓库用于完成数据的收集、集成、存储、管理等工作，两者必须有机结合起来使用。基于数据挖掘的企业决策系统主要由数据库、数据仓库、数据仓库管理模块、知识库、知识发现模块、数据挖掘工具、人机交互模块构成（如下图所示）。系统的输入主要源于经过初步处理的数据库数据以及存储在知识库中的历史知识和经验；数据仓库管理模块用于数据仓库的建立以及数据的筛选操作；知识发现模块控制并管理知识发现过程，它将数据的输入和知识库中的信息用于驱动数据选择过程、知识发现引擎过程和发现的评价过程；人机交互模块通过自然语言处理和语义查询在用户和系统之间提供相互联系的集成界面。数据挖掘工具用于完成实际决策问题所需的各种查询检索工具、多维数据的联机分析分析工具等，以实现决策支持系统的各种要求。数据挖掘主要提供了以下几种模式（一）分类模式根据数据的值从树根开始搜索，沿着数据满足的分支往上走，直到树叶确定类别。（二）回归模式回归模式与分类模式相似，区别在于分类模式的预测值是离散的，而回归模式的预测值是连续的。（三）时间序列模式根据数据随时间变化的趋势预测将来的值。只有充分考虑时间因素，利用现有数据随时间变化的一系列的值，才能更好地预测将来的值。（四）聚类模式把数据划分到不同的组，组之间的差别尽可能大，组内的差别尽可能小，进行聚类前并不知道将要划分成几个组和什么样的组。（五）关联模式利用数据项之间的关联规则。（刘）和概念描述和比较操作把具有共同性的数据做汇总操作，从而得到一个具有一般性的规则描述。在实际应用中，可以根据具体情况采用不同模式组合，达到最优化的数据挖掘方式。在用户使用该系统时，首先需要通过分析决策需求，描述和表示决策的问题，确定数据来源，即可建立数据仓库；其次针对所要发现的任务的所属类别，设计或选择上述有效的数据挖掘算法并加以实现，从平凡的历史数据中提出综合数据，独立存储为库文件，作为更高一层数据挖掘对象；同时测试以评价所发现的知识，对知识进行一致性、效用性处理。最后根据最终用户的要求，建立适用于决策支持的数据仓库的集成界面和应用程序，使用户能在决策支持中运用所发现的知识。对于该系统的执行，每个步骤包含了循环和反复，可以对发现的知识不断求精、深化，并使其易于理解。三、结论总之，数据挖掘技术可以使其应用者由原来通过定期的、固定的报表进行定性的分析而上升到实时的、动态的各种形式的图表进行定量的分析，从而可以敏感地发现市场的微小变化并迅速做出反应，为企业在激烈的市场竞争中立于不败之地提供了强有力的工具。参考文献1范明,孟小峰.anjiawei，etal.数据挖掘概念与技术M.北京机械工业出版社,20072李捷.基于数据仓库和数据挖掘的企业决策支持系统研究J.科技经济市场,2006,73范丽霞,张雪兰.利用数据仓库和数据挖掘实现电信决策支持系统J.计算机与现代化,2005,8

简介：如今,移动互联网遍布我们生活的各个角落,人们在日常工作、学习、生活中,越来越离不开移动互联网,学校的校园网建设也由有线网建设向无线网建设转变。由于学校无线网安全性要求高的特点,研究高学校无线网络安全架构成为校园网络建设的重要方面。