关系数据库范文第1篇
摘 要：为研究文山州甘薯种质资源现状，试验通过对从文山各地收集整理的32份甘薯种质资源，进行植物学特征和生物学特性、及抗逆性分析。将32份甘薯种资源整理归并为7个品种，即胜南、滇红5号、华北553、洋白、徐薯18、遗67-8和桂薯131等。结果表明，文山州甘薯种质资源匮乏，血缘关系单调，严重制约文山甘薯产业的发展。试验结果为当地甘薯经济跨越式发展提供有利依据，也为进一步选育适宜文山种植的优质甘薯新品种提供有利材料。
关鍵词：甘薯 品种 植物学特征 生物学特性 抗逆性
甘薯（Ipomoea batatas Lam.）属旋花科甘薯属，起源于美州的秘鲁、厄瓜多尔和墨西哥一带，因其产量高、抗性强、耐贫瘠、适应性广及营养丰富，是世界种植的主要块根作物之一，也是重要的粮食、饲料和工业原料[1-2]。甘薯是21世纪解决粮食和能源问题的重要农作物之一，我国甘薯年种植面积约600万hm2，约占世界甘薯种植面积的66 %，年产量约1.002亿t，占世界甘薯总产的85 %，是世界上最大的甘薯生产国之一[3]。云南省甘薯种植面积83592 hm2，平均單产11564 kg/hm2，鲜薯总产量96755 t，仅次于马铃薯，是云南省第二大薯类农作物。
云南文山州甘薯种植历史悠久，在全州8个县的每个村寨均有种植，全州甘薯的种植面积19023 hm2，占全省种植面积的21.05 %。目前，还没有对其甘薯种质资源进行详细的调查与鉴定，研究旨在通过对全州各地收集来的32份甘薯材料进行鉴定和评价，通过植物学特征、生物学特性及抗逆性分析，对文山州地方甘薯品种资源进行整理归纳，进一步了解当地甘薯种质资源现状，为文山甘薯新品种选育及甘薯产业发展提供有利依据。
1 材料与方法
1.1 供试材料及试验地点
供试品种为文山州各地收集来的32份甘薯材料，其中白肉甘薯9份，黄肉甘薯17份，紫红肉甘薯6份。
在2016年种植于文山州农业科学院试验基地，海拔1260 m。试验地为粘质壤土，0-20 cm土层的主要养分特征：PH值6.12，速效氮74.07 mg/kg，速效磷7.37 mg/kg，速效钾131.67 mg/kg，有机质24.76 g/kg，全氮1.34 g/kg。
1.2 试验方法
1.2.1 试验设计
采用随机区组设计，3次重复，净作，4行区，每个试验小区面积20 m2，栽插密度45000～55000株/hm2，5月中旬栽插，11月下旬收获。根据高产管理措施[4]进行除草、治虫、灌溉和排水等田间管理措施。
1.2.2 性状测定和数据分析
收获前10 d在第Ⅱ重复小区第2垄连续取样5株，根据《甘薯种质资源描述规范和数据标准》[5]，分别对每个供试材料地上部植株性状和地下部性状进行鉴定比较，以及抗逆性分析，其中抗逆性包括耐贫瘠性、耐旱性、耐湿性、耐寒性和耐肥性。
收获后，进行熟食味评价，其中熟食味评价分为好、中和差。采用常规烘干法，根据吕长文[6]等的方法计算每个品种的烘干率（%），测定薯干重量，即薯干重量=鲜薯产量×烘干率，根据王文质[7]等的干率计数法计算淀粉含量（%），即淀粉含量=烘干率×0.86945 -6.34587。
2 结果与分析
2.1 甘薯地方品种地上部植株性状比较
甘薯地方品种地上部植株性状比较分析结果表明见表1，不同品种的上部植株性状差异较大，供试材料中，从株型看，匍匐较多，半直立和直立较少；从顶叶色和叶色看，绿色居多，红色和紫色较少；叶形差异很大，其中以尖心形、心形、浅裂单缺刻、深裂复缺刻和浅裂复缺刻的为多；叶脉色、脉基色和柄基色主要有紫色、淡紫色、淡绿色和绿色；从茎色和茎粗看，绿色较多，褐色和紫色次之，主要集中在0.5～0.7 cm；从蔓长看，最长的品种是天蓬白薯，达203.4 cm，最短的是德厚黄心，达93.6 cm；基部分枝数最多的是马尾白心，达13.5个，最少的是天保红心有5.2个。
2.2 甘薯地方品种地下部性状比较
甘薯地方品种地下部性状比较分析结果表明见表2，供试材料中，不同品种的耐贮性、结薯情况、薯块整齐度和美观度差异较小，而其他地下部性状差异较大，其中结薯习性早晚差异也很大；从薯皮和薯肉看，薯皮以红、白、紫红、淡红和黄色为主，薯肉以黄、白、黄带红、杏黄较多，紫和红较少；从薯形看，纺锤形多于圆筒形，其中纺锤形包括下纺锤形、短纺锤形、长纺锤形； 单株结薯数最多的是天保紫薯，达6.3个，最少的3.0个平坝红心；大中薯率最高的是马塘黄心，达89.5 %。
2.3 甘薯地方品种平均鲜薯产量和抗逆性比较
对甘薯地方品种平均鲜薯产量和抗逆性分析结果表明见表3、表4，供试材料中，全生育期主要集中在160～180 d之间，薯块萌芽性和苗质都很优良，而发根还苗习性差异较大；从鲜薯产量看，最高的是古木黄心，达2082.9 kg/667m2，其次是秉烈黄心和德厚黄心，最低的是南捞白皮，也是唯一产量低于1000 kg/667m2的品种；淀粉含量和烘干率最高的是仁和白心，达21.9 %和32.5 %，最低的是马塘黄心，分别是15.5 %和25.1 %；从抗逆性分析和抗病虫害看，不同品种的抗病性、抗虫性、熟食味及耐湿性差异较小，其他方面差异较大。
2.4 综合比较分析
根据供试材料的植物学特征和生物学特性，并结合抗逆性分析对比得出：古木黄心、德厚黄心、秉烈黄心、南捞红皮、天宝黄心、江那红皮和兴街红皮等7个材料地上部性状和地下部性状相近，抗逆性相似，主体血缘关系为胜南；木厂红皮、马尾红皮、漫铳红皮、八布黄心薯和天蓬红皮等5个材料地上部性状和地下部性状相近，抗逆性相似，主体血缘关系为滇红5号；马塘黄心、回龙黄心、仁和黄心、江那黄心薯和铳卡黄心等5个材料地上部性状和地下部性状相近，抗逆性相似，主体血缘关系为华北553；平坝白心、白沙心、南捞白皮、仁和白心、六河白薯、兴街白心和天蓬白薯等7个材料地上部性状和地下部性状相近，抗逆性相似，主体血缘关系为洋白；马尾白心和铳卡白心的地上部性状和地下部性状相近，抗逆性相似，主体血缘关系为徐薯18；平坝红心、天保红心和江那红心的地上部性状和地下部性狀相近，抗逆性相似，主体血缘关系为遗67-8；回龙紫薯、天保紫薯和天蓬紫心的地上部性状和地下部性状相近，抗逆性相似，主体血缘关系为桂薯131。
3 结论与讨论
对文山州甘薯种植资源的研究能进一步认识当地甘薯产业发展现状，为提升甘薯产业的经济效益提供有利依据。本实验表明，文山州农业科学院从文山各地收集到的32份甘薯材料，通过植物学特征和生物学特性，并结合抗逆性分析，将32份甘薯种资源整理归并为7个品种，即胜南、滇红5号、华北553、洋白、徐薯18、遗67-8和桂薯131等。
胜南、华北553和滇红5号属于黄肉甘薯。胜南是四川省农科院从南瑞苕×胜利百号杂交后代中选育而成，该品种叶片中等，生长旺盛，结薯集中，大薯块多，产量稳定，是一个具有生产潜力的食用加工兼用型高产品种。滇红5号是云南省农科院从越南引进的脱毒试管苗，经过单株选育而成，植株生长旺盛，产量稳定，耐旱性和耐瘠薄能力强，在文山州种植广泛的食用型优质品种。华北553是原华北农科所从胜利百号放任授粉的杂交后代中选育而成，该品种短蔓，生长旺盛，结薯早，膨大快，生产潜力大，是一个营养丰富，生食脆甜而多汁的食用型高产品种。
洋白和徐薯18属于白肉甘薯。洋白是从越南引进的白心甘薯，食用口感好，耐贫瘠，在文山州种植广泛，但产量偏低，种质退化严重。徐薯18是徐州农科院从新大紫×华北52-45的回交实生后代中选育而成，该品种叶片中等，生长旺盛，大薯率高，产量稳定，是一个具有生产潜力的加工型高产品种。
遗67-8属于红肉甘薯，是中国科学院遗传研究所从蓬尾×早熟红杂交后代中选育而成，该品种植株疏散，叶片中等，薯块萌芽性好，抗逆性强的食用型优质品种。桂薯131属于紫肉甘薯，是广西农科院选育的品种，薯形非常美观，商品率高达95%以上，适宜作优质食用型品种进行推广种植。
温度、光照、降水量和土质等环境因素对甘薯生长具有重要影响[8]。文山州横卧云南省东南角，地势多样，即有海拔2991.2 m的薄竹山峰，也有海拔107 m的边境口岸天保镇，州内大多地区为海拔1000-1800 m山地，年平均降雨量800-1900 mm，平均气温15.9-19.3 ℃，独特的生态环境造就了丰富多彩的甘薯地方品种资源，为甘薯产业的发展提供了良好环境条件。本实验表明，文山州甘薯种质资源匮乏，血缘关系单调，缺少最基本的自然诱变性，同时文山州甘薯产业存在品种（系）单一、平均单产低和种质退化等问题，严重制约甘薯经济发展，严重打击薯农的种薯的积极性。随着农村经济的发展和人们对甘薯的营养价值、保健功能和加工增效优势的认识提高，全州广大农村已将甘薯产业作为一项重要富民工程，为解决这一矛盾，应加强优质新品种推广力度，把更多更好的专用型甘薯新品种引入文山州，包括加工型甘薯、食用型甘薯、营养型甘薯等等，同时加强自主选育甘薯新品种力度，选育出适宜当地种植的优质、高产、高效、高抗的各類专用型甘薯新品种，从而为甘薯产业的跨越式发展，为提高人民的生活水平作出贡献。
参考文献
[1] 海梅荣，郭华春，周华芬，等.叶片老化对甘薯品种光合特性与产量的影响[J].云南农业大学学报，2008，23（4）：447-451.
[2] 时晓东，刘良勇，李云萍，等.紫色甘薯色素分别的多样性[J].西南师范大学学报，2011，36（3）：166-171.
[3] 王菲，陈怡，冉烈，等.肥料组合对甘薯和品质的影响[J].西南大学学报，2012，34（10）：25-29.
[4] 唐忠厚，李强，李洪民，等.紫甘薯主要品质性状基因型与环境效应研究[J].中国粮油学报，2010，25（9）：32-35.
[5] 张允刚，房伯平.主要种质资源描述规范和数据标准[M].中国农业出版社，2006：75-79.
[6] 吕长文，王季春，唐道彬，等.甘薯块根碳水化合物合成与积累动态特性研究[J].中国粮油学报，2011，26（2）：23-27.
[7] 王文质，以凡，杜述荣，等.甘薯淀粉含量换算公式及换算表[J]. 作物学报， 1989，15（1）：94-96.
[8] 易九红，张超凡，刘爱玉，等.甘薯生长与环境、栽培因素及内源激素的关系[J]. 作物研究，2012，26（6）：719-724.
关系数据库范文第2篇
摘要：客户关系管理在企业管理决策中起到了关键作用，而数据挖掘技术为客户关系管理的实施提供了良好的技术支持。在对数据挖掘技术于客户关系管理中的价值和应用范畴进行分析，将数据挖掘应用于客户流失分析，进而从这些信息中挖掘出客户偏好的商品组合、消费习性或流失客户特征。
关键词：数据挖掘；客户关系管理；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.
面对激烈的市场竞争，客户价值越来越多地影响了企业价值，客户资源也成为各企业争夺的最重要战略资源之一。因此，了解客户需求，辨析最具利润贡献率的客户，已成为现代大多数企业经营的驱动力。客户关系管理（Customer Relationship Management，CRM），恰是一种以客户为中心的经营策略，它以信息技术为手段，对工作流程进行重组，整合发挥企业资源优势，赋予企业更完善的客户交流能力，最大化客户收益率。
一、数据挖掘技术
企业需要尽可能多地了解客户行为，但随着客户数量的大量累积，客户信息的日趋复杂，如何管理和分析这些客户信息，从中找出对企业管理决策有价值的知识，就需要有更先进的技术和工具支持。而数据挖掘（Data Mining）技术为CRM分析大量复杂客户数据，挖掘客户价值提供了良好的技术支持。数据挖掘可从大量数据中抽取出潜在的、有价值的知识、模型、规则，是发现潜在关联、模式，做出预测性分析的有效工具。
二、CRM中数据挖掘的价值
CRM通过搜集、累积大量市场及客户资料，为企业建立起庞大的数据仓库，数据挖掘的关键所在正是从海量数据中区分出真正有价值的信息并找出其间的关联。
每个企业都期望通过采用一定工具和手段快速并准确辨析出企业最重要、最有价值的客户信息。数据挖掘技术从装有海量数据的数据仓库中经过深层分析，寻找隐藏在数据中的信息，发掘出有利于商业运作、提高竞争力的信息或知识；它能帮助企业管理客户生命周期的各阶段，包括争取新客户，让已有客户创造更多利润、保持住有价值的客户等；它能对客户需求做深入分析，滿足企业对个体细分市场的客户关系管理需求，帮助企业确定客户特点，使企业通过为客户提供有针对性服务而增加商机。
对企业而言，在CRM中应用数据挖掘有助于发现业务发展趋势，揭示已知事实，预测未知结果，并帮助企业分析出完成任务所需的关键因素，从而使企业增加收入、降低成本，处于更有利的竞争地位。
三、CRM中数据挖掘的应用范畴
数据挖掘通过对客户信息的自动筛选，从大量相关客户数据中挖掘出隐含的、未知的、对企业决策有潜在价值的知识和规则，帮助企业找出未被发现的新机会，预测在商业中制胜的策略，快速做出决策。其以下方面的应用尤为突出。[HJ1.5mm]
客户特征分析：除客户地址、性别、年龄、职业、收入、教育等基本信息外，获取诸如爱好、婚姻、配偶、健康、家庭环境等特征信息，可更详尽地了解客户，发现其行为规律，进而更好地制定客户策略，提高市场活动响应率。通过对大量客户消费行为信息采用分类、聚类等挖掘方法，按客户年龄、性别、收入、交易行为特征等属性细分为具有不同需求和交易习惯的群体，从而得出客户最关注点，有针对性制定个性化营销策略。
客户忠诚度分析：通过客户行为分析归类出高消费客户群、最稳定客户群、有价值的潜在客户群、有更多消费需求客户群等，从而做出客户持久性及稳定性分析，对客户需求能快速响应，使客户获得高度个性化服务。据统计，企业获得新客户成本远比保持老客户高得多，尽管各行业成本差异不同，但无论什么行业，6~8倍以上的差距是业界公认的；同时，根据80/20（20%的客户贡献80%销售额）的营销原则，对高消费及高忠诚度客户，更应采取策略培养其忠诚度。
营销交叉分析：企业掌握的客户先前消费信息中，可能正包含着决定该客户下一消费行为的关键、甚至决定因素，利用数据挖掘技术去发现隐藏在数据间的表面看似独立事件间的关系，从而帮助企业找到影响其消费行为的因素，有针对性展开营销策略，适时推荐其它产品。如关联规则分析能发现客户倾向于关联购买哪些产品；聚类分析能发现对特定产品感兴趣的用户群；神经网络、回归等方法能预测客户购买该新产品的可能性。
客户获取和流失分析：企业的增长壮大需不断维持老客户并获取新客户，通过分类、聚类、决策树等技术挖掘大量客户信息，识别出潜在的可开发客户群，判断具备哪些特性的客户群最易流失，并建立客户流失预测模型，较准确地找出易流失客户群，帮助企业制定方案，对其提前采取相应营销措施，最大程度地保持住老客户。
跟踪评价：通过数据仓库的数据清洁与集中过程，将客户反馈信息自动输入数据仓库中，实现客户行为跟踪，分析出客户满意度、信用等级等，从而评价及优化现行策略。如对不同信用等级客户采取不同赊销方案，这既保持了客户忠诚度又规避了不必要风险。通过跟踪评价可保证企业客户关系管理达到既定目标，建立良好客户关系。
四、客户流失分析
商业企业通常通过交易记录、抽奖、会员制等活动来记载销售信息和客户资料，进而从这些信息中挖掘出客户偏好的商品组合、消费习性，或是找出流失客户特征。下面以商业企业客户流失分析为例来说明CRM中数据挖掘的过程。
（一）数据选择
选取目标变量：即客户流失状态。通过分析具体问题，选择一个或多个已知量的组合作为目标变量。对于因消费特征改变而发生的流失，需要对相关具体问题加以考虑：是收入改变？偏好改变？还是购物环境要求改变？
选取输入自变量：输入自变量分静态数据和动态数据。静态数据是诸如客户基本资料（性别、婚姻状况、职业、居住区等）等不常变化的数据；动态数据是诸如月消费金额、消费特征等频繁或定期改变的数据。输入自变量与目标变量有内在联系，但却无法量化表示，这为数据挖掘提供了可发挥的空间。若一时无法确定某种数据是否与客户流失概率有关联，可暂时将其选入模型，在后续步骤考察各变量分布情况和相关性时再行取舍。
选取建模数据：客户流失方式分为客户自然消亡（因迁址而导致客户不再存在；或因客户服务升级，如普通客户升级为贵宾造成特定服务的目标客户消失）和客户转移到竞争对手两种。后者流失是商家真正关心且具挽留价值的客户，选择建模数据时必须选择后者流失客户数据参与建模。
（二）数据规约
数据规约是建模前的数据准备工作，一方面保证建模数据的正确性和有效性，另一方面通过对数据格式和内容的调整，使数据更符合建模需要。主要工作包括对数据的转换、整合、抽样、随机化、缺失值处理等。如按比例抽取未流失客户和已流失客户，将这两类数据合并，构成建模的数据源。模型建立后需大量数据来进行检验，故把样本数据分为用于建模和用于模型检验及修正两部分。
（三）模型建立
建模前利用数据挖掘工具的相关性比较功能，找出每一输入自变量和客户流失概率的相关性，删除相关性较小的变量，从而降低模型复杂度，缩短建模周期。现有数据挖掘工具很多，如神经网络、回归、决策树、关联、聚类等，可使用其中的多种方法预先建立多个模型，再对这些模型进行优劣比较，选出最适合客户流失分析的建模方法，建模过程中可使用多种近似算法来简化模型优化过程。模型建立后的调整是数据挖掘过程的核心部分，通常由数据分析专家完成。不同商业问题和不同数据分布属性会影响模型建立与调整策略，因此需业务专家参与调整策略的制定，以避免不适当优化造成业务信息的丢失。
（四）模型评价与解释
为得到准确结果，可利用未参与建模的数据进行模型评估。检验的方法是使用模型对已知客户状态的数据进行预测，将预测值与实际客户状态作比较，预测正确率最高的模型是最优模型。通过对模型做出合理的业务解释，可找出一些潜在规律来指导商家行为；反过来，通过业务解释也能证明数学模型的合理性和有效性。
（五）模型应用
可先选择一试点实施应用，试点期间随时注意模型应用的收益情况。若发生异常偏差，则停止应用，修正模型。试点结束后，若模型被证明应用良好，可考虑大范围推广。推广时要注意地区差异，不能完全照搬模型。经济环境发生重大变化或模型应用一段时期后，模型偏差可能会增大，这时可考虑重新建立一更具适用性的模型。
通过客户流失模型对客户流失情况的监控，若流失可能性過高，可采用促销等手段来提高客户忠诚度，防止客户流失的发生，从而彻底改变以往商家在成功获得客户后无法监控客户流失、无法有效实现客户关怀的状况。
五、结束语
数据挖掘作为CRM的前提和基础，不再仅局限于客户接触层面的客户关系管理，已深入到客户的消费行为和消费喜好，从更加深入全面的角度洞察客户、理解客户价值。采用了数据挖掘技术的CRM系统，在目前竞争日益激烈的知识经济环境和电子商务经济模式下，已成为现代企业在激烈市场竞争中生存和制胜的关键。在CRM中有效利用数据挖掘，可不断促进企业单个客户价值提升和客户规模的扩大，可指导企业高层决策者制定出最优的企业营销策略、降低运营成本、加速企业发展，有效推动企业价值和实力的不断攀升。
参考文献:
[1] 朱美珍.以数据挖掘提升客户关系管理[J].技术与创新管理,2006(4).
[2] 王红霞,陈根才.零售业CRM中的数据挖掘技术[J].计算机与数字工程,2006(1).
[3] 龙志勇.数据挖掘在电信行业关系管理的应用[J].信息网络,2003(12).
（责任编辑：樱紫）
关系数据库范文第3篇
2、“互联网+大数据”背景下高职院校会计专业人才培养模式改革探讨
3、人工智能时代会计人员面临的机会和挑战
4、大数据时代会计信息使用者需求变化分析
5、浅析大数据时代事业单位会计管理面临的问题及对策
6、IASB概念框架下数据资产准则研究
7、基于大数据时代企业财务会计向管理会计转型研究
8、大数据时代管理会计职业能力建设探讨
9、互联网信息时代会计信息系统整合探析
10、基于大数据的通信企业管理会计体系应用研究
11、大数据背景下的云会计研究
12、大数据背景下完善石油企业的财务管理工作策略
13、CEO和董事会的社会关系与会计稳健性研究
14、会计信息化标准体系的演变过程及发展趋势
15、基于神经元反馈系统的管理会计系统构建
16、集中核算、平台变革与会计输入前端重塑
17、人工智能和大数据对会计学科发展的影响
18、大数据时代管理会计信息系统在项目管理中的应用
19、基于财务云平台的收支管理内部控制优化研究
20、大数据对会计的挑战及其应对策略试析
21、职业能力导向下的高职大数据与会计专业教学改革研究
22、数据挖掘技术对会计的影响及应对
23、大数据时代基于云会计的审计实施框架构建
24、浅议大数据时代企业管理会计发展趋势
25、基于插件并支持多数据源的会计信息系统设计
26、管理会计中非财务数据价值挖掘研究
27、大数据时代会计人员职业道德问题探讨
28、市场竞争、大股东掏空与薪酬粘性
29、大数据背景下中职学校“会计电算化”课程教学创新研究
30、大数据时代对会计和审计的影响
31、会计核算软件数据接口标准适应性探讨
32、数据资产会计确认与要素市场化配置
33、旧金山湾区政产学研协同创新对粤港澳大湾区的启示
34、财务智能可视化分析与文献综述
35、上市公司大股东与经营者合谋生成与治理分析
36、米与盐的时代 (下)
37、大数据时代基于云会计的生产制造企业成本控制
38、大数据时代基于云会计的集团企业全面预算管理
39、大数据时代基于云会计的信息生态系统研究
40、大数据技术对会计工作的影响
41、大数据时代管理会计信息的应用探讨
42、名为帝国的记忆（上）
43、大数据背景下云会计应用问题研究
44、大数据时代对管理会计的影响
45、大数据对会计的挑战及其应对
46、大数据背景下企业财务会计向管理会计转型分析
47、股票股利与股权结构关系研究
48、大股东—管理者合谋影响因素的理论分析
49、探究大数据时代财务会计向管理会计转型
关系数据库范文第4篇
一、浅谈云计算
(一) 发展状况
在web2.0时代, 每个人不仅是信息的接收者, 也是信息的产生者。大量的互联网数据的产生, 造成数据的急剧增长, 由此大数据时代到来, 为了处理大数据, 云计算得到了重视。“云计算”概念和理论是由Google提出的, 是谷歌的一种网络应用模式。近些年来, 各大企业以及国家纷纷建立自己的云计算中心, 通过不断创新, 促进了云计算技术的繁荣发展。
(二) 定义
云计算是一种新型的商业计算方式, 把计算任务分布在大量以计算机组成的资源池上, 让不同种应用系统按其需求来获取存储空间、服务和计算能力。也可以说云计算是通过网络依靠需求提供动态增减的一种廉价计算服务。
(三) 优势
云计算是虚拟化、网络存储、将软件作为服务SaaS、将平台作为服务PaaS和将基础设施作为服务IaaS等相关领域概念混合并进一步发展的结果。云计算具有虚拟化、规模庞大、高可靠性、动态增减、通用性、按需服务和低成本的特点。
二、何为虚拟化
(一) 发展状况
虚拟化技术最早源于大型机, 在20世纪60年代, IBM就首先实现了虚拟化, 作为对其大型机进行逻辑分区以形成若干独立虚拟机的一种技术。但在20世纪80年代, 由于分布式计算的兴起, 虚拟化技术就被人们所弃用。近些年来, 随着大数据时代到来, 云计算技术兴起, 虚拟化作为云计算的主要支撑技术之一, 得到了极大重视。
(二) 定义
虚拟化是对资源的逻辑抽象、重新分配、彼此分隔和管理的一个过程。虚拟化的定义至今都没有统一的标准, 但都包括以下几个方面: (1) 虚拟化的对象是物理资源; (2) 虚拟出的物理资源都有着统一的逻辑表示, 这种逻辑表示能够提供给用户与被虚拟的物理资源大部分相同的功能; (3) 通过一系列虚拟化, 使得资源不受物理资源的限制, 由此可以提高资源的利用率。
(三) 优势
虚拟化的优势体现在以下几个方面: (1) 能解决不同种类服务器之间的兼容性问题; (2) 可以提高IT设备的利用率; (3) 能在一个具体的软硬件环境下模拟出另一个不同的软硬件环境; (4) 可以节约潜在的成本, 如机房用地、电力花费、机房温度控制。
三、云计算与虚拟化之互为补充
云计算包含了许多核心技术理念, 其中虚拟化是云计算的基础, 是云计算技术得以实现的最重要技术。通过虚拟化技术可以将各种软硬件资源进行虚拟化, 并归入云计算管理平台进行使用和管理。这样一来这些由IT能力转换的逻辑资源可以通过网络像水、电一样提供给用户, 以此来实现云计算的最终目标。虚拟化技术是云计算技术的重要组成部分, 作为将各种IT基础设施资源充分整合和高效利用的关键。从虚拟化的本质上出发, 它的目的就是对技术资料的最充分利用。虚拟化是云计算系统中最重要的支撑技术之一, 虚拟化将数据和应用程序以不同方式展现, 有助于使用者、开发以及维护人员方便使用、开发和维护这些数据和程序。一旦使用云计算来运行业务, 通过简化管理过程和提高利用率来降低成本, 就能够为虚拟化平台带来不少效益。云计算与虚拟化是紧密联系的, 但虚拟化对于云计算来说是可有可无的。云计算把各种IT资源以服务的方式向广大用户提供, 相反虚拟化自身却不能为用户提供服务。没有本身服务层, 就不能提供计算服务。云计算系统就准许各终端用户自己提供其应用程序、服务器以及包含虚拟化在内的其他资源, 这反过来又能为企业提供便利, 但这仍需企业为用户提供虚拟机。云计算解决方案通过使用虚拟化技术使得IT资源的部署更加方便灵活, 反过来虚拟化方案中也可以引进云计算技术, 为互联网用户提供按需使用的服务和IT资源。在一些特殊业务中, 虚拟化和云计算是不可分割的, 只有两项技术共同应用, 才能使服务顺利进行。
四、云计算中应用的核心虚拟化技术
(一) CPU虚拟化
CPU虚拟化是把物理CPU抽象为逻辑上的CPU, 以此来负载使用计算能力。VMware提供的CPU虚拟化技术是将多个操作系统同时运行在一台物理服务器上。通过整合服务器来高效利用CPU, 可以给企业以及用户带来极大效益。多个服务器同时运用, 都以为独占CPU, 其实是它们在共享CPU, 这是CPU虚拟化与其他虚拟化形式不同的地方。
(二) 存储虚拟化
存储虚拟化可以使用不同种存储设备来为大规模的设备建立虚拟化镜像, 这可以为企业提供超大的存储空间, 提高系统整体的可靠性, 使企业对数据的存储更加方便灵活。许多公司在收集、整理和分析数据的时候, 通过云计算的存储虚拟化技术可以同时使多位用户访问相同的物理空间, 这是一种更加高效的存储方式。
五、总结
在大数据时代背景下, 数据即是商机, 如何挖掘有用信息, 其中云计算与虚拟化技术必不可少。在这样的背景下, 云计算与虚拟化技术引起了全世界企业的关注, 未来将会吸引更多的企业加入其中。把握好两者之间的关系, 合理运用两者实现优势互补, 才能在未来的商业战场上赢得一席之地。
摘要：作为“大数据时代”的关键技术, 云计算与虚拟化已成为当今信息科技领域最受关注的技术。但是仍然有大部分人对云计算和虚拟化的概念理解不清楚, 以为虚拟化就是云计算。本文通过对云计算和虚拟化的发展状况以及内容的详细阐述, 引出两者之间的关系:虚拟化技术是云计算的重要组成成分, 云计算为虚拟化技术提供用武之地, 两者互为补充, 密切相关, 协同发展。
关键词：大数据,云计算,虚拟化,关系
参考文献
[1] 熊洁.虚拟化技术在云计算中的应用[J].电脑编程技巧与维护, 2016 (01) :53-54.
关系数据库范文第5篇
目前对于短道速滑起跑道次和名次的关系缺乏相关的研究, 仅存的研究也收数据量的限制, 统计结果缺乏科学性和, 为了更加系统的分析, 本文通过采集国际滑联短道速滑成绩网站从2006/2007赛季至今的数据并进行分析, 明确了男子、女子各种距离的比赛的道次和最终名次之间的联系。
一、分析方法
本文采用SPEARMAN方法分析从2006赛季开始至今10个赛季的100场比赛其中包括60场世界杯比赛, 10场欧洲杯比赛, 2场冬奥会, 1场青少年冬奥会, 6场世界冠军赛等。本文使用500米, 1000米和1500米的各轮次 (包括初赛、预赛、1/4赛、半决赛和决赛) 各个分组起跑道次数据和最终名次数据。500米和1000米的道次被标注为 (1到4) , 1500米的道次被标注为 (1到6) , 其中第1道为最内道, 第5道和第6道在起跑线后。500米和1000米的第5道、1500米的第7道发生的概率较小, 胜率也较低, 将其排除。所有的比赛均在室内111.12m冰场上进行, 犯规和中途退赛的数据被排除在统计数据之外。名次数据按500米和1000米 (1到4) , 1500米 (1到6) 分别统计。起跑道次和名次数据的相关系统通过SPEARMAN秩相关系数进行分析, 通过相关系数的大小决定其相关性的强弱。其中0.0到0.2表示弱相关, 0.2到0.5表明是中等强度相关, >0.5表明为强相关, 所有的分析都应用PYTHON的科学计算 (SCIPY) 进行分析, 其显著性水平设置为P<0.05。
SPEARMAN秩相关, 是指假设两个随机变量分别为X、Y (也可以看做两个集合) , 它们的元素个数均为N, 两个随机变量取的第i (1<=i<=N) 个值分别用Xi、Yi表示。对X、Y进行排序 (同时为升序或降序) , 得到两个元素排行集合x、y, 其中元素xi、yi分别为Xi在X中的排行以及Yi在Y中的排行。将集合x、y中的元素对应相减得到一个排行差分集合d, 其中di=xi-yi, 1<=i<=N。随机变量X、Y之间的斯皮尔曼等级相关系数可以由x、y或者d计算得到, 其计算方式如下所示[4]:
若X、Y集合中具有相同的等级系数, 则用以下公式:
二、分析结果
根据对上万条数据的采集和分析证明, 短道速滑比赛道次和名次之间的关系随比赛项目的距离增加而逐渐减弱, 在女子500M比赛中, 随着比赛的深入、轮次的增加, 道次和比赛名次的相关性逐渐增强, 在所有性别的短距离比赛中除去初赛、女子预赛外, 其余轮次中道次均与名次拥有强相关度 (ρ>0.5) , 当比赛距离逐渐增加后, 各轮次的道次与名次相关性逐步递减, 在1500米的各轮比赛中, 起跑道次均与比赛名次呈弱相关态势。
注:0.00-0.20弱相关, 0.20-0.50中等强度正相关, >0.50表示强相关
为了验证比赛道次对比赛结果的影响, 我们分析了在各单项比赛中, 在各轮次中各个道次的胜率, 其中500M预赛中第1道的胜率为54% (667组比赛, 361次获胜) , 1/4决赛中第1道胜率为67% (387组比赛, 262次胜出) , 半决赛第1道胜率为72% (198组比赛, 143次胜出) , 决赛第1道胜率为77% (86场比赛, 67次胜出) ;在1000米比赛中初赛第1道获胜概率为26% (1688场比赛, 450次胜出) , 决赛中第1道的获胜概率为435 (415场比赛, 181次胜出) ;而在1500米比赛中, 预赛第1道的胜率为18% (1509组比赛, 272次胜出) , 决赛第1道的胜率为28% (405组比赛, 117次胜出) 。这些研究结果表明, 在短道速滑比赛中, 道次越靠前, 名次就越靠前, 在500米、1000米、1500米比赛中, 第1道次的获的第1名的次数要远远高于其余道次, 距离越短, 这种优势越明显。
以上数据表明, 在不同距离的比赛中应该采用不同的比赛策略, 在500米比赛中, 选手应该在各轮次比赛中起跑时全力争取领先位置, 控制比赛节奏, 争取在下一个轮次中取得更好的起跑位置以期拥有更多获得冠军的优势。而在中、长距离的比赛中, 运动员应该采取跟滑的策略, 在比赛过程中跟住对手, 保存体能, 在比赛最后阶段利用体能优势完成加速或者超越, 这种比赛策略不仅仅局限于应用于短道速滑比赛, 在其他的比赛如跑步和速滑中也有广泛的应用。研究表明 (Rundell, 1996) , 在使用相同速度进行滑行时, 尾随能够保持较低的心率和乳酸浓度, 这样的原因在于尾随滑行能够减少16～23%的空气阻力[5]。
另外, 本次分析也发现, 随着比赛轮次的深入, 起跑道次与比赛结果的相关系数逐步增加, 这一现象的根本原因在于短道速滑的赛制和编排规则决定的, 随着轮次的增加, 比赛人数逐渐减少, 上一轮次的优胜者在排道次的时候具有站位优势, 同时这样的运动员拥有较强的能力。另外一种解释是随着比赛轮次的增加, 对于比赛的竞争更加的激烈, 在初赛等轮次, 运动员会考虑保存体力去应付更多的轮次, 随着比赛的深入, 竞争者的实力越来越强, 运动员只有在获得晋级下一轮的资格后才会考虑节省体力。决赛中, 运动员更是全力以赴的争取获得冠军, 所以道次优势会被更加积极的利用, 以争取获得胜利。
三、结论
综上所述, 通过对10个赛季的短道速滑赛季的84563条数据进行分析, 在短道速滑500米比赛中运动员起跑道次与比赛最终名次有着强相关性, 随着比赛距离的增加相关性逐渐减弱。运动员应根据比赛的距离制定比赛的策略, 确保争取比赛的胜利。
摘要：在短道速滑比赛中, 每轮比赛都是激烈的运动员与运动员的竞争, 每轮比赛的名次比每轮比赛所用的时间更能直观的影响比赛的结果和进程。针对每轮比赛制定相应的比赛策略, 将最终影响比赛的结果。本文通过分析从2006/2007赛季开始至今的所有国际滑联比赛数据 (包括世界杯, 奥运会和欧锦赛等) , 共100场比赛, 上千个单项比赛分轮次分组比赛共84563条成绩数据, 应用SPEARMAN方法分析短道速滑起跑道次和最终名次的数据, 确定道次和名次的相关系数。为短道速滑各单项比赛的策略制定起到一定的参考作用。
关键词：比赛分析,相关系数,SPEARMAN方法
参考文献
[1] 杜凯.短道速滑战术方法及表现形式探索[J].产业与科技论坛, 2016, 15 (22) :57-58.
[2] 张海洋.对短道速滑与速度滑冰的研究分析[J].科技资讯, 2009 (28) :239.
[3] 胡武, 赵滨杰.短道速滑比赛战术的运用[J].冰雪运动, 2007, 29 (1) :23-24.
[4] 王开军, 黄添强.基于趋势秩的Spearman相关方法[J].福建师范大学学报 (自然科学版) , 2010, 26 (1) :38-41.
[5] 朱佳滨.短道速度滑冰战术理论体系的构建及其应用[D].北京:北京体育大学, 2008.
[6] 刘仁辉.对速度滑冰, 短道速滑, 冬季两项, 越野滑雪四个项目训练特点的分析[A].中国体育科学学会、青海省体育局.第二届中国多巴高原训练与健康国际研讨会论文摘要集[C].中国体育科学学会、青海省体育局:, 2011:1.
[7] 谢向阳.数据挖掘在体育数据分析中的研究与应用[J].当代体育科技, 2013, 3 (23) :9-10.
[8] 漆小红, 孟媛媛.竞技体育大数据思维变革与分析[J].体育科技文献通报, 2016, 24 (7) :151-152.
[9] 李克敏, 苌庆辉, 崔凯峰.体育创业研究的知识图谱分析:基于1991—2015年的数据[J].天津体育学院学报, 2016, 31 (3) :185-190.