關系數據庫范文第1篇
摘 要：為研究文山州甘薯種質資源現狀，試驗通過對從文山各地收集整理的32份甘薯種質資源，進行植物學特征和生物學特性、及抗逆性分析。將32份甘薯種資源整理歸并為7個品種，即勝南、滇紅5號、華北553、洋白、徐薯18、遺67-8和桂薯131等。結果表明，文山州甘薯種質資源匱乏，血緣關系單調，嚴重制約文山甘薯產業的發展。試驗結果為當地甘薯經濟跨越式發展提供有利依據，也為進一步選育適宜文山種植的優質甘薯新品種提供有利材料。
關鍵詞：甘薯 品種 植物學特征 生物學特性 抗逆性
甘薯（Ipomoea batatas Lam.）屬旋花科甘薯屬，起源于美州的秘魯、厄瓜多爾和墨西哥一帶，因其產量高、抗性強、耐貧瘠、適應性廣及營養豐富，是世界種植的主要塊根作物之一，也是重要的糧食、飼料和工業原料[1-2]。甘薯是21世紀解決糧食和能源問題的重要農作物之一，我國甘薯年種植面積約600萬hm2，約占世界甘薯種植面積的66 %，年產量約1.002億t，占世界甘薯總產的85 %，是世界上最大的甘薯生產國之一[3]。云南省甘薯種植面積83592 hm2，平均單產11564 kg/hm2，鮮薯總產量96755 t，僅次于馬鈴薯，是云南省第二大薯類農作物。
云南文山州甘薯種植歷史悠久，在全州8個縣的每個村寨均有種植，全州甘薯的種植面積19023 hm2，占全省種植面積的21.05 %。目前，還沒有對其甘薯種質資源進行詳細的調查與鑒定，研究旨在通過對全州各地收集來的32份甘薯材料進行鑒定和評價，通過植物學特征、生物學特性及抗逆性分析，對文山州地方甘薯品種資源進行整理歸納，進一步了解當地甘薯種質資源現狀，為文山甘薯新品種選育及甘薯產業發展提供有利依據。
1 材料與方法
1.1 供試材料及試驗地點
供試品種為文山州各地收集來的32份甘薯材料，其中白肉甘薯9份，黃肉甘薯17份，紫紅肉甘薯6份。
在2016年種植于文山州農業科學院試驗基地，海拔1260 m。試驗地為粘質壤土，0-20 cm土層的主要養分特征：PH值6.12，速效氮74.07 mg/kg，速效磷7.37 mg/kg，速效鉀131.67 mg/kg，有機質24.76 g/kg，全氮1.34 g/kg。
1.2 試驗方法
1.2.1 試驗設計
采用隨機區組設計，3次重復，凈作，4行區，每個試驗小區面積20 m2，栽插密度45000～55000株/hm2，5月中旬栽插，11月下旬收獲。根據高產管理措施[4]進行除草、治蟲、灌溉和排水等田間管理措施。
1.2.2 性狀測定和數據分析
收獲前10 d在第Ⅱ重復小區第2壟連續取樣5株，根據《甘薯種質資源描述規范和數據標準》[5]，分別對每個供試材料地上部植株性狀和地下部性狀進行鑒定比較，以及抗逆性分析，其中抗逆性包括耐貧瘠性、耐旱性、耐濕性、耐寒性和耐肥性。
收獲后，進行熟食味評價，其中熟食味評價分為好、中和差。采用常規烘干法，根據呂長文[6]等的方法計算每個品種的烘干率（%），測定薯干重量，即薯干重量=鮮薯產量×烘干率，根據王文質[7]等的干率計數法計算淀粉含量（%），即淀粉含量=烘干率×0.86945 -6.34587。
2 結果與分析
2.1 甘薯地方品種地上部植株性狀比較
甘薯地方品種地上部植株性狀比較分析結果表明見表1，不同品種的上部植株性狀差異較大，供試材料中，從株型看，匍匐較多，半直立和直立較少；從頂葉色和葉色看，綠色居多，紅色和紫色較少；葉形差異很大，其中以尖心形、心形、淺裂單缺刻、深裂復缺刻和淺裂復缺刻的為多；葉脈色、脈基色和柄基色主要有紫色、淡紫色、淡綠色和綠色；從莖色和莖粗看，綠色較多，褐色和紫色次之，主要集中在0.5～0.7 cm；從蔓長看，最長的品種是天蓬白薯，達203.4 cm，最短的是德厚黃心，達93.6 cm；基部分枝數最多的是馬尾白心，達13.5個，最少的是天保紅心有5.2個。
2.2 甘薯地方品種地下部性狀比較
甘薯地方品種地下部性狀比較分析結果表明見表2，供試材料中，不同品種的耐貯性、結薯情況、薯塊整齊度和美觀度差異較小，而其他地下部性狀差異較大，其中結薯習性早晚差異也很大；從薯皮和薯肉看，薯皮以紅、白、紫紅、淡紅和黃色為主，薯肉以黃、白、黃帶紅、杏黃較多，紫和紅較少；從薯形看，紡錘形多于圓筒形，其中紡錘形包括下紡錘形、短紡錘形、長紡錘形； 單株結薯數最多的是天保紫薯，達6.3個，最少的3.0個平壩紅心；大中薯率最高的是馬塘黃心，達89.5 %。
2.3 甘薯地方品種平均鮮薯產量和抗逆性比較
對甘薯地方品種平均鮮薯產量和抗逆性分析結果表明見表3、表4，供試材料中，全生育期主要集中在160～180 d之間，薯塊萌芽性和苗質都很優良，而發根還苗習性差異較大；從鮮薯產量看，最高的是古木黃心，達2082.9 kg/667m2，其次是秉烈黃心和德厚黃心，最低的是南撈白皮，也是唯一產量低于1000 kg/667m2的品種；淀粉含量和烘干率最高的是仁和白心，達21.9 %和32.5 %，最低的是馬塘黃心，分別是15.5 %和25.1 %；從抗逆性分析和抗病蟲害看，不同品種的抗病性、抗蟲性、熟食味及耐濕性差異較小，其他方面差異較大。
2.4 綜合比較分析
根據供試材料的植物學特征和生物學特性，并結合抗逆性分析對比得出：古木黃心、德厚黃心、秉烈黃心、南撈紅皮、天寶黃心、江那紅皮和興街紅皮等7個材料地上部性狀和地下部性狀相近，抗逆性相似，主體血緣關系為勝南；木廠紅皮、馬尾紅皮、漫銃紅皮、八布黃心薯和天蓬紅皮等5個材料地上部性狀和地下部性狀相近，抗逆性相似，主體血緣關系為滇紅5號；馬塘黃心、回龍黃心、仁和黃心、江那黃心薯和銃卡黃心等5個材料地上部性狀和地下部性狀相近，抗逆性相似，主體血緣關系為華北553；平壩白心、白沙心、南撈白皮、仁和白心、六河白薯、興街白心和天蓬白薯等7個材料地上部性狀和地下部性狀相近，抗逆性相似，主體血緣關系為洋白；馬尾白心和銃卡白心的地上部性狀和地下部性狀相近，抗逆性相似，主體血緣關系為徐薯18；平壩紅心、天保紅心和江那紅心的地上部性狀和地下部性狀相近，抗逆性相似，主體血緣關系為遺67-8；回龍紫薯、天保紫薯和天蓬紫心的地上部性狀和地下部性狀相近，抗逆性相似，主體血緣關系為桂薯131。
3 結論與討論
對文山州甘薯種植資源的研究能進一步認識當地甘薯產業發展現狀，為提升甘薯產業的經濟效益提供有利依據。本實驗表明，文山州農業科學院從文山各地收集到的32份甘薯材料，通過植物學特征和生物學特性，并結合抗逆性分析，將32份甘薯種資源整理歸并為7個品種，即勝南、滇紅5號、華北553、洋白、徐薯18、遺67-8和桂薯131等。
勝南、華北553和滇紅5號屬于黃肉甘薯。勝南是四川省農科院從南瑞苕×勝利百號雜交后代中選育而成，該品種葉片中等，生長旺盛，結薯集中，大薯塊多，產量穩定，是一個具有生產潛力的食用加工兼用型高產品種。滇紅5號是云南省農科院從越南引進的脫毒試管苗，經過單株選育而成，植株生長旺盛，產量穩定，耐旱性和耐瘠薄能力強，在文山州種植廣泛的食用型優質品種。華北553是原華北農科所從勝利百號放任授粉的雜交后代中選育而成，該品種短蔓，生長旺盛，結薯早，膨大快，生產潛力大，是一個營養豐富，生食脆甜而多汁的食用型高產品種。
洋白和徐薯18屬于白肉甘薯。洋白是從越南引進的白心甘薯，食用口感好，耐貧瘠，在文山州種植廣泛，但產量偏低，種質退化嚴重。徐薯18是徐州農科院從新大紫×華北52-45的回交實生后代中選育而成，該品種葉片中等，生長旺盛，大薯率高，產量穩定，是一個具有生產潛力的加工型高產品種。
遺67-8屬于紅肉甘薯，是中國科學院遺傳研究所從蓬尾×早熟紅雜交后代中選育而成，該品種植株疏散，葉片中等，薯塊萌芽性好，抗逆性強的食用型優質品種。桂薯131屬于紫肉甘薯，是廣西農科院選育的品種，薯形非常美觀，商品率高達95%以上，適宜作優質食用型品種進行推廣種植。
溫度、光照、降水量和土質等環境因素對甘薯生長具有重要影響[8]。文山州橫臥云南省東南角，地勢多樣，即有海拔2991.2 m的薄竹山峰，也有海拔107 m的邊境口岸天保鎮，州內大多地區為海拔1000-1800 m山地，年平均降雨量800-1900 mm，平均氣溫15.9-19.3 ℃，獨特的生態環境造就了豐富多彩的甘薯地方品種資源，為甘薯產業的發展提供了良好環境條件。本實驗表明，文山州甘薯種質資源匱乏，血緣關系單調，缺少最基本的自然誘變性，同時文山州甘薯產業存在品種（系）單一、平均單產低和種質退化等問題，嚴重制約甘薯經濟發展，嚴重打擊薯農的種薯的積極性。隨著農村經濟的發展和人們對甘薯的營養價值、保健功能和加工增效優勢的認識提高，全州廣大農村已將甘薯產業作為一項重要富民工程，為解決這一矛盾，應加強優質新品種推廣力度，把更多更好的專用型甘薯新品種引入文山州，包括加工型甘薯、食用型甘薯、營養型甘薯等等，同時加強自主選育甘薯新品種力度，選育出適宜當地種植的優質、高產、高效、高抗的各類專用型甘薯新品種，從而為甘薯產業的跨越式發展，為提高人民的生活水平作出貢獻。
參考文獻
[1] 海梅榮，郭華春，周華芬，等.葉片老化對甘薯品種光合特性與產量的影響[J].云南農業大學學報，2008，23（4）：447-451.
[2] 時曉東，劉良勇，李云萍，等.紫色甘薯色素分別的多樣性[J].西南師范大學學報，2011，36（3）：166-171.
[3] 王菲，陳怡，冉烈，等.肥料組合對甘薯和品質的影響[J].西南大學學報，2012，34（10）：25-29.
[4] 唐忠厚，李強，李洪民，等.紫甘薯主要品質性狀基因型與環境效應研究[J].中國糧油學報，2010，25（9）：32-35.
[5] 張允剛，房伯平.主要種質資源描述規范和數據標準[M].中國農業出版社，2006：75-79.
[6] 呂長文，王季春，唐道彬，等.甘薯塊根碳水化合物合成與積累動態特性研究[J].中國糧油學報，2011，26（2）：23-27.
[7] 王文質，以凡，杜述榮，等.甘薯淀粉含量換算公式及換算表[J]. 作物學報， 1989，15（1）：94-96.
[8] 易九紅，張超凡，劉愛玉，等.甘薯生長與環境、栽培因素及內源激素的關系[J]. 作物研究，2012，26（6）：719-724.
關系數據庫范文第2篇
摘要：客戶關系管理在企業管理決策中起到了關鍵作用，而數據挖掘技術為客戶關系管理的實施提供了良好的技術支持。在對數據挖掘技術于客戶關系管理中的價值和應用范疇進行分析，將數據挖掘應用于客戶流失分析，進而從這些信息中挖掘出客戶偏好的商品組合、消費習性或流失客戶特征。
關鍵詞：數據挖掘；客戶關系管理；模型
The Application of Data Mining in Customer Relationship Management
GUO Feng, QIN Huilin
(School of Information ,Beijing Wuzi University, Beijing 101149,China)[GK2!2]
Customer Relationship Management(CRM) performs a key function in corporate management and decision-making.Data Mining(DM) offers sometechnical skills to Customer Relationship Management. This paper analyses the value and the applied range of DM in CRM,clarifying customer loss to recount the process of the DM.
面對激烈的市場競爭，客戶價值越來越多地影響了企業價值，客戶資源也成為各企業爭奪的最重要戰略資源之一。因此，了解客戶需求，辨析最具利潤貢獻率的客戶，已成為現代大多數企業經營的驅動力?？蛻絷P系管理（Customer Relationship Management，CRM），恰是一種以客戶為中心的經營策略，它以信息技術為手段，對工作流程進行重組，整合發揮企業資源優勢，賦予企業更完善的客戶交流能力，最大化客戶收益率。
一、數據挖掘技術
企業需要盡可能多地了解客戶行為，但隨著客戶數量的大量累積，客戶信息的日趨復雜，如何管理和分析這些客戶信息，從中找出對企業管理決策有價值的知識，就需要有更先進的技術和工具支持。而數據挖掘（Data Mining）技術為CRM分析大量復雜客戶數據，挖掘客戶價值提供了良好的技術支持。數據挖掘可從大量數據中抽取出潛在的、有價值的知識、模型、規則，是發現潛在關聯、模式，做出預測性分析的有效工具。
二、CRM中數據挖掘的價值
CRM通過搜集、累積大量市場及客戶資料，為企業建立起龐大的數據倉庫，數據挖掘的關鍵所在正是從海量數據中區分出真正有價值的信息并找出其間的關聯。
每個企業都期望通過采用一定工具和手段快速并準確辨析出企業最重要、最有價值的客戶信息。數據挖掘技術從裝有海量數據的數據倉庫中經過深層分析，尋找隱藏在數據中的信息，發掘出有利于商業運作、提高競爭力的信息或知識；它能幫助企業管理客戶生命周期的各階段，包括爭取新客戶，讓已有客戶創造更多利潤、保持住有價值的客戶等；它能對客戶需求做深入分析，滿足企業對個體細分市場的客戶關系管理需求，幫助企業確定客戶特點，使企業通過為客戶提供有針對性服務而增加商機。
對企業而言，在CRM中應用數據挖掘有助于發現業務發展趨勢，揭示已知事實，預測未知結果，并幫助企業分析出完成任務所需的關鍵因素，從而使企業增加收入、降低成本，處于更有利的競爭地位。
三、CRM中數據挖掘的應用范疇
數據挖掘通過對客戶信息的自動篩選，從大量相關客戶數據中挖掘出隱含的、未知的、對企業決策有潛在價值的知識和規則，幫助企業找出未被發現的新機會，預測在商業中制勝的策略，快速做出決策。其以下方面的應用尤為突出。[HJ1.5mm]
客戶特征分析：除客戶地址、性別、年齡、職業、收入、教育等基本信息外，獲取諸如愛好、婚姻、配偶、健康、家庭環境等特征信息，可更詳盡地了解客戶，發現其行為規律，進而更好地制定客戶策略，提高市場活動響應率。通過對大量客戶消費行為信息采用分類、聚類等挖掘方法，按客戶年齡、性別、收入、交易行為特征等屬性細分為具有不同需求和交易習慣的群體，從而得出客戶最關注點，有針對性制定個性化營銷策略。
客戶忠誠度分析：通過客戶行為分析歸類出高消費客戶群、最穩定客戶群、有價值的潛在客戶群、有更多消費需求客戶群等，從而做出客戶持久性及穩定性分析，對客戶需求能快速響應，使客戶獲得高度個性化服務。據統計，企業獲得新客戶成本遠比保持老客戶高得多，盡管各行業成本差異不同，但無論什么行業，6~8倍以上的差距是業界公認的；同時，根據80/20（20%的客戶貢獻80%銷售額）的營銷原則，對高消費及高忠誠度客戶，更應采取策略培養其忠誠度。
營銷交叉分析：企業掌握的客戶先前消費信息中，可能正包含著決定該客戶下一消費行為的關鍵、甚至決定因素，利用數據挖掘技術去發現隱藏在數據間的表面看似獨立事件間的關系，從而幫助企業找到影響其消費行為的因素，有針對性展開營銷策略，適時推薦其它產品。如關聯規則分析能發現客戶傾向于關聯購買哪些產品；聚類分析能發現對特定產品感興趣的用戶群；神經網絡、回歸等方法能預測客戶購買該新產品的可能性。
客戶獲取和流失分析：企業的增長壯大需不斷維持老客戶并獲取新客戶，通過分類、聚類、決策樹等技術挖掘大量客戶信息，識別出潛在的可開發客戶群，判斷具備哪些特性的客戶群最易流失，并建立客戶流失預測模型，較準確地找出易流失客戶群，幫助企業制定方案，對其提前采取相應營銷措施，最大程度地保持住老客戶。
跟蹤評價：通過數據倉庫的數據清潔與集中過程，將客戶反饋信息自動輸入數據倉庫中，實現客戶行為跟蹤，分析出客戶滿意度、信用等級等，從而評價及優化現行策略。如對不同信用等級客戶采取不同賒銷方案，這既保持了客戶忠誠度又規避了不必要風險。通過跟蹤評價可保證企業客戶關系管理達到既定目標，建立良好客戶關系。
四、客戶流失分析
商業企業通常通過交易記錄、抽獎、會員制等活動來記載銷售信息和客戶資料，進而從這些信息中挖掘出客戶偏好的商品組合、消費習性，或是找出流失客戶特征。下面以商業企業客戶流失分析為例來說明CRM中數據挖掘的過程。
（一）數據選擇
選取目標變量：即客戶流失狀態。通過分析具體問題，選擇一個或多個已知量的組合作為目標變量。對于因消費特征改變而發生的流失，需要對相關具體問題加以考慮：是收入改變？偏好改變？還是購物環境要求改變？
選取輸入自變量：輸入自變量分靜態數據和動態數據。靜態數據是諸如客戶基本資料（性別、婚姻狀況、職業、居住區等）等不常變化的數據；動態數據是諸如月消費金額、消費特征等頻繁或定期改變的數據。輸入自變量與目標變量有內在聯系，但卻無法量化表示，這為數據挖掘提供了可發揮的空間。若一時無法確定某種數據是否與客戶流失概率有關聯，可暫時將其選入模型，在后續步驟考察各變量分布情況和相關性時再行取舍。
選取建模數據：客戶流失方式分為客戶自然消亡（因遷址而導致客戶不再存在；或因客戶服務升級，如普通客戶升級為貴賓造成特定服務的目標客戶消失）和客戶轉移到競爭對手兩種。后者流失是商家真正關心且具挽留價值的客戶，選擇建模數據時必須選擇后者流失客戶數據參與建模。
（二）數據規約
數據規約是建模前的數據準備工作，一方面保證建模數據的正確性和有效性，另一方面通過對數據格式和內容的調整，使數據更符合建模需要。主要工作包括對數據的轉換、整合、抽樣、隨機化、缺失值處理等。如按比例抽取未流失客戶和已流失客戶，將這兩類數據合并，構成建模的數據源。模型建立后需大量數據來進行檢驗，故把樣本數據分為用于建模和用于模型檢驗及修正兩部分。
（三）模型建立
建模前利用數據挖掘工具的相關性比較功能，找出每一輸入自變量和客戶流失概率的相關性，刪除相關性較小的變量，從而降低模型復雜度，縮短建模周期?，F有數據挖掘工具很多，如神經網絡、回歸、決策樹、關聯、聚類等，可使用其中的多種方法預先建立多個模型，再對這些模型進行優劣比較，選出最適合客戶流失分析的建模方法，建模過程中可使用多種近似算法來簡化模型優化過程。模型建立后的調整是數據挖掘過程的核心部分，通常由數據分析專家完成。不同商業問題和不同數據分布屬性會影響模型建立與調整策略，因此需業務專家參與調整策略的制定，以避免不適當優化造成業務信息的丟失。
（四）模型評價與解釋
為得到準確結果，可利用未參與建模的數據進行模型評估。檢驗的方法是使用模型對已知客戶狀態的數據進行預測，將預測值與實際客戶狀態作比較，預測正確率最高的模型是最優模型。通過對模型做出合理的業務解釋，可找出一些潛在規律來指導商家行為；反過來，通過業務解釋也能證明數學模型的合理性和有效性。
（五）模型應用
可先選擇一試點實施應用，試點期間隨時注意模型應用的收益情況。若發生異常偏差，則停止應用，修正模型。試點結束后，若模型被證明應用良好，可考慮大范圍推廣。推廣時要注意地區差異，不能完全照搬模型。經濟環境發生重大變化或模型應用一段時期后，模型偏差可能會增大，這時可考慮重新建立一更具適用性的模型。
通過客戶流失模型對客戶流失情況的監控，若流失可能性過高，可采用促銷等手段來提高客戶忠誠度，防止客戶流失的發生，從而徹底改變以往商家在成功獲得客戶后無法監控客戶流失、無法有效實現客戶關懷的狀況。
五、結束語
數據挖掘作為CRM的前提和基礎，不再僅局限于客戶接觸層面的客戶關系管理，已深入到客戶的消費行為和消費喜好，從更加深入全面的角度洞察客戶、理解客戶價值。采用了數據挖掘技術的CRM系統，在目前競爭日益激烈的知識經濟環境和電子商務經濟模式下，已成為現代企業在激烈市場競爭中生存和制勝的關鍵。在CRM中有效利用數據挖掘，可不斷促進企業單個客戶價值提升和客戶規模的擴大，可指導企業高層決策者制定出最優的企業營銷策略、降低運營成本、加速企業發展，有效推動企業價值和實力的不斷攀升。
參考文獻:
[1] 朱美珍.以數據挖掘提升客戶關系管理[J].技術與創新管理,2006(4).
[2] 王紅霞,陳根才.零售業CRM中的數據挖掘技術[J].計算機與數字工程,2006(1).
[3] 龍志勇.數據挖掘在電信行業關系管理的應用[J].信息網絡,2003(12).
（責任編輯：櫻紫）
關系數據庫范文第3篇
2、“互聯網+大數據”背景下高職院校會計專業人才培養模式改革探討
3、人工智能時代會計人員面臨的機會和挑戰
4、大數據時代會計信息使用者需求變化分析
5、淺析大數據時代事業單位會計管理面臨的問題及對策
6、IASB概念框架下數據資產準則研究
7、基于大數據時代企業財務會計向管理會計轉型研究
8、大數據時代管理會計職業能力建設探討
9、互聯網信息時代會計信息系統整合探析
10、基于大數據的通信企業管理會計體系應用研究
11、大數據背景下的云會計研究
12、大數據背景下完善石油企業的財務管理工作策略
13、CEO和董事會的社會關系與會計穩健性研究
14、會計信息化標準體系的演變過程及發展趨勢
15、基于神經元反饋系統的管理會計系統構建
16、集中核算、平臺變革與會計輸入前端重塑
17、人工智能和大數據對會計學科發展的影響
18、大數據時代管理會計信息系統在項目管理中的應用
19、基于財務云平臺的收支管理內部控制優化研究
20、大數據對會計的挑戰及其應對策略試析
21、職業能力導向下的高職大數據與會計專業教學改革研究
22、數據挖掘技術對會計的影響及應對
23、大數據時代基于云會計的審計實施框架構建
24、淺議大數據時代企業管理會計發展趨勢
25、基于插件并支持多數據源的會計信息系統設計
26、管理會計中非財務數據價值挖掘研究
27、大數據時代會計人員職業道德問題探討
28、市場競爭、大股東掏空與薪酬粘性
29、大數據背景下中職學?！皶嬰娝慊闭n程教學創新研究
30、大數據時代對會計和審計的影響
31、會計核算軟件數據接口標準適應性探討
32、數據資產會計確認與要素市場化配置
33、舊金山灣區政產學研協同創新對粵港澳大灣區的啟示
34、財務智能可視化分析與文獻綜述
35、上市公司大股東與經營者合謀生成與治理分析
36、米與鹽的時代 (下)
37、大數據時代基于云會計的生產制造企業成本控制
38、大數據時代基于云會計的集團企業全面預算管理
39、大數據時代基于云會計的信息生態系統研究
40、大數據技術對會計工作的影響
41、大數據時代管理會計信息的應用探討
42、名為帝國的記憶（上）
43、大數據背景下云會計應用問題研究
44、大數據時代對管理會計的影響
45、大數據對會計的挑戰及其應對
46、大數據背景下企業財務會計向管理會計轉型分析
47、股票股利與股權結構關系研究
48、大股東—管理者合謀影響因素的理論分析
49、探究大數據時代財務會計向管理會計轉型
關系數據庫范文第4篇
一、淺談云計算
(一) 發展狀況
在web2.0時代, 每個人不僅是信息的接收者, 也是信息的產生者。大量的互聯網數據的產生, 造成數據的急劇增長, 由此大數據時代到來, 為了處理大數據, 云計算得到了重視。“云計算”概念和理論是由Google提出的, 是谷歌的一種網絡應用模式。近些年來, 各大企業以及國家紛紛建立自己的云計算中心, 通過不斷創新, 促進了云計算技術的繁榮發展。
(二) 定義
云計算是一種新型的商業計算方式, 把計算任務分布在大量以計算機組成的資源池上, 讓不同種應用系統按其需求來獲取存儲空間、服務和計算能力。也可以說云計算是通過網絡依靠需求提供動態增減的一種廉價計算服務。
(三) 優勢
云計算是虛擬化、網絡存儲、將軟件作為服務SaaS、將平臺作為服務PaaS和將基礎設施作為服務IaaS等相關領域概念混合并進一步發展的結果。云計算具有虛擬化、規模龐大、高可靠性、動態增減、通用性、按需服務和低成本的特點。
二、何為虛擬化
(一) 發展狀況
虛擬化技術最早源于大型機, 在20世紀60年代, IBM就首先實現了虛擬化, 作為對其大型機進行邏輯分區以形成若干獨立虛擬機的一種技術。但在20世紀80年代, 由于分布式計算的興起, 虛擬化技術就被人們所棄用。近些年來, 隨著大數據時代到來, 云計算技術興起, 虛擬化作為云計算的主要支撐技術之一, 得到了極大重視。
(二) 定義
虛擬化是對資源的邏輯抽象、重新分配、彼此分隔和管理的一個過程。虛擬化的定義至今都沒有統一的標準, 但都包括以下幾個方面: (1) 虛擬化的對象是物理資源; (2) 虛擬出的物理資源都有著統一的邏輯表示, 這種邏輯表示能夠提供給用戶與被虛擬的物理資源大部分相同的功能; (3) 通過一系列虛擬化, 使得資源不受物理資源的限制, 由此可以提高資源的利用率。
(三) 優勢
虛擬化的優勢體現在以下幾個方面: (1) 能解決不同種類服務器之間的兼容性問題; (2) 可以提高IT設備的利用率; (3) 能在一個具體的軟硬件環境下模擬出另一個不同的軟硬件環境; (4) 可以節約潛在的成本, 如機房用地、電力花費、機房溫度控制。
三、云計算與虛擬化之互為補充
云計算包含了許多核心技術理念, 其中虛擬化是云計算的基礎, 是云計算技術得以實現的最重要技術。通過虛擬化技術可以將各種軟硬件資源進行虛擬化, 并歸入云計算管理平臺進行使用和管理。這樣一來這些由IT能力轉換的邏輯資源可以通過網絡像水、電一樣提供給用戶, 以此來實現云計算的最終目標。虛擬化技術是云計算技術的重要組成部分, 作為將各種IT基礎設施資源充分整合和高效利用的關鍵。從虛擬化的本質上出發, 它的目的就是對技術資料的最充分利用。虛擬化是云計算系統中最重要的支撐技術之一, 虛擬化將數據和應用程序以不同方式展現, 有助于使用者、開發以及維護人員方便使用、開發和維護這些數據和程序。一旦使用云計算來運行業務, 通過簡化管理過程和提高利用率來降低成本, 就能夠為虛擬化平臺帶來不少效益。云計算與虛擬化是緊密聯系的, 但虛擬化對于云計算來說是可有可無的。云計算把各種IT資源以服務的方式向廣大用戶提供, 相反虛擬化自身卻不能為用戶提供服務。沒有本身服務層, 就不能提供計算服務。云計算系統就準許各終端用戶自己提供其應用程序、服務器以及包含虛擬化在內的其他資源, 這反過來又能為企業提供便利, 但這仍需企業為用戶提供虛擬機。云計算解決方案通過使用虛擬化技術使得IT資源的部署更加方便靈活, 反過來虛擬化方案中也可以引進云計算技術, 為互聯網用戶提供按需使用的服務和IT資源。在一些特殊業務中, 虛擬化和云計算是不可分割的, 只有兩項技術共同應用, 才能使服務順利進行。
四、云計算中應用的核心虛擬化技術
(一) CPU虛擬化
CPU虛擬化是把物理CPU抽象為邏輯上的CPU, 以此來負載使用計算能力。VMware提供的CPU虛擬化技術是將多個操作系統同時運行在一臺物理服務器上。通過整合服務器來高效利用CPU, 可以給企業以及用戶帶來極大效益。多個服務器同時運用, 都以為獨占CPU, 其實是它們在共享CPU, 這是CPU虛擬化與其他虛擬化形式不同的地方。
(二) 存儲虛擬化
存儲虛擬化可以使用不同種存儲設備來為大規模的設備建立虛擬化鏡像, 這可以為企業提供超大的存儲空間, 提高系統整體的可靠性, 使企業對數據的存儲更加方便靈活。許多公司在收集、整理和分析數據的時候, 通過云計算的存儲虛擬化技術可以同時使多位用戶訪問相同的物理空間, 這是一種更加高效的存儲方式。
五、總結
在大數據時代背景下, 數據即是商機, 如何挖掘有用信息, 其中云計算與虛擬化技術必不可少。在這樣的背景下, 云計算與虛擬化技術引起了全世界企業的關注, 未來將會吸引更多的企業加入其中。把握好兩者之間的關系, 合理運用兩者實現優勢互補, 才能在未來的商業戰場上贏得一席之地。
摘要：作為“大數據時代”的關鍵技術, 云計算與虛擬化已成為當今信息科技領域最受關注的技術。但是仍然有大部分人對云計算和虛擬化的概念理解不清楚, 以為虛擬化就是云計算。本文通過對云計算和虛擬化的發展狀況以及內容的詳細闡述, 引出兩者之間的關系:虛擬化技術是云計算的重要組成成分, 云計算為虛擬化技術提供用武之地, 兩者互為補充, 密切相關, 協同發展。
關鍵詞：大數據,云計算,虛擬化,關系
參考文獻
[1] 熊潔.虛擬化技術在云計算中的應用[J].電腦編程技巧與維護, 2016 (01) :53-54.
關系數據庫范文第5篇
目前對于短道速滑起跑道次和名次的關系缺乏相關的研究, 僅存的研究也收數據量的限制, 統計結果缺乏科學性和, 為了更加系統的分析, 本文通過采集國際滑聯短道速滑成績網站從2006/2007賽季至今的數據并進行分析, 明確了男子、女子各種距離的比賽的道次和最終名次之間的聯系。
一、分析方法
本文采用SPEARMAN方法分析從2006賽季開始至今10個賽季的100場比賽其中包括60場世界杯比賽, 10場歐洲杯比賽, 2場冬奧會, 1場青少年冬奧會, 6場世界冠軍賽等。本文使用500米, 1000米和1500米的各輪次 (包括初賽、預賽、1/4賽、半決賽和決賽) 各個分組起跑道次數據和最終名次數據。500米和1000米的道次被標注為 (1到4) , 1500米的道次被標注為 (1到6) , 其中第1道為最內道, 第5道和第6道在起跑線后。500米和1000米的第5道、1500米的第7道發生的概率較小, 勝率也較低, 將其排除。所有的比賽均在室內111.12m冰場上進行, 犯規和中途退賽的數據被排除在統計數據之外。名次數據按500米和1000米 (1到4) , 1500米 (1到6) 分別統計。起跑道次和名次數據的相關系統通過SPEARMAN秩相關系數進行分析, 通過相關系數的大小決定其相關性的強弱。其中0.0到0.2表示弱相關, 0.2到0.5表明是中等強度相關, >0.5表明為強相關, 所有的分析都應用PYTHON的科學計算 (SCIPY) 進行分析, 其顯著性水平設置為P<0.05。
SPEARMAN秩相關, 是指假設兩個隨機變量分別為X、Y (也可以看做兩個集合) , 它們的元素個數均為N, 兩個隨機變量取的第i (1<=i<=N) 個值分別用Xi、Yi表示。對X、Y進行排序 (同時為升序或降序) , 得到兩個元素排行集合x、y, 其中元素xi、yi分別為Xi在X中的排行以及Yi在Y中的排行。將集合x、y中的元素對應相減得到一個排行差分集合d, 其中di=xi-yi, 1<=i<=N。隨機變量X、Y之間的斯皮爾曼等級相關系數可以由x、y或者d計算得到, 其計算方式如下所示[4]:
若X、Y集合中具有相同的等級系數, 則用以下公式:
二、分析結果
根據對上萬條數據的采集和分析證明, 短道速滑比賽道次和名次之間的關系隨比賽項目的距離增加而逐漸減弱, 在女子500M比賽中, 隨著比賽的深入、輪次的增加, 道次和比賽名次的相關性逐漸增強, 在所有性別的短距離比賽中除去初賽、女子預賽外, 其余輪次中道次均與名次擁有強相關度 (ρ>0.5) , 當比賽距離逐漸增加后, 各輪次的道次與名次相關性逐步遞減, 在1500米的各輪比賽中, 起跑道次均與比賽名次呈弱相關態勢。
注:0.00-0.20弱相關, 0.20-0.50中等強度正相關, >0.50表示強相關
為了驗證比賽道次對比賽結果的影響, 我們分析了在各單項比賽中, 在各輪次中各個道次的勝率, 其中500M預賽中第1道的勝率為54% (667組比賽, 361次獲勝) , 1/4決賽中第1道勝率為67% (387組比賽, 262次勝出) , 半決賽第1道勝率為72% (198組比賽, 143次勝出) , 決賽第1道勝率為77% (86場比賽, 67次勝出) ;在1000米比賽中初賽第1道獲勝概率為26% (1688場比賽, 450次勝出) , 決賽中第1道的獲勝概率為435 (415場比賽, 181次勝出) ;而在1500米比賽中, 預賽第1道的勝率為18% (1509組比賽, 272次勝出) , 決賽第1道的勝率為28% (405組比賽, 117次勝出) 。這些研究結果表明, 在短道速滑比賽中, 道次越靠前, 名次就越靠前, 在500米、1000米、1500米比賽中, 第1道次的獲的第1名的次數要遠遠高于其余道次, 距離越短, 這種優勢越明顯。
以上數據表明, 在不同距離的比賽中應該采用不同的比賽策略, 在500米比賽中, 選手應該在各輪次比賽中起跑時全力爭取領先位置, 控制比賽節奏, 爭取在下一個輪次中取得更好的起跑位置以期擁有更多獲得冠軍的優勢。而在中、長距離的比賽中, 運動員應該采取跟滑的策略, 在比賽過程中跟住對手, 保存體能, 在比賽最后階段利用體能優勢完成加速或者超越, 這種比賽策略不僅僅局限于應用于短道速滑比賽, 在其他的比賽如跑步和速滑中也有廣泛的應用。研究表明 (Rundell, 1996) , 在使用相同速度進行滑行時, 尾隨能夠保持較低的心率和乳酸濃度, 這樣的原因在于尾隨滑行能夠減少16～23%的空氣阻力[5]。
另外, 本次分析也發現, 隨著比賽輪次的深入, 起跑道次與比賽結果的相關系數逐步增加, 這一現象的根本原因在于短道速滑的賽制和編排規則決定的, 隨著輪次的增加, 比賽人數逐漸減少, 上一輪次的優勝者在排道次的時候具有站位優勢, 同時這樣的運動員擁有較強的能力。另外一種解釋是隨著比賽輪次的增加, 對于比賽的競爭更加的激烈, 在初賽等輪次, 運動員會考慮保存體力去應付更多的輪次, 隨著比賽的深入, 競爭者的實力越來越強, 運動員只有在獲得晉級下一輪的資格后才會考慮節省體力。決賽中, 運動員更是全力以赴的爭取獲得冠軍, 所以道次優勢會被更加積極的利用, 以爭取獲得勝利。
三、結論
綜上所述, 通過對10個賽季的短道速滑賽季的84563條數據進行分析, 在短道速滑500米比賽中運動員起跑道次與比賽最終名次有著強相關性, 隨著比賽距離的增加相關性逐漸減弱。運動員應根據比賽的距離制定比賽的策略, 確保爭取比賽的勝利。
摘要：在短道速滑比賽中, 每輪比賽都是激烈的運動員與運動員的競爭, 每輪比賽的名次比每輪比賽所用的時間更能直觀的影響比賽的結果和進程。針對每輪比賽制定相應的比賽策略, 將最終影響比賽的結果。本文通過分析從2006/2007賽季開始至今的所有國際滑聯比賽數據 (包括世界杯, 奧運會和歐錦賽等) , 共100場比賽, 上千個單項比賽分輪次分組比賽共84563條成績數據, 應用SPEARMAN方法分析短道速滑起跑道次和最終名次的數據, 確定道次和名次的相關系數。為短道速滑各單項比賽的策略制定起到一定的參考作用。
關鍵詞：比賽分析,相關系數,SPEARMAN方法
參考文獻
[1] 杜凱.短道速滑戰術方法及表現形式探索[J].產業與科技論壇, 2016, 15 (22) :57-58.
[2] 張海洋.對短道速滑與速度滑冰的研究分析[J].科技資訊, 2009 (28) :239.
[3] 胡武, 趙濱杰.短道速滑比賽戰術的運用[J].冰雪運動, 2007, 29 (1) :23-24.
[4] 王開軍, 黃添強.基于趨勢秩的Spearman相關方法[J].福建師范大學學報 (自然科學版) , 2010, 26 (1) :38-41.
[5] 朱佳濱.短道速度滑冰戰術理論體系的構建及其應用[D].北京:北京體育大學, 2008.
[6] 劉仁輝.對速度滑冰, 短道速滑, 冬季兩項, 越野滑雪四個項目訓練特點的分析[A].中國體育科學學會、青海省體育局.第二屆中國多巴高原訓練與健康國際研討會論文摘要集[C].中國體育科學學會、青海省體育局:, 2011:1.
[7] 謝向陽.數據挖掘在體育數據分析中的研究與應用[J].當代體育科技, 2013, 3 (23) :9-10.
[8] 漆小紅, 孟媛媛.競技體育大數據思維變革與分析[J].體育科技文獻通報, 2016, 24 (7) :151-152.
[9] 李克敏, 萇慶輝, 崔凱峰.體育創業研究的知識圖譜分析:基于1991—2015年的數據[J].天津體育學院學報, 2016, 31 (3) :185-190.