臻井

“——本文档是自己翻译整理的，翻译效果还可以” WOFOST（世界粮食研究中心作物模型）是一个用于模拟作物生长、发育和产量的模型。它主要用于模拟一种特定种类的作物（例如，小麦，玉米等）在特定环境条件下的生长过程。 WOFOST并不直接模拟一个区域的所有植物，而是模拟特定的作物。但是，它可以在一个区域范围内多次使用，来模拟那个区域内特定作物的生长。这个区域可以根据你的需求来定义，可以是一个农田、一个村庄，或者一个更大的地理区域。 WOFOST模型可以通过区域内各处的气候数据（如温度、降雨量、太阳辐射等）、土壤条件、以及作物种类等信息，来预测作物的生长状况和产量。这些信息都可以用来反映或预测一个更大区域内的作物生长状况。 在更复杂的情况下，比如农业系统模拟、气候变化影响分析、区域粮食生产潜力评估等，WOFOST通常与其他模型（例如，气候模型、水文模型、经济模型等）一起使用，以更全面地模拟和预测区域范围内的植物生长和产量。

《数据挖掘(附光盘实用案例分析)》共12章，分三个部分。第一部分是基础篇（第1～4章），主要对数据挖掘的基本概念、应用分类、建模方法及常用的建模工具进行了介绍，并对本书所用到的数据挖掘建模平台TipDM进行了说明。第二部分是实战篇（第5～10章），以案例的形式对数据挖掘技术在金融、电信、电力、互联网、生产制造以及公共服务等行业的应用场景进行了讨论；首先介绍案例背景，然后阐述分析方法与过程，最后完成模型构建；在介绍建模过程的同时穿插操作训练，把相关的知识点嵌入相应的操作过程中；此外，第10章精心设计了6个实验项目，读者可以通过本章介绍的方法动手实践，以巩固数据挖掘知识，在分析建模过程的同时，进一步增强动手能力。第三部分是高级篇（第11～12章），主要介绍基于第三方接口的数据挖掘二次开发技术，重点对常用的WEKA和MATLAB数据挖掘算法接口进行了探讨；最后对基于Hadoop框架的海量数据挖掘进行了说明，以满足读者更高层次的需求。随书光盘中提供了本书的相关资料和案例资源，以及6个动手实验所使用的完整数据，方便读者动手实践书中所讲解的案例。

“大数据”作为时下最火热的IT行业的词汇，随之而来的数据仓库、数据分析、数据挖掘等等围绕大数据的商业价值的利用逐渐成为行业人士争相追捧的利润焦点。 “大数据” 其实离我们的生活并不遥远，大到微博的海量用户信息，小到一个小区超市的月销售清单，都蕴含着大量潜在的商业价值。 正是由于数据量的快速增长，并且已经远远超过了人们的数据分析能力。因此，科学、商用等领域都迫切需要智能化、自动化的数据分析工具。在这样的背景下，数据挖掘技术应用而生，使得海量数据的分析变得易如反掌。

建立一个高效检索系统的关键是建立一个类似于科技索引一样的反向索引机制，将数据源（比如多篇文章）排序顺序存储的同时，有另外一个排好序的关键词列表，用于存储关键词==>文章映射关系，利用这样的映射关系索引：[关键词==>出现关键词的文章编号，出现次数（甚至包括位置：起始偏移量，结束偏移量），出现频率]，检索过程就是把模糊查询变成多个可以利用索引的精确查询的逻辑组合的过程。从而大大提高了多关键词查询的效率，所以，全文检索问题归结到最后是一个排序问题。

符号执行是目前较为行之有效的软件缺陷自动化检测方法，计算代价昂贵与程序执行路径爆炸是两个影响其性能的关键问题。提出了一种针对C语言程序内存访问缺陷的符号执行检测方法，该方法可通过自动化构造的测试用例发现程序内部的内存访问缺陷，如缓冲区溢出、跨界访问和指针异常等。使用符号跟踪缓冲区长度的方法，一方面减少了符号变量的数量，另一方面由此精确抽象C语言库中字符串操作函数的行为，解决了符号执行过程间函数调用的步进问题；使用动态切片的方法，裁减路径探索过程中的冗余路径，从而解决在程序内部路径搜索时发生的路径爆炸问题。实验表明，提供的检测方法不但可行，而且验证代价较小，具有较强的实用性。

采用了多子处理器分析模式，支持：英文字母（IP地址、Email、URL）、数字（日期，常用中文数量词，罗马数字，科学计数法），中文词汇（姓名、地名处理）等分词处理。

主要对数据挖掘的基本概念、应用分类、建模方法及常用的建模工具进行了介绍，并对本书所用到的数据挖掘建模平台TipDM进行了说明。第二部分是实战篇（第5～10章），以案例的形式对数据挖掘技术在金融、电信、电力、互联网、生产制造以及公共服务等行业的应用场景进行了讨论；首先介绍案例背景，然后阐述分析方法与过程，最后完成模型构建；在介绍建模过程的同时穿插操作训练，把相关的知识点嵌入相应的操作过程中；此外，第10章精心设计了6个实验项目，读者可以通过本章介绍的方法动手实践，以巩固数据挖掘知识，在分析建模过程的同时，进一步增强动手能力。第三部分是高级篇（第11～12章），主要介绍基于第三方接口的数据挖掘二次开发技术，重点对常用的WEKA和MATLAB数据挖掘算法接口进行了探讨；最后对基于Hadoop框架的海量数据挖掘进行了说明，以满足读者更高层次的需求。

第1部分“基础篇”，包括第1章到第8章。首先讲解了MATLAB图像处理的特点及其学习方法、数字图像的基本知识，随后介绍了MATLAB颜色和三维物体描述、光照与材质，通过掌握这部分内容可以提高用户的三维表达能力，最后介绍了科学计算可视化，并以声学计算的MATLAB的图像表现为例进行了详细说明。第2部分“图像处理工具箱详解”，包括第9章到第13章。本部分首先对图像处理工具箱的基础知识进行了概述，随后介绍了图像处理工具箱的图像变换、数学形态学、图像增强和图像复原等功能。本部分是从基础知识到具体应用的桥梁，是读者实现MATLAB图像处理必须熟悉和掌握的内容。第3部分“图像处理实务”，包括第14章到第19章。本部分首先对小波变换进行了应用的介绍，随后讲解了图像分割这个比较活跃的研究领域，接着介绍了图像表示与描述、模式识别方面的内容，这部分内容属于比较高级的图像应用，最后结合实例讲解了基于图像的MATLAB摩擦学仿真。

为方便读者获取一个真实的实践环境，作者提供了一个顶尖的matlab算及其代码文件，方便读者使用。