尤曦-CSDN博客

翻译数据库应用-对半结构化数据的声明性访问(Deklarativer Zugriff auf semistrukturierte Daten)-1

题外补充：deklarativ(declarative) 一直不是很清楚deklarativ是什么意思，所以在这里补充一下： deklarativ中文是声明的意思。他与process相对应。他关注的问题是was(what)而不是wie(how)。也就是说一个deklarativ过程(Deklarative Vorgehensweise)是对预期结果的属性的一个描述，而不是对为获得预期结果的方法的

2016-02-25 15:41:54 1055

翻译数据库应用-后缀树及后缀数组(Suffix-Bäume&Suffix-Arraz)-2

McCreight-Algorithmus在O(n)时间内构造后缀树基本思想在ST中插入suffisuff_i时，以下内容可以起到帮助作用： 1.v是ST中从根节点到叶节点i-1的一个内部节点，那么path-label(v)=ca就是suffisuff_i的前缀。(其中c是单个字符，a是一个字符串并且a可能为空) 2.因为v是一个内部节点，故存在其他后缀suffjsuff_j(j < i-1)拥

2016-02-25 15:39:07 945

翻译数据库应用-后缀树及后缀数组(Suffix-Bäume&Suffix-Arraz)-1

字符串以及后缀-一些定义字符串规定以$结尾，也就是说一个n个字符长的字符串s有，s[n]=$ |s| = n 表示字符串s的长度 s[i]表示s中第i个字符，其中i=1,2,…,|s| s[i…j]表示字符串s的从第i为起始到第j位结束的子字符串这样就可以定义后缀了： suff1:=ssuff_1:=s suffi:=s[i]s[i+1]...s[s],i=2,..,|s|−1suf

2016-02-25 15:37:19 1062

翻译数据库应用-半结构化数据访问-2

XQuery:FLWR-expressionSyntax: for var1 in expression1,...,varn in expressionnlet varn+1:=expressionn+1,...,varn+m:=ausdruckn+mwhere condition expressionorder by expression ascending/descendingreturn x

2016-02-25 15:34:42 628

翻译数据库应用-半结构化数据模型1

本文结构主要由两部分组成： 1.描述合法的数据库状态(比如使用的是什么类型的Schema？关系型的？还是NF2^2的？等等？？) 2.通过使用的操作(Operator)描述合法的状态转化(Zustandsübergänge)导论数据库状态基本思想：数据模型=合法数据库状态的集合 (Datentype=Menge zulässiger Zustände) 类型(Typ)：指拥有相同数学结构

2016-02-25 15:33:18 1349

翻译数据库应用-半结构化数据模型(Semistrukturierte Datenmodelle)2

OEM(Object Exchange Model)OEM中有两种类型：原子类型(Atomare Typen): string 混合类型(Polymorphe Typen): Obj ::= || sel: Typ|| Set ::= {Obj} 其中： Typ 是原子类型或Obj Object：Selector(Attribute)//(Sammlung atomarer oder

2016-02-25 15:30:56 722

翻译数据库应用-XML数据存储(XML Speicherung)-2

STORED使用RDMSRDMS即关系型数据库管理系统。目的：目的是为了通过使用RDMS来管理半结构化数据上一节已经了解基本的从XML文档，生成对应的关系视图集(因为一个XML文档，可能生成多个表不是吗)的方法。下面我们要学习的是，如何使生成的表能够更好的反映文档的结构。inlining(Mengenwertigkeit)RDBMS中存在管理集的标准的技术(∃\exists Standa

2016-02-25 15:29:05 551

翻译大型数据库分析-关联式规则(Associaton-Rules)-2

带有约束条件的Association Rules(Association Rules in Gegenwart von Constraint)就是字面意思，这回不要求找出全部的frequent itemsets了，而是要求找出满足特定要求的(Constraint)的frequent itemsets。除此之外，我们还希望通过加入限定条件能够缩短我们的搜索时间。举个例子，对于购物车分析，我们可以加上额

2016-02-25 15:25:56 855

翻译数据库应用-XML数据存储(Speicherung von XML Daten)-1

动机用关系模型描述XML数据 //感觉有点像是先把XML文件先变换成对应的树结构，然后再在关系表中逐条路径进行描述(感觉就是对XML文件的数据路径的描述)。每个内部阶段出现的次数，为以其位根的子树的叶子数。但如果这样看得化，其实也可以不用像这样，感觉有点像链的方式进行排列，直接逐层往下写也是可以的。这是一个XML文档具体化的(关系的)视图的例子(Beispiel für (relational

2016-02-25 15:24:17 1107

翻译数据库E-commerce管理

本节主要目的1.复习 2.区分视图和物理存储 3.物理设计的替换基本概念schema-Evolution:在数据库还处于工作状态良好的情况下，修改数据库的Schemas Sparsity:关系表中得信息很稀疏，即含有大量的NULL值E-Commerce数据存储中常见的问题1.属性过多 2.sparsity，NULL值使数据虚胖 3.schema-Evolution经常发生 4.访问数据库

2016-02-25 15:21:09 690

翻译 R Sprache

先看一下R能干什么df <- mtcars?mtcarsnames(df)head(df)nrow(df)summary(df)hist(df$hp)plot(df$hp,df$qsec)cor(df$hp,df$qsec)cor(df$cyl,df$qsec)df$hpPerCyl <- df$hp/df$cyldf[order(df$hpPerCyl),]head(df[order

2016-02-25 15:14:28 302

翻译 Formale System-BDD

Shannon FormelShannon Formel是一个三元操作(Operator) sh(A,B,C) valI(sh(P1,P2,P3))={valI(P2)valI(P3)fallsfallsvalI(P1)=FvalI(P1)=Tval_I(sh(P_1,P_2,P_3))= \begin{cases}val_I(P_2)&falls &val_I(P_1)=F\\val_I(

2016-02-25 15:13:39 631

翻译 Formal System-谓词逻辑范式(Prädikatenlogik Normalformen)

几个知识普及 q已知P是一元谓词符号，c，d为常量，x，y，z为变量，那么下面正确的是： 1.P(c)⊨∀xP(x)2.∀xP(x)⊨p(c)3.∀x∃yA⊨∃y∀xA4.∃x∀yA⊨∀y∃xA5.⊨∀x∃yA→∃y∀xA6.⊨∃x∀yA→∀y∃xA1.P(c) \vDash \forall x P(x)\\2.\forall xP(x) \vDash p(c)\\3.\forall x\e

2016-02-25 15:09:47 1384

翻译 Formal System-谓词逻辑的归结原理(Prädikatenlogik-Resolutionskalkül)

一些应该注意的基本概念Literal：指原子Formel或者是非得原子Formel Klausel：是Literal的有限集空Klausel(leer Klausel)：用{}表示这里的Klausel集合都会用KNF的形式表示没有存在量词，也就是说这个谓词逻辑归结原理的处理对象只限于Skolem范式。 //这点很重要哦！！！！另外注意一下这种表示方法：已知L是一个Lite

2016-02-25 15:05:33 1037

翻译 Formal System-相继式演算(Sequenz)

同样是用于解决不可实现问题(unerfüllbarkeit)，不同于Tabeau适用于纯手写和resolution的自动化。这个方法介于两者之间。他需要手动选择具体的操作方法，然后又电脑实现具体的方法。另外这个方法是由Tebleau方法转变过来的，所以估计思路是差不多的。定义Sequenz是一对用下面方式表示的有限的公式(Formel)集： Γ⇒Δ\Gamma \Rightarrow \De

2016-02-25 15:03:54 2455 7

翻译 Evaluation

Training and Testing引言Classification的一般过程如下： 1.选择一个Classifier(Modell) 2.根据已有信息对这个Classifier进行训练 3.把Classifier使用与对新的数据的预测与数据库中一般如下：目标：根据前n个属性，对第n+1个属性进行推测训练数据是已有的n+1个属性的数据经典的方法比如有建立决策树(Entsch

2016-02-25 15:01:28 1059

翻译机器学习-贝叶斯学习(BayesLernen)

大纲1.动机 2.贝叶斯理论 3.MAP-/ML假设 4.优化的贝叶斯分类器 5.幼稚的贝叶斯分类器 6.例子 7.贝叶斯网络 8.EM算法 9.总结动机什么是贝叶斯学习他是一种统计学习方法，他具有以下的特点： 1.结合已有的信息(前验概率)和观察到的信息 2.通过贝叶斯可以获得对应观察的假设，以及这个假设成立对应的概率 (Hypothesen können mit einer

2016-02-01 08:04:01 2995 1

翻译机器学习-神经元网络

比较人脑和电脑主要应用领域1.分类和模式识别诊断，声音识别，文字识别 2.回归/拟合 3.模型完善(Mustervervollständigung) 。。。Perceptron基本思想模仿现实生活中动物的感知和反应原理图中左边为从眼睛捕捉到事物到形成反应方案的过程。右边为对这个过程的模仿。建立一个Perceptron 其中W为权值，o为输出X为输入向量， Perceptron的

2016-01-31 14:05:00 3347 1

翻译机械学习-深度学习(ReinforcementLernen)

纲要1.问题设置：MDP(Markov decision process) 2.学习目标：reward(maximale Bewertung) 3.PL中对应的问题的维度//?? 4.策略学习(Policy learning)RL的学习目标(Lernziel RL)就是通过寻找一个动作序列a1,...ana_1,...a_n，使得最终可以得到最高的评价。 (Finde eine Aktion

2016-01-29 20:58:26 1987 1

翻译大型数据库分析-关联式规则(Associaton-Rules)-1

引言目的：是找到所有的关联式规则(Association-Rules)，而不是检测一个关联式规则是否存在。下面会讲到的内容： 1.Association-Rules的基本概念 2.Apriori-Algorithmus 3.优化Apriori 4.FP-trees 5.Finden häufiger Muster in Zeitreihen//暂时不知是干嘛用得 6.有约束条件的As

2016-01-21 03:45:49 1422

翻译机器学习-隐马尔可夫模型(Hidden Markov Modelle)

看到这里发现前面看过的已经全部忘记了，好大的一种做死的感觉啊。不知为什么自从开始写这个以来，随着书写数量的增加，产生了越来越多的不满。总之就是很不爽啊。大纲动机离散的马尔可夫过程隐马尔可夫模型三个基本的问题对应的策略实际例子：跳定了动机现实世界中获得的信息有可能是受干扰的同时也可能含有非确定性的信息使用信息的概率模型，比如马尔可夫模型，可以很好的完成以下任务 //已弄不清楚前后有

2016-01-21 03:41:20 1691

翻译机器学习-贝叶斯学习(BayesLernen)-II

贝叶斯网络动机NB的条件(非条件关联)对于大多数情况来说都是太过严苛了。但是如果没有这些假设在很多情况下贝叶斯学习将难以进行(需要的训练集太大) 贝叶斯网络可以用来描述变量的子集以及变量之间的条件关联和非条件关联 (Erlauben somit die Kombination von a priori Wissen über bedingte (Un-)Abhängigkeiten von

2016-01-21 03:39:22 746

翻译机器学习-支持向量机

基础知识监督学习简单的说监督学习就是在已知一定数量的训练集(就是输入输出对)(x1→,y1)...(xn→,yn)∈X∗Y(\overset{\rightarrow}{x_1},y_1)...(\overset{\rightarrow}{x_n},y_n) \in X * Y的基础上通过建立一个概率系统P(x⃗ ,y\overset{\rightarrow}{x},y)，实现对新的输入能够进行有效的

2016-01-17 20:20:36 627 1

翻译机器学习-决策树(Entscheidungsbäume)

决策树基础知识树的构成： 1.每一个内部节点代表一个属性测试 2.每个分支对应特定的属性值 3.每个叶子节点对应一个分类树的描述：对于树通常可以用一个析取范式表示，每一个klausel对应着树上从跟到叶子节点的一条路径比如： (Vorhersage=sonnig∧Luftfeuchtigkeit=normal)∨(Vorhersage=bedeckt)∨(Vorhersage=r

2016-01-17 20:16:57 1586 3

翻译机器学习-非监督学习(Unüberwachte Lernverfahren)+大型数据库：Clustering-2

概念聚类(Clustering mit kategorischen Attributen)我们至今为止看到的聚类的方法都只适用于对应的属性值是数字的情况，但是当属性不是数字时，我们又该怎么做呢？？？比如购物车分析时，对应的属性值的类型就是布尔型的，他对应的值域是{true, false}。而一般的情况下属性对应的值域是一个有限值的集合。比较经典聚类和概念聚类在经典聚类中： 1.相识性取决于数值的相

2016-01-17 20:10:53 673

翻译机器学习-非监督学习(Unüberwachte Lernverfahren)+大型数据库：Clustering-1

把数据库分析的Clustering加到这里来吧-为完成哦内容一览1.动机 2.k-means聚类(经典聚类) 3.多级聚类 4.COBWEB(Begriffliche Balungen)和概念聚类 5.前景动机动机1.训练集的收集和分类相当费力 2.另外训练时那么多量要计算也是相当麻烦的 (Engineering z.B:Merkmalsberechnung der Daten kann

2016-01-15 07:33:02 2893

翻译 Formal System-谓词逻辑范式(Prädikatenlogik Normalformen)

几个知识普及已知P是一元谓词符号，c，d为常量，x，y，z为变量，那么下面正确的是： 1.P(c)⊨∀xP(x)2.∀xP(x)⊨p(c)3.∀x∃yA⊨∃y∀xA4.∃x∀yA⊨∀y∃xA5.⊨∀x∃yA→∃y∀xA6.⊨∃x∀yA→∀y∃xA1.P(c) \vDash \forall x P(x)\\2.\forall xP(x) \vDash p(c)\\3.\forall x\e

2015-12-14 16:38:00 1282

翻译 Formal System-表达逻辑归结原理(Aussagenlogik-Resolutionskalkül)

常见的表达逻辑推演方式1.Hilbert 一般用不到，用来推定理不错 2.Resolution 适合自动化 3.Tableau 与上相反适合用于证明 4.sequenzen 和3相似表达逻辑的归结原理(Der aussagenlogische Resolutionkalkül)特征： 1.他属于反演推导//即取反找矛盾 2.使用的条件是：所有的Formel都用KNF表达 3.

2015-12-14 16:34:54 1392

翻译 Formal System-Hilbert计算(Hilberkalkül)

Hilbert人物介绍：全名David Hilbert(1862-1943),德国人。就这么多了。。。Hilbet计算(Hilbertkalkül)已知x为变量，t为term，α,β,γ\alpha,\beta,\gamma是Formel 为了方便我们只介绍使用¬,→,∀\lnot,\rightarrow,\forall操作的情况//其他的子集变形？？？（前面是名字） Abschwäch

2015-12-14 16:31:36 544

翻译 Formal sys-pradicate syntax

基础知识逻辑符号(Logische Zeichen)首先是在表达逻辑里已经出现过的： ¬,∧,∨,→,↔,(,)\lnot,\land,\lor,\to,\leftrightarrow,(,) 然后还有几个新的： ∀\forall：表示所有的 ∃\exists：表示存在 ViV_i：表示变量//也可以用var表示 ≐\doteq：客观相等//给汗了，啥意思啊？？？ (objektspr

2015-12-14 16:27:08 620

翻译 Formal sys-Pradicate semantic

介绍个定义Interpretation \mathcal{D} 已知有∑\sum 是一阶谓词逻辑(PL1)的Signatur 那么我们定义这个Signatur的interpretation \mathcal{D}为(D,I)，并且具有以下性质： 1.D是任意的非空的集合 2.I是Signatur符号的映射： 1).对任意常数c有:I(c) ∈\in D 2).n>=1,对于有n个参数

2015-12-14 16:24:21 450

翻译大型数据库分析-R语言

先看一下R能干什么df <- mtcars?mtcarsnames(df)head(df)nrow(df)summary(df)hist(df$hp)plot(df$hp,df$qsec)cor(df$hp,df$qsec)cor(df$cyl,df$qsec)df$hpPerCyl <- df$hp/df$cyldf[order(df$hpPerCyl),]head(df[order

2015-11-18 00:08:46 672

翻译数据库应用-E commerce管理

本节主要目的1.复习 2.区分视图和物理存储 3.物理设计的替换基本概念schema-Evolution:在数据库还处于工作状态良好的情况下，修改数据库的Schemas Sparsity:关系表中得信息很稀疏，即含有大量的NULL值E-Commerce数据存储中常见的问题1.属性过多 2.sparsity，NULL值使数据虚胖 3.schema-Evolution经常发生 4.访问数据库

2015-11-17 02:07:31 469

翻译数据库应用-Datalog

Relational Algebra数据库系统中引入的relational algebra并不多，大部分可由多个基本的operation结合而来 minimal Relational algebra:Ω=π,σ,⋈,β,∪,−\Omega=\pi ,\sigma,\bowtie,\beta,\cup,-安全访问(sichere Anfragen)所谓安全访问，就是指无论在何种数据库状态(Daten

2015-11-17 01:48:39 2779 1

翻译数据库应用-View

主要内容1.视图(View,Sicht)的概念 2.View的转换 3.数据库中得权限 4. 5.统计学的数据库View的优点和缺点优点： 1.简化了数据库的访问 2.使数据库结构化//秩三层结构 3.数据库改变不影响View(logische Datenunabhaengigkeit)//这算优点吗？？ 4.数据保护缺点: 1.会自动更改访问操作//把你针对View的操作，该

2015-11-17 01:46:33 516

翻译形式系统(Formale System)-SAT问题

什么是SAT问题所谓SAT问题就是可实现性问题(Erfuellbarkeitsproblem)。即已知一个Formel F∈For0\in For0，问是否存在一个解释(Interpretation) I 使得valI(F)=Tval_I (F)=T 同时SAT问题也是一个NP完备性问题。也就是说假如存在一个确定的在多项式时间内完成的用于判定一个Formel是否可实现的的算法，那么同时也就可以得到

2015-11-17 01:23:28 1208

翻译网络通信(Telematik)-传输层协议(Transportprotokoll)2

网络阻塞(Stau im Internet)网路中传输的数据包过多，导致超出网路的承受能力。简单的队列管理Router: 当router的Puffer满了，那么下一个到达的数据包将被直接扔掉发送者(Sendeinstanz): 设置重传计数器(Retransmission Timer)，当时间到了则从新发送数据包问题:同步大量不同TCP连接的数据包会几乎同时被扔了积极的队列管理基本措

2015-11-02 03:17:51 749

翻译网络通信(Telematik)-传输层协议(Transportprotokolle)1

一点补充知识包(Paket)包是网络数据的传输单位，他由目标数据和辅助信息组合而成： head(Kopf)目标数据(Nutzdaten)supplement(Anhand)\begin{array}{c|c|}\hline\text{head(Kopf)}&\text{目标数据(Nutzdaten)}&\text{supplement(Anhand)}\\\hline\end{array

2015-11-01 21:50:14 624

翻译 Formal System-范式(Normalformen)

动机(Motivation)主要目的是证明Formel的可实现(Erfüllbar) 一般的方法： 1.真值表 2.等价转化但是随之Atom的数量增大，上述方法的效率则越加低。//真值表的数量将呈现指数增长于是我们想到的方法就是非等价转化，比如用P3代替P1∧P2P_3 代替P_1 \land P_2 为了更好的了解algorithm，需要先看一下什么是范式，具体的algorithm

2015-11-01 07:05:37 835

翻译数据库应用-NF^2 Modell(Non First Normal Form)

关系数据模型一方面很简单，直观，但另一方面它的表现力也因此受到限制。它的属性与值之间不具备结构化关系。//是指不能属性嵌套吗？？1NF(erst Normalform)1NF的要求是：关系的所有属性都是原子属性(Alle Attributwerte atomar)NF2ModellNF^2 ModellNF2modellNF^2 modell就是嵌套关系模型(gesch

2015-10-31 03:38:14 854

空空如也

空空如也