『SQL Server 2000 Reporting Services学习笔记』(1)报表管理器的使用 与 通过角色分配配置安全性...

『SQL Server 2000 Reporting Services学习笔记』(1)报表管理器的使用 与 通过角色分配配置安全性


_____________________________________________________________________________
BIP → RS → XmlRDL → XML

由于 [商业智能项目] 产生报表服务器, [报表服务器] 底层采用 [报表定义语言] ,
最终的文件(*.rdl)就是一个 [扩展标记语言] 的文本。

Business Intelligence Projects(商业智能项目)
Reporting Services(报表服务器)
XML Report Definition Language(报表定义语言 *.rdl)
XML(扩展标记语言)
_____________________________________________________________________________
Q:如何启动报表管理器(报表管理器)
A:该 URL 为 http://<计算机名称>/reports。
http://localhost/Reports/Pages/Folder.aspx
_____________________________________________________________________________
通过角色分配配置安全性:
1、定位到要设置安全性的区域或项。
2、创建指定用户帐户或组帐户的角色分配。
3、为角色分配选择一个描述了您希望用户或组如何访问项的角色。
---------------------
项 → 策略 → 角色 → 任务 → 操作

       ↓

     组或用户
---------------------
项:资源。(如 文件夹 或 报表)
角色分配:将 [组或用户] 与 [角色] 关联,的过程。
策略:角色分配的结果。
组或用户:(如 Administrator、Guest等)
角色:包含多个任务。
任务:包含一个操作。
操作:可以视为一种权限。

注:由于基于角色的安全性与上下文相关,因此您必须先定位到
具体的项(如文件夹或报表),然后才能创建角色分配。
_____________________________________________________________________________
TestCase_01
IE > http://localhost/Reports
 > 项:主文件夹 > Report Project3
 > 属性 > 安全
 > 新建角色分配
 > 组或用户名:=Guest
 > 新建角色
 > 名称:=匿名访问专业户
 > 说明:=只能查看报表,不能查看数据源,其他更不能。 > 确定
 > 选择刚才建立的角色。 > 确定
Result:用户Guest只能查看报表,不能查看数据源。
_____________________________________________________________________________

转载于:https://www.cnblogs.com/ClarkChan/archive/2006/04/11/372458.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 支持向量机非线性回归通用MATLAB程序解析 #### 一、概述 本文将详细介绍一个基于MATLAB的支持向量机(SVM)非线性回归的通用程序。该程序采用支持向量机方法来实现数据的非线性回归,并通过不同的核函数设置来适应不同类型的数据分布。此外,该程序还提供了数据预处理的方法,使得用户能够更加方便地应用此程序解决实际问题。 #### 二、核心功能与原理 ##### 1. 支持向量机(SVM) 支持向量机是一种监督学习模型,主要用于分类和回归分析。对于非线性回归任务,SVM通过引入核技巧(kernel trick)将原始低维空间中的非线性问题转换为高维空间中的线性问题,从而实现有效的非线性建模。 ##### 2. 核函数 核函数的选择直接影响到模型的性能。本程序内置了三种常用的核函数: - **线性核函数**:`K(x, y) = x'y` - **多项式核函数**:`K(x, y) = (x'y + 1)^d` - **径向基函数(RBF)**:`K(x, y) = exp(-γ|x - y|^2)` 其中RBF核函数被广泛应用于非线性问题中,因为它可以处理非常复杂的非线性关系。本程序默认使用的是RBF核函数,参数`D`用于控制高斯核函数的宽度。 ##### 3. 数据预处理 虽然程序本身没有直接涉及数据预处理的过程,但在实际应用中,对数据进行适当的预处理是非常重要的。常见的预处理步骤包括归一化、缺失值处理等。 ##### 4. 模型参数 - **Epsilon**: ε-insensitive loss function的ε值,控制回归带宽。 - **C**: 松弛变量的惩罚系数,控制模型复杂度与过拟合的风险之间的平衡。 #### 三、程序实现细节 ##### 1. 函数输入与输出 - **输入**: - `X`: 输入特征矩阵,维度为(n, l),其中n是特征数量,l是样本数量。 - `Y`: 目标值向量,长度为l。 - `Epsilon`: 回归带宽。 - `C`: 松弛变量的惩罚系数。 - `D`: RBF核函数的参数。 - **输出**: - `Alpha1`: 正的拉格朗日乘子向量。 - `Alpha2`: 负的拉格朗日乘子向量。 - `Alpha`: 拉格朗日乘子向量。 - `Flag`: 标记向量,表示每个样本的类型。 - `B`: 偏置项。 ##### 2. 核心代码解析 程序首先计算所有样本间的核矩阵`K`,然后构建二次规划问题并求解得到拉格朗日乘子向量。根据拉格朗日乘子的值确定支持向量,并计算偏置项`B`。 - **核矩阵计算**:采用RBF核函数,通过`exp(-(sum((xi-xj).^2)/D))`计算任意两个样本之间的相似度。 - **二次规划**:构建目标函数和约束条件,使用`quadprog`函数求解最小化问题。 - **支持向量识别**:根据拉格朗日乘子的大小判断每个样本是否为支持向量,并据此计算偏置项`B`。 #### 四、程序扩展与优化 - **多核函数支持**:可以通过增加更多的核函数选项,提高程序的灵活性。 - **自动调参**:实现参数自动选择的功能,例如通过交叉验证选择最优的`Epsilon`和`C`值。 - **并行计算**:利用MATLAB的并行计算工具箱加速计算过程,特别是当样本量很大时。 #### 五、应用场景 该程序适用于需要进行非线性回归预测的场景,如经济预测、天气预报等领域。通过调整核函数和参数,可以有效应对各种类型的非线性问题。 ### 总结 本程序提供了一个支持向量机非线性回归的完整实现框架,通过灵活的核函数设置和参数调整,能够有效地处理非线性问题。对于需要进行回归预测的应用场景,这是一个非常实用且强大的工具。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值