不确定性数据挖掘中英文对照外文翻译文献
(文档含英文原文和中文翻译)
不确定性数据挖掘：一种新的研究方向
摘要
由于不精确测量、过时的来源或抽样误差等原因，数据不确定性常常出现在真实世界应用中。目前，在数据库数据不确定性处理领域中，很多研究结果已经被发表。我们认为，当不确定性数据被执行数据挖掘时，数据不确定性不得不被考虑在内，才能获得高质量的数据挖掘结果。我们称之为“不确定性数据挖掘”问题。在本文中，我们为这个领域可能的研究方向提出一个框架。同时，我们以UK-means 聚类算法为例来阐明传统K-means算法怎么被改进来处理数据挖掘中的数据不确定性。
1.引言
由于测量不精确、抽样误差、过时数据来源或其他等原因，数据往往带有不确定性性质。特别在需要与物理环境交互的应用中，如：移动定位服务[15]和传感器监测[3]。例如：在追踪移动目标（如车辆或人）的情境中，数据库是不可能完全追踪到所有目标在所有瞬间的准确位置。因此，每个目标的位置的变化过程是伴有不确定性的。为了提供准确地查询和挖掘结果，这些导致数据不确定性的多方面来源不得不被考虑。
在最近几年里，已有在数据库中不确定性数据管理方面的大量研究，如：数据库中不确定性的表现和不确定性数据查询。然而，很少有研究成果能够解决不确定性数据挖掘的问题。我们注意到，不确定性使数据值不再具有原子性。对于使用传统数据挖掘技术，不确定性数据不得不被归纳为原子性数值。再以追踪移动目标应用为例，一个目标的位置可以通过它最后的记录位置或通过一个预期位置（如果这个目标位置概率分布被考虑到）归纳得到。不幸地是，归纳得到的记录与真实记录之间的误差可能会严重也影响挖掘结果。图1阐明了当一种聚类算法被应用追踪带有不确定性位置的移动目标时所发生的问题。
图1（a）表示一组目标的真实数据，而图1（b）则表示记录的已过时的这些目标的位置。如果这些实际位置是有效的话，那么它们与那些从过时数据值中得到的数据集群有明显差异。如果我们仅仅依靠记录的数据值，那么将会很多的目标可能被置于错误的数据集群中。更糟糕地是，一个群中的每一个成员都有可能改变群的质心，因此导致更多的错误。
图1 数据图
图1.（a）表示真实数据划分成的三个集群（a、b、c）。（b）表示的有些目标（隐藏的）的记录位置与它们真实的数据不一样，因此形成集群a’、b’、c’和c”。注意到a’集群中比a集群少了一个目标，而b’集群中比b集群多一个目标。同时，c也误拆分会为c’和c”。(c)表示方向不确定性被考虑来推测出集群a’，b’和c。这种聚类产生的结果比（b）结果更加接近（a）。
我们建议将不确定性数据的概率密度函数等不确定性信息与现有的数据挖掘方法结合，这样在实际数据可利用于数据挖掘的情况下会使得挖掘结果更接近从真
实数据中获得的结果。
本文研究了不确定性怎么通过把数据聚类当成一种激励范例使用使得不确定性因素与数据挖掘相结合。我们称之为不确定性数据挖掘问题。在本文中，我们为这个领域可能的研究方向提出一个框架。
文章接下来的结构如下。第二章是有关工作综述。在第三章中，我们定义了不确定性数据聚类问题和介绍我们提议的算法。第四章将呈现我们算法在移动目标数据库的应用。详细地的实习结果将在第五章解释。最后在第六章总结论文并提出可能的研究方向。
2.研究背景
近年来，人们对数据不确定性管理有明显的研究兴趣。数据不确定性被为两类，即已存在的不确定生和数值不确定性。在第一种类型中，不管目标或数据元组存在是否，数据本身就已经存在不确定性了。例如，关系数据库中的元组可能与能表现它存在信任度的一个概率值相关联[1,2]。在数据不确定性类型中，一个数据项作为一个封闭的区域,与其值的概率密度函数（PDF）限定了其可能的值[3,4,12,15]。这个模型可以被应用于量化在不断变化的环境下的位置或传感器数据的不精密度。在这个领域里，大量的工作都致力于不精确查找。例如，在[5]中，解决不确定性数据范围查询的索引方案已经被提出。在[4]中，同一作者提出了解决邻近等查询的方案。注意到，所有工作已经把不确定性数据管理的研究结果应用于简化数据库查询中，而不是应用于相对复杂的数据分析和挖掘问题中。
在数据挖掘研究中，聚类问题已经被很好的研究。一个标准的聚类过程由5个主要步骤组成：模式表示，模式定义，模式相似度量的定义，聚类或分组，数据抽象和造工评核[10]。只有小部分关于数据挖掘或不确定性数据聚类的研究被发表。Hamdan与Govaert已经通过运用EM算法解决使混合密度适合不确定性数据聚类的问题 [8]。然而，这个模型不能任意地应用于其他聚类算法因为它相当于为EM定制的。在数据区间的聚类也同样被研究。像城区距离或明考斯基距离等不同距离测量也已经被用来衡量两个区间的相似度。在这些测量的大多数中，区间的概率密度函数并没有被考虑到。另外一个相关领域的研究就是模糊聚类。在模糊逻辑中的模糊聚类研究已经很久远了[13]。在模糊聚类中,一个是数据簇由一组目标的模糊子集组成。每个目标与每个簇都有一个“归属关系度”。换言之，一个目标可以归属于多个簇，与每个簇均有一个度。模糊C均值聚类算法是一种最广泛的使用模糊聚类方法[2,7]。不同的模糊聚类方法已被应用在一般数据或模糊数据中来产生的模糊数据簇。他们研究工作是基于一个模糊数据模型的，而我们工作的开展则基于移
动目标的不确定性模型。
3.不确定数据的分类
在图2中，我们提出一种分类法来阐述数据挖掘方法怎么根据是否考虑数据不准确性来分类。有很多通用的数据挖掘技术，如: 关联规则挖掘、数据分类、数据聚类。当然这些技术需要经过改进才能用于处理不确定性技术。此外，我们区分出数据聚类的两种类型：硬聚类和模糊聚类。硬聚类旨在通过考虑预期的数据来提高聚类的准确性。另一方面，模糊聚类则表示聚类的结果为一个“模糊”表格。模糊聚类的一个例子是每个数据项被赋予一个被分配给数据簇的任意成员的概率。
图2. 不确定性数据挖掘的一种分类
例如，当不确定性被考虑时，会发生一个有意思的问题，即如何在数据集中表示每个元组和关联的不确定性。而且，由于支持和其他指标的概念需要重新定义，不得不考虑改进那些著名的关联规则挖掘算法(如Apriori)。同样地，在数据分类和数据聚集中，传统算法由于未将数据不确定性考虑在内而导致不能起作用。不得不对聚类质心、两个目标的距离、或目标与质心的距离等重要度量作重新定义和进行更深的研究。
4．不确定性数据聚类实例
在这个章节中，我们将以不确定性数据挖掘的例子为大家介绍我们在不确定性数据聚类中的研究工作。这将阐明我们在改进传统数据挖掘算法以适合不确定性数据问题上的想法。
4.1 问题定义
用S 表示V 维向量x i 的集合，其中i=1到n ，这些向量表示在聚类应用中被考
虑的所有记录的属性值。每个记录o i 与一个概率密度函数f i (x)相联系，这个函数
就是o i 属性值x 在时间t 时刻的概率密度函数。我们没有干涉这个不确定性函数的
实时变化，或记录的概率密度函数是什么。平均密度函数就是一个概率密度函数的例子，它描述“大量不确定性”情景中是最糟的情况[3]。另一个常用的就是高斯分布函数，它能够用于描述测量误差[12,15]。
聚类问题就是在数据集簇C j （j 从1到K ）找到一个数据集C ，其中C j 由基于相
似性的平均值c j 构成。不同的聚类算法对应不对的目标函数，但是大意都是最小化
同一数据集目标间的距离和最大化不同数据集目标间的距离。数据集内部距离最小化也被视为每个数据点之间距离x i 以及x i 与对应的C j 中平均值c j 距离的最小化。
在论文中，我们只考虑硬聚类，即，每个目标只分配给一个一个集群的一个元素。
4.2 均值聚类在精确数据中的应用
这个传统的均值聚类算法目的在于找到K(也就是由平均值c j 构成数据集簇C j )中找到一个数据集C 来最小化平方误差总和（SSE ）。平方误差总和通常计算如下：
∑∑
=∈-K j x i j j
i x c 1C 2 (1)
|| . ||表示一个数据点x i 与数据集平均值c j 的距离试题。例如，欧氏距离定义为：
∑=-=-V i i i y x y x 12
(2)
一个数据集C i 的平均值（质心）由下面的向量公式来定义：
∑∈=j C i i j i x C c 1 (3)
均值聚类算法如下：
1. Assign initial values for cluster means c 1 to c K
2. repeat
3. for i = 1 to n do
4. Assign each data point x i to cluster C j where || c j - x i || is the minimum.
5. end for
6. for j = 1 to K do
7. Recalculate cluster mean c j of cluster C j
8. end for
9. until convergence
10. return C
收敛可能基于不同的质心来确定。一些收敛性判别规则例子包括：（1）当平方误差总和小于某一用户专用临界值，（2）当在一次迭代中没有一个目标再分配给不同的数据集和（3）当迭代次数还达到预期的定义的最大值。
4.3 K-means 聚类在不确定性数据中的应用
为了在聚类过程中考虑数据不确定性，我们提出一种算法来实现最小化期望平方误差总和E(SSE)的目标。注意到一个数据对象x i 由一个带有不确定性概率密度
f(x i )的不确定性区域决定。给定一组数据群集，期望平方误差总和可以计算如下：
()i
i K j C i i
j K
j C i i
j K
j C i i j dx x f x c x c E x c E j j
j )(121212∑∑∑∑∑∑=∈=∈=∈-=-=???? ?
?- (4) 数据集平均值可以如下给出: ()∑?∑∑∈∈∈==???? ?
?=j j
j C i i
i i j C i i j C i i j j dx x f x C x E C x C E c )(1
11 (5) 我们到此将提出一种新K-means 算法，即UK-means ，来实现不确定性数据聚类。
1. Assign initial values for cluster means c 1 to c K
2. repeat
3. for i = 1 to n do
4. Assign each data point x i to cluster C j where E(|| c j - x i ||) is the minimum.
5. end for
6. for j = 1 to K do
7. Recalculate cluster mean c j of cluster C j
8. end for
9. until convergence
10. return C
UK-mean 聚类算法与K-means 聚类算法的最大不同点在于距离和群集的计算。
特别地，UK-means 基于数据不确定性模型来计算预期的距离和数据集质心。同时，收敛可按照不同的标准来定义。注意到如果收敛依赖于下平方误差，那么在方程式
（4）中E(SSE)应该替代SSE 使用。
在第4步中，常常很困难用代数方法来确定E(|| c j - x i ||)，特别地，各种各样的几何图形不确定性区域（如，线，圆）和不同的不确定性概率密度函数意味着需要使用数值积分法。鉴于此，比较容易获得的E(|| c j - x i ||2)用来替代E(|| c j - x i ||)。这使我们能够确定在聚类任务（即步骤4）中使用简单的代数表达式。
5．一个案例研究和评估
5.1线性移动不确定性数据聚类
在最后一章提出的UK-means 算法可适用于任意一个不确定性区域和概率密度函数。为了证明方法的可行性，我们将描述所推荐的算法是如何运用于特定于在平面空间中移动的目标的不确定性模型。我们也会介绍算法的评估结果。这个算法已被应用于一个含有单向线性移动不确定性的模型中。在这个模型里，我们需要让每一目标在某一方向移动的位置均匀地分布在一段直线上。
假设我们在一个质心c=(p,q)和一个数据对象x 被指定在一个线性不确定的均匀分布的区域中。让线性不确定性线段的终结点为（a,b ）和（c,d ）。这样这个线性方程式可用参数表示为（a+t(c-a),b+t(d-b)），其中t 属于[0,1]。使用f(t)表示不确定性概率密度函数。同时，不确定性线段的距离表示为 ()()2
2b d a c D ---=。
我们可以得到： ()()
?++=-1
0222)(dt C Bt t D t f x c E (6) 其中B = 2[(c - a) (a - p) + (d - b) (b - q)]
C = (p - a) 2 + (q - b) 2
如果函数f(t)是均匀分布的，那么当f(t)=1时，上面的公式就变成：
()
C B
D
E ++=2322偏差线性不确定性与质心的 (7) 从而我们就能很容易为均匀分布的线性移动不确定性计算出期望平方距离。这些公式很容易被UK-means 算法用于决定群集分配。但是，均匀分布的应用在这里仅仅是一个特定的例子。当概率密度函数不是均匀分布时（如，高斯分布），采样技术可能被用来估计E(|| c j -x i ||)。
5.2实验
实验的开展是为了评估UK-means算法的可行性。我们目标是研究考虑数据不确定性是否会提高聚类质量。我们模拟以下情景：一个可以追踪一组移动目标位置的系统已经拍了一组反应这些目标位置的快照。这个位置数据存在记录集中。其中的每个对象都有着一定的不确定性。我们使用这些不确定性因素来捕捉不确定性信息。接下来我们来比较两种聚类方法的不同之外：（1）把K-means方法应用于记录中和把UK-means方法应用于记录中+不确定性。更具体地说，我们首先一个100×100的二维空间产生一组随机数据点作为记录。对于每个数据点，我们根据单向线性不确定性模型为其随机产生不确定性。一个目标的不确定性规格包括不确定性的类型（双向线性）、目标能够移动的最小距离d以及目标能够移动的方向。
接下来，这些目标的真实位置就根据记录和不确定性来模拟目标已经从累存记录中的原始位置偏移来产生。特别地，对于每个数据点，我们把它的位置记录在案，然后随机产生一个数据决定目标可能的移动距离。如果它属于自由移动（多向）或双向不确定性，那么我们将产生另外一个数据来决定目标可能的移动方向。我们使用实际值来表示这些目标的位置。
理论上，一个系统需要知道实际情况且把K-means方法应用于实际位置中。尽量不是实际的，但是这个聚类结果却可视为聚类结果质量的一个很好的参照。因此，我们计算和比较以下数据集的聚类输出结果：
(1)记录（使用传统K-means）
(2)记录+不确定性（使用UK-means）
(3)真实值（使用传统K-means）
为了核实UK-means算法在产生的数据群集接近从真实数据中产生的数据集群中的作用，我们采用广泛使用的用来计算聚类结果间相似度的调整兰德指数（ARI）[16]。ARI值越高，则两个聚类结果相似度越高。我们将对由（2）与（3）产生的数据群集间的ARI指数和（1）与（3）产生的数据群集间的ARI指数进行比较。
目标的个数(n)、群集的个数（K）以及目标可能移动的最小距离（d）这三个参数的值在实验中将改变。表1呈现是当保持n=1000和K=20时改变d的值所得到的不同实验结果。在不同的参数组合情况下，我们做了500次的实验。每一次实验，我们事先生成记录、不确定性度、实际值的组合。这些数据组合是同时在三种聚类过程中被使用。相同的质心集合也被同时使用到三种聚类过程中，这样可以避免由K-means方法和UK-means方法初始条件引起的偏差。每一次实验，我们允许K-means方法（（1）中和（3）中）和UK-means方法（（2）中）在一直运行到当在群集中的所有目标在两次连续迭代中没有变化时或迭代次数达到10000次时才结束。调整兰德指数和时间间隔由分别的UK-means方法和K-means方法500次实验
取平均值得到。
从表1可以看到，在应用于记录数据中，UK-means算法的调整兰德指数始终比传统K-means算法高。成对测试结果表明，在所有的设置条件下（每一个用例中p < 0.000001）两种方法的调整兰德指数值不同之处是明显的。这个结果表明，由UK-means算法得到的数据群集更接近于从真实世界获得的数据群集。换言，UK-means算法能获得一个数据群集，而这个数据群集是从真实世界可利用数据中得到数据群集的一个较好的预测。
表1. 实验结果
在效率方面，我们发现UK-means方法比K-means方法需要更多的计算时间，但是它常常只需要合理数量的额外时间。这是合乎情理的，因为它考虑了不确定性使得聚类质量更好。
我们通过给n、K及d赋予不同的值且保持其他变量恒定来进行深入地实验。在所有情况下，我们发现UK-means方法比传统的K-means方法改进了，而且两者的差异有统计学意义（如图所示每一种情况试验结果）。我们的初步研究表明当不确定性程度增加时，UK-means算法的改进度也就越高。另一方面，除了当群集的个数非常小的时候，目标的个数和群集的个数对UK-means算法的作用是不会有大的影响。
6. 总结与展望
传统的数据挖掘算法没有考虑数据项中固有的不确定性而且产生的挖掘结果与真实世界的数据不相符。在本论文中，我们提出了在不确定性数据挖掘领域研究的一个分类方法。同时我们以UK-means算法作为案例研究和阐明该算法是如何被应用的。随着由先进传感器设备带来的现实数据日益复杂，我们相信不确定性数据挖掘是一个重要和有意义的研究领域。
感谢
我们要感谢Jackey Ng（香港大学），David Cheung（香港大学），Edward Hung （香港理工大学），和Kevin Yip（耶鲁大学）的宝贵建议。
参考文献
[1]. Barbara, D., Garcia-Molina, H. and Porter, D. “The Management of Probabilistic Data,” IEEE Transactions on Knowledge and Data Engineering, 4(5), 1992.
[2]. Bezdek, J. C. Pattern Recognition with Fuzzy Objective Function Algorithms. Plenum Press, New York(1981).
[3]. Cheng, R., Kalashnikov, D., and Prabhakar, S. “Evaluating Probabilistic Queries over Imprecise Data,”Proceedings of the ACM SIGMOD International Conference on Management of Data, June 2003.
[4]. Cheng, R., Kalashnikov, D., and Prabhakar, S. “Querying Imprecise Data in Moving Object Environments,”IEEE Transactions on Knowledge and Data Engineering, 16(9) (2004) 1112-1127.
[5]. Cheng, R., Xia, X., Prabhakar, S., Shah, R. and Vitter, J. “Efficient Indexing Met hods for Probabilistic Threshold Queries over Uncertain Data,” Proceedings of VLDB, 2004.
[6]. de Souza, R. M. C. R. and de Carvalho, F. de A. T. “Clustering of Interval Data Based on
City–Block Distances,” Pattern Recognition Letters, 25 (2004) 353–365.
[7]. Dunn, J. C. “A Fuzzy Relative of the ISODATA Process and Its Use in Detecting Compact
Well-Separated Clusters,” Journal of Cybernetics, 3 (1973) 32-57.
[8]. Hamdan, H. and Govaert, G. “Mixture Model Clustering of Uncertain Data,” IEEE International Conference on Fuzzy Systems (2005) 879-884.
[9]. Ichino, M., Yaguchi, H. “Generalized Minkowski Metrics for Mixed Feature Type Data Analysis,” IEEE Transactions on Systems, Man and Cybernetics, 24(4) (1994) 698–708.
[10]. Jain, A. and Dubes, R. Algorithms for Clustering Data. Prentice Hall, New Jersey (1988).
[11]. Nilesh N. D. and Suciu, D. “Efficient Query Evaluation on Probabilistic Databases,” VLDB
(2004) 864-875.
[12]. Pfoser D. and Jensen, C. “Capturing the Uncertainty of Moving-objects Representations,”
Proceedings of the SSDBM Conference, 123–132, 1999.
[13]. Ruspini, E. H. “A New Approach to Clustering,” Information Control, 15(1) (1969) 22-32.
[14]. Sato, M., Sato, Y., and Jain, L. Fuzzy Clustering Models and Applications. Physica-Verlag,
Heidelberg(1997).
[15]. Wolfson, O., Sistla, P., Chamberlain, S. and Yesha, Y. “Updating and Querying Databases that
Track Mobile Units,” Distributed and Parallel Databases, 7(3), 1999.
[16]. Yeung, K. and Ruzzo, W. “An Empirical Study on Principal Component Analysis for Clustering
Gene Expression Data,” Bioinformatics, 17(9) (2001) 763-774.
中文参考文献格式 参考文献（即引文出处）的类型以单字母方式标识： M——专著，C——论文集，N——报纸文章，J——期刊文章，D——学位论文，R——报告，S——标准，P——专利；对于不属于上述的文献类型，采用字母“Z”标识。 参考文献一律置于文末。其格式为： （一）专著 示例 [1] 张志建.严复思想研究[M]. 桂林：广西师范大学出版社，1989. [2] 马克思恩格斯全集：第1卷[M]. 北京：人民出版社，1956. [3] [英]蔼理士.性心理学[M]. 潘光旦译注.北京：商务印书馆，1997. （二）论文集 示例 [1] 伍蠡甫.西方文论选[C]. 上海：上海译文出版社，1979. [2] 别林斯基.论俄国中篇小说和果戈里君的中篇小说[A]. 伍蠡甫.西方文论选：下册[C]. 上海：上海译文出版社，1979. 凡引专著的页码，加圆括号置于文中序号之后。 （三）报纸文章 示例 [1] 李大伦.经济全球化的重要性[N]. 光明日报，1998-12-27，（3） （四）期刊文章 示例 [1] 郭英德.元明文学史观散论[J]. 北京师范大学学报（社会科学版），1995（3）. （五）学位论文 示例 [1] 刘伟.汉字不同视觉识别方式的理论和实证研究[D]. 北京：北京师范大学心理系，1998. （六）报告 示例 [1] 白秀水，刘敢，任保平. 西安金融、人才、技术三大要素市场培育与发展研究[R]. 西安：陕西师范大学西北经济发展研究中心，1998. （七）、对论文正文中某一特定内容的进一步解释或补充说明性的注释，置于本页地脚，前面用圈码标识。 参考文献的类型 根据GB3469-83《文献类型与文献载体代码》规定，以单字母标识： M——专著（含古籍中的史、志论著） C——论文集 N——报纸文章 J——期刊文章 D——学位论文 R——研究报告 S——标准 P——专利 A——专著、论文集中的析出文献 Z——其他未说明的文献类型 电子文献类型以双字母作为标识： DB——数据库 CP——计算机程序 EB——电子公告
英文论文APA格式 英文论文一些格式要求与国内期刊有所不同。从学术的角度讲，它更加严谨和科学，并且方便电子系统检索和存档。 版面格式
表格 表格的题目格式与正文相同，靠左边，位于表格的上部。题目前加Table后跟数字，表示此文的第几个表格。 表格主体居中，边框粗细采用0.5磅；表格内文字采用Times New Roman，10磅。 举例： Table 1. The capitals, assets and revenue in listed banks
图表和图片 图表和图片的题目格式与正文相同，位于图表和图片的下部。题目前加Figure 后跟数字，表示此文的第几个图表。图表及题目都居中。只允许使用黑白图片和表格。 举例： Figure 1. The Trend of Economic Development 注：Figure与Table都不要缩写。 引用格式与参考文献 1. 在论文中的引用采取插入作者、年份和页数方式，如"Doe (2001, p.10) reported that …" or "This在论文中的引用采取作者和年份插入方式，如"Doe (2001, p.10) reported that …" or "This problem has been studied previously (Smith, 1958, pp.20-25)。文中插入的引用应该与文末参考文献相对应。 举例：Frankly speaking, it is just a simulating one made by the government, or a fake competition, directly speaking. (Gao, 2003, p.220). 2. 在文末参考文献中，姓前名后，姓与名之间以逗号分隔；如有两个作者，以and连接；如有三个或三个以上作者，前面的作者以逗号分隔，最后一个作者以and连接。 3. 参考文献中各项目以“点”分隔，最后以“点”结束。 4. 文末参考文献请按照以下格式：
《海量数据挖掘技术及工程实践》题目 一、单选题（共80题） 1)( D )的目的缩小数据的取值范围，使其更适合于数据挖掘算法的需要，并且能够得到 和原始数据相同的分析结果。 A.数据清洗 B.数据集成 C.数据变换 D.数据归约 2)某超市研究销售纪录数据后发现，买啤酒的人很大概率也会购买尿布，这种属于数据挖 掘的哪类问题？(A) A. 关联规则发现 B. 聚类 C. 分类 D. 自然语言处理 3)以下两种描述分别对应哪两种对分类算法的评价标准？ (A) (a)警察抓小偷，描述警察抓的人中有多少个是小偷的标准。 (b)描述有多少比例的小偷给警察抓了的标准。 A. Precision,Recall B. Recall,Precision A. Precision,ROC D. Recall,ROC 4)将原始数据进行集成、变换、维度规约、数值规约是在以下哪个步骤的任务？(C) A. 频繁模式挖掘 B. 分类和预测 C. 数据预处理 D. 数据流挖掘 5)当不知道数据所带标签时，可以使用哪种技术促使带同类标签的数据与带其他标签的数 据相分离？(B) A. 分类 B. 聚类 C. 关联分析 D. 隐马尔可夫链 6)建立一个模型，通过这个模型根据已知的变量值来预测其他某个变量值属于数据挖掘的 哪一类任务？(C) A. 根据内容检索 B. 建模描述 C. 预测建模 D. 寻找模式和规则 7)下面哪种不属于数据预处理的方法？ (D) A.变量代换 B.离散化
C.聚集 D.估计遗漏值 8)假设12个销售价格记录组已经排序如下：5, 10, 11, 13, 15, 35, 50, 55, 72, 92, 204, 215 使用如下每种方法将它们划分成四个箱。等频（等深）划分时，15在第几个箱子内？ (B) A.第一个 B.第二个 C.第三个 D.第四个 9)下面哪个不属于数据的属性类型：(D) A.标称 B.序数 C.区间 D.相异 10)只有非零值才重要的二元属性被称作：( C ) A.计数属性 B.离散属性 C.非对称的二元属性 D.对称属性 11)以下哪种方法不属于特征选择的标准方法： (D) A.嵌入 B.过滤 C.包装 D.抽样 12)下面不属于创建新属性的相关方法的是： (B) A.特征提取 B.特征修改 C.映射数据到新的空间 D.特征构造 13)下面哪个属于映射数据到新的空间的方法？ (A) A.傅立叶变换 B.特征加权 C.渐进抽样 D.维归约 14)假设属性income的最大最小值分别是12000元和98000元。利用最大最小规范化的方 法将属性的值映射到0至1的范围内。对属性income的73600元将被转化为：(D) A.0.821 B.1.224 C.1.458 D.0.716 15)一所大学内的各年纪人数分别为：一年级200人，二年级160人，三年级130人，四年 级110人。则年级属性的众数是： (A) A.一年级 B.二年级 C.三年级 D.四年级
ZigBee：无线技术，低功耗传感器网络 加里莱格 美国东部时间2004年5月6日上午12:00 技师（工程师）们在发掘无线传感器的潜在应用方面从未感到任何困难。例如，在家庭安全系统方面，无线传感器相对于有线传感器更易安装。而在有线传感器的装置通常占无线传感器安装的费用80%的工业环境方面同样正确（适用）。而且相比于有线传感器的不切实际甚至是不肯能而言，无线传感器更具应用性。虽然，无线传感器需要消耗更多能量，也就是说所需电池的数量会随之增加或改变过于频繁。再加上对无线传感器由空气传送的数据可靠性的怀疑论，所以无线传感器看起来并不是那么吸引人。 一个低功率无线技术被称为ZigBee，它是无线传感器方程重写，但是。一个安全的网络技术，对最近通过的IEEE 802.15.4无线标准（图1）的顶部游戏机，ZigBee的承诺，把无线传感器的一切从工厂自动化系统到家庭安全系统，消费电子产品。与802.15.4的合作下，ZigBee提供具有电池寿命可比普通小型电池的长几年。ZigBee设备预计也便宜，有人估计销售价格最终不到3美元每节点，。由于价格低，他们应该是一个自然适应于在光线如无线交换机，无线自动调温器，烟雾探测器和家用产品。 （图1）
虽然还没有正式的规范的ZigBee存在（由ZigBee联盟是一个贸易集团，批准应该在今年年底），但ZigBee的前景似乎一片光明。技术研究公司 In-Stat/MDR在它所谓的“谨慎进取”的预测中预测，802.15.4节点和芯片销售将从今天基本上为零，增加到2010年的165万台。不是所有这些单位都将与ZigBee结合，但大多数可能会。世界研究公司预测的到2010年射频模块无线传感器出货量4.65亿美量，其中77％是ZigBee的相关。 从某种意义上说，ZigBee的光明前途在很大程度上是由于其较低的数据速率20 kbps到250 kbps的，用于取决于频段频率（图2），比标称1 Mbps的蓝牙和54的802.11g Mbps的Wi - Fi的技术。但ZigBee的不能发送电子邮件和大型文件，如Wi - Fi功能，或文件和音频，蓝牙一样。对于发送传感器的读数，这是典型的数万字节数，高带宽是没有必要，ZigBee的低带宽有助于它实现其目标和鲁棒性的低功耗，低成本。 由于ZigBee应用的是低带宽要求，ZigBee节点大部分时间可以睡眠模式，从而节省电池电源，然后醒来，快速发送数据，回去睡眠模式。而且，由于ZigBee 可以从睡眠模式过渡到15毫秒或更少主动模式下，即使是睡眠节点也可以达到适当的低延迟。有人扳动支持ZigBee的无线光开关，例如，将不会是一个唤醒延迟知道前灯亮起。与此相反，支持蓝牙唤醒延迟通常大约三秒钟。 一个ZigBee的功耗节省很大一部分来自802.15.4无线电技术，它本身是为低功耗设计的。 802.15.4采用DSSS（直接序列扩频）技术，例如，因为（跳频扩频）另类医疗及社会科学院将在保持一样使用它的频率过大的权力同步。 ZigBee节点，使用802.15.4，是几个不同的沟通方式之一，然而，某些方面比别人拥有更多的使用权力。因此，ZigBee的用户不一定能够实现传感器网络上的任何方式选择和他们仍然期望多年的电池寿命是ZigBee的标志。事实
超详细中英文论文参考文献标准格式 1、参考文献和注释。按论文中所引用文献或注释编号的顺序列在论文正文之后，参考文献之前。图表或数据必须注明来源和出处。 （参考文献是期刊时，书写格式为： [编号]、作者、文章题目、期刊名（外文可缩写）、年份、卷号、期数、页码。参考文献是图书时，书写格式为： [编号]、作者、书名、出版单位、年份、版次、页码。） 2、附录。包括放在正文内过份冗长的公式推导，以备他人阅读方便所需的辅助性数学工具、重复性数据图表、论文使用的符号意义、单位缩写、程序全文及有关说明等。 参考文献（即引文出处）的类型以单字母方式标识，具体如下： [M]--专著,著作 [C]--论文集(一般指会议发表的论文续集，及一些专题论文集，如《***大学研究生学术论文集》[N]-- 报纸文章 [J]--期刊文章：发表在期刊上的论文，尽管有时我们看到的是从网上下载的（如知网），但它也是发表在期刊上的，你看到的电子期刊仅是其电子版 [D]--学位论文：不区分硕士还是博士论文 [R]--报告：一般在标题中会有"关于****的报告"字样 [S]-- 标准 [P]--专利 [A]--文章：很少用，主要是不属于以上类型的文章 [Z]--对于不属于上述的文献类型，可用字母"Z"标识，但这种情况非常少见 常用的电子文献及载体类型标识： [DB/OL] --联机网上数据(database online) [DB/MT] --磁带数据库(database on magnetic tape) [M/CD] --光盘图书(monograph on CDROM) [CP/DK] --磁盘软件(computer program on disk) [J/OL] --网上期刊(serial online) [EB/OL] --网上电子公告(electronic bulletin board online) 很显然，标识的就是该资源的英文缩写，/前面表示类型，/后面表示资源的载体，如OL表示在线资源 二、参考文献的格式及举例 1．期刊类 【格式】[序号]作者.篇名[J].刊名,出版年份,卷号(期号)起止页码. 【举例】 [1] 周融，任志国，杨尚雷，厉星星.对新形势下毕业设计管理工作的思考与实践[J].电气电子教学学报，2003(6):107-109. [2] 夏鲁惠.高等学校毕业设计(论文)教学情况调研报告[J].高等理科教育,2004(1):46-52. [3] Heider, E.R.& D.C.Oliver. The structure of color space in naming and memory of two languages [J]. Foreign Language Teaching and Research, 1999, (3): 62 67. 2．专著类
贯彻落实科学发展观大力发展节能与绿色建筑 （2005年2月23日） 中华人民共和国建设部 节能建筑是按节能设计标准进行设计和建造、使其在使用过程中降低能耗的建筑。 绿色建筑是指为人们提供健康、舒适、安全的居住、工作和活动的空间，同时在建筑全生命周期（物料生产，建筑规划、设计、施工、运营维护及拆除过程）中实现高效率地利用资源（能源、土地、水资源、材料）、最低限度地影响环境的建筑物。绿色建筑也有人称之为生态建筑、可持续建筑。 一、发展节能与绿色建筑的重要意义 建筑作为人工环境，是满足人类物质和精神生活需要的重要组成部分。然而，人类对感官享受的过度追求，以及不加节制的开发与建设，使现代建筑不仅疏离了人与自然的天然联系和交流，也给环境和资源带来了沉重的负担。据统计，人类从自然界所获得的50％以上的物质原料用来建造各类建筑及其附属设施，这些建筑在建造与使用过程中又消耗了全球能源的50％左右；在环境总体污染中，与建筑有关的空气污染、光污染、电磁污染等就占了34％；建筑垃圾则占人类活动产生垃圾总量的40％；在发展中国家，剧增的建筑量还造成侵占土地、破坏生态环境等现象日益严重。中国正处于工业化和城镇化快速发展阶段，要在未来15年保持GDP年均增长7％以上，将面临巨大的资源约束瓶颈和环境恶化压力。严峻的事实告诉我们，中国要走可持续发展道路，发展节能与绿色建筑刻不容缓。 绿色建筑通过科学的整体设计，集成绿色配置、自然通风、自然采光、低能耗围护结构、新能源利用、中水回用、绿色建材和智能控制等高新技术，具有选址规划合理、资源利用高效循环、节能措施综合有效、建筑环境健康舒适、废物排放减量无害、建筑功能灵活适宜等六大特点。它不仅可以满足人们的生理和心理需求，而且能源和资源的消耗最为经济合理，对环境的影响最小。 胡锦涛同志指出：要大力发展节能省地型住宅，全面推广节能技术，制定并强制执行节能、节材、节水标准，按照减量化、再利用、资源化的原则，搞好资源综合利用，实现经济社会的可持续发展。温家宝和曾培炎同志也多次指出，建筑节能不仅是经济问题，而且是重要的战略问题。 发展节能与绿色建筑是建设领域贯彻“三个代表”重要思想和十六大精神，认真落实以人为本，全面、协调、可持续的科学发展观，统筹经济社会发展、人与
A. 变量代换 B. 离散化 海量数据挖掘技术及工程实践》题目 、单选题(共 80 题) 1) ( D ) 的目的缩小数据的取值范围，使其更适合于数据挖掘算法的需要，并且能够得 到 和原始数据相同的分析结果。 A. 数据清洗 B. 数据集成 C. 数据变换 D. 数据归约 2) 某超市研究销售纪录数据后发现，买啤酒的人很大概率也会购买尿布，这种属于数 据挖 掘的哪类问题 (A) A. 关联规则发现 B. 聚类 C. 分类 D. 自然语言处理 3) 以下两种描述分别对应哪两种对分类算法的评价标准 (A) (a) 警察抓小偷，描述警察抓的人中有多少个是小偷的标准。 (b) 描述有多少比例的小偷给警察抓了的标准。 据相分离 (B) 哪一类任务 (C) A. 根据内容检索 B. 建模描述 7) 下面哪种不属于数据预处理的方法 (D) A. Precision,Recall B. Recall,Precision A. Precision,ROC D. Recall,ROC 4) 将原始数据进行集成、 变换、维度规约、数值规约是在以下哪个步骤的任务 (C) 5) A. 频繁模式挖掘 C. 数据预处理 B. D. 当不知道数据所带标签时， 分类和预测 数据流挖掘 可以使用哪种技术促使带同类标签的数据与带其他标签的数 6) A. 分类 C. 关联分析 建立一个模型， B. D. 聚类 隐马尔可夫链 通过这个模型根据已知的变量值来预测其他某个变量值属于数据挖掘的 C. 预测建模 D. 寻找模式和规则
C.聚集 D. 估计遗漏值 8) 假设12 个销售价格记录组已经排序如下：5, 10, 11, 13, 15, 35, 50, 55, 72, 92, 204, 215 使用如下每种方法将它们划分成四个箱。等频(等深)划分时，15 在第几个箱子内(B) A. 第一个 B. 第二个 C. 第三个 D. 第四个 9) 下面哪个不属于数据的属性类型：(D) A. 标称 B. 序数 C.区间 D. 相异 10) 只有非零值才重要的二元属性被称作：( C ) A. 计数属性 B. 离散属性 C.非对称的二元属性 D. 对称属性 11) 以下哪种方法不属于特征选择的标准方法：(D) A. 嵌入 B. 过滤 C.包装 D. 抽样 12) 下面不属于创建新属性的相关方法的是：(B) A. 特征提取 B. 特征修改 C. 映射数据到新的空间 D. 特征构造 13) 下面哪个属于映射数据到新的空间的方法(A) A. 傅立叶变换 B. 特征加权 C. 渐进抽样 D. 维归约 14) 假设属性income 的最大最小值分别是12000元和98000 元。利用最大最小规范化的方 法将属性的值映射到0 至 1 的范围内。对属性income 的73600 元将被转化为：(D) 15) 一所大学内的各年纪人数分别为：一年级200人，二年级160人，三年级130 人，四年 级110 人。则年级属性的众数是：(A) A. 一年级 B. 二年级 C. 三年级 D. 四年级 16) 下列哪个不是专门用于可视化时间空间数据的技术：(B) A. 等高线图 B. 饼图
AVI 影音文件Audio Video Interleaved 声音图象交叉存取。AVI是一种微软媒体文件格式，类似于MPEG和QuickTime。在AVI中，声音和图象是交叉的存取在一个文件中的每个段的。 ADSL 非对称数字用户线路 非对称数字用户线路。这种DSL叫做非对称DSL，将成为广大家庭和小型商业客户最熟悉的一种DSL。ADSL之所以叫做非对称是因为它的两个双工通道都用来向用户传输数据。仅有很小一部分带宽用来回送用户的信息。然而，大部Internet 特别是富于图形和多媒体Web 数据需要很大的下传带宽，同时用户信息相对比较少，上传的带宽也不要很大。使用ADSL时，下传的速率可以达到6.1 Mbps，而上传速率也可以达到640 Kbps。高的下传速率意味着您的电话可以传输动画，声音和立体图形。另外，一小部分的带宽可以用来传输语音信号，您可以同时打电话而不用再使用第二条电话线。不象电视线路提供的相同的服务，使用ADSL，您不需要和您的邻居争用带宽。有时候，现有的电话线可以使用ADSL，而有时候却要升级，除非电话公司提供了无分离器的ADSL，您就必须安装一个DSL调制解调器。 ASP (Application Services Provider) 应用服务提供商 是指配置、租赁、管理应用解决方案，它是随着外包趋势、软件应用服务和相关业务的发展而逐渐形成的。ASP具有三大特点：首先，ASP向用户提供的服务应用系统本身的所有权属ASP，用户租用服务之后对应用系统拥有使用权；并且，应用系统被集中放置在ASP的IDC（Internet数据服务中心）中，具有充足的带宽、电力和空间保证以及具有专业质量的系统维护服务；ASP定期向用户收取服务费。应用服务提供商将以全新的方式推动应用服务产业的巨大发展。ATM (Asynchronous Transmission Mode) 异步传输模式 这是为满足宽带综合业务数据通信，在分组交换技术的基础上迅速发展起来的通信新技术。可以实现语音、数据、图像、视频等信号的高速传输。 AI (Artificial Intelligent) 人工智能 是计算机科学的一门研究领域。它试图赋予计算机以人类智慧的某些特点，用计算机来模拟人的推理、记忆、学习、创造等智能特征，主要方法是依靠有关知识进行逻辑推理，特别是利用经验性知识对不完全确定的事实进行的精确性推理。 AD 网上广告 指一则按规定象素尺寸或字节数设定的标语或图像，通常是以动画表现的。 Baseband 基带 在该方式中，电压脉冲直接加到电缆，并且使用电缆的整个信号频率范围。基带与宽带传输相比较，宽带传输中，来自多条信道的无线信号调制到不同的“载波”频率上，带宽被划分为不同信道，每信道上的频率范围一定。LocalTalk及以太网都是基带网络，一次仅传输一个信号，电缆上信号电平的改变表示数字值0或者1。使用电缆的整个带宽建立起两个系统间的通信对话，然后两个系统轮流传送。在此期间，共享电缆的其它系统不能传送。基带传输系统中的直流信号往往由于电阻、电容等因素而衰减。另外马达、荧光灯等电子设备产生的外部电磁干扰也会加快信号的衰减。传输率越高，信号就越容易被衰减。为此，以太网等建网标准规定了网络电缆类型、电缆屏蔽、电缆距离、传输率以及在大部分环境中提供相对无差错服务的有关细节。 BBS (Bulletin Board System) 电子公告板 这是因特网提供的一种信息服务，为用户提供一个公用环境，以使寄存函件，读取通告，参与讨论和交流信息。Bluetooth 蓝牙(一种无线通信的标准) 蓝牙技术涉及一系列软硬件技术、方法和理论，包括：无线通信与网络技术，软件工程、软件可靠性理论，协议的正确性验证、形式化描述和一致性与互联测试技术，嵌入式实时操作系统（Embedded RTOS），跨平台开发和用户界面图形化技术，软/硬件接口技术（如RS232，UART，USB等)，高集成、低功耗芯片技术等。蓝牙的目标是要提供一种通用的无线接口标准，用微波取代传统网络中错综复杂的电缆，在蓝牙设备间实现方便快捷、灵活安全、低成本低功耗的数据和话音通信。因此，其载频选用在全球都可用的2.45GHz ISM（工业、科学、医学）频带。 CA (Certificate Authority）认证中心 是在线交易的监督者和担保人，主要进行电子证书管理、电子贸易伙伴关系建立和确认、密钥管理、为支付系统中的各参与方提供身份认证等。CA类似于现实生活中公证人的角色，具有权威性，是一个普遍可信的第三方。
大数据外文翻译参考文献综述 (文档含中英文对照即英文原文和中文翻译) 原文： Data Mining and Data Publishing Data mining is the extraction of vast interesting patterns or knowledge from huge amount of data. The initial idea of privacy-preserving data mining PPDM was to extend traditional data mining techniques to work with the data modified to mask sensitive information. The key issues were how to modify the data and how to recover the data mining result from the modified data. Privacy-preserving data mining considers the problem of running data mining algorithms on confidential data that is not supposed to be revealed even to the party
running the algorithm. In contrast, privacy-preserving data publishing (PPDP) may not necessarily be tied to a specific data mining task, and the data mining task may be unknown at the time of data publishing. PPDP studies how to transform raw data into a version that is immunized against privacy attacks but that still supports effective data mining tasks. Privacy-preserving for both data mining (PPDM) and data publishing (PPDP) has become increasingly popular because it allows sharing of privacy sensitive data for analysis purposes. One well studied approach is the k-anonymity model [1] which in turn led to other models such as confidence bounding, l-diversity, t-closeness, (α,k)-anonymity, etc. In particular, all known mechanisms try to minimize information loss and such an attempt provides a loophole for attacks. The aim of this paper is to present a survey for most of the common attacks techniques for anonymization-based PPDM & PPDP and explain their effects on Data Privacy. Although data mining is potentially useful, many data holders are reluctant to provide their data for data mining for the fear of violating individual privacy. In recent years, study has been made to ensure that the sensitive information of individuals cannot be identified easily. Anonymity Models, k-anonymization techniques have been the focus of intense research in the last few years. In order to ensure anonymization of data while at the same time minimizing the information
中英文参考文献格式! (細節也很重要啊。。）来源：李菲玥的日志 规范的参考文献格式 一、参考文献的类型 参考文献（即引文出处）的类型以单字母方式标识，具体如下： M——专著C——论文集N——报纸文章J——期刊文章 D——学位论文R——报告S——标准P——专利 A——文章 对于不属于上述的文献类型，采用字母“Z”标识。 常用的电子文献及载体类型标识： ［ＤＢ/OL］——联机网上数据(database online) ［DB/MT］——磁带数据库(database on magnetic tape) ［Ｍ/CD］——光盘图书(monograph on CD ROM) ［ＣＰ／DK］——磁盘软件(computer program on disk) ［Ｊ／ＯＬ］——网上期刊(serial online) ［ＥＢ/OL］——网上电子公告(electronic bulletin board online) 对于英文参考文献，还应注意以下两点： ①作者姓名采用“姓在前名在后”原则，具体格式是：姓，名字的首字母. 如：Malcolm R ichard Cowley 应为：Cowley, M.R.，如果有两位作者，第一位作者方式不变，&之后第二位作者名字的首字母放在前面，姓放在后面，如：Frank Norris 与Irving Gordon应为：Norri s, F. & I.Gordon.； ②书名、报刊名使用斜体字，如：Mastering English Literature，English Weekly。二、参考文献的格式及举例 1．期刊类 【格式】[序号]作者.篇名[J].刊名，出版年份，卷号（期号）：起止页码. 【举例】 [1] 周融，任志国，杨尚雷，厉星星.对新形势下毕业设计管理工作的思考与实践[J].电气电子教学学报，2003(6)：107-109.
动脉粥样硬化所导致的心脑血管疾病是目前发病率和死亡率较高的疾病之一。在动脉粥样硬化的形成过程中, 内皮细胞病变是其中极其重要的因素，最显著的变化是动脉内皮功能紊乱, 血管内皮细胞的损伤和功能改变是动脉粥样硬化发生的起始阶段。 Cardiovascular and cerebrovascular disease caused by atherosclerosis is one of diseases with higher mortality and morbidity at present . In the formation of atherosclerosis, the endothelial cell lesion is one of the most important factors, in which, the most significant change is endothelial dysfunction. In addition, the injuries and the changes of vascular endothelial cells are the initial factors of atherosclerosis. 许多因素会导致血管内皮细胞受损, 主要包括脂多糖(Lipopolysaccharides , LPS)、炎症介质、氧自由基等。其中脂多糖因其广泛的生物学作用, 越来越引起研究者的关注。LPS 是一种炎症刺激物, 是革兰阴性杆菌细胞壁的主要组成成分，其通过刺激血管内皮细胞，引起其相关细胞因子和炎性因子的表达紊乱，尤其是Ca2+ 和活性氧簇(Reactive Oxygen Species , ROS的合成和释放发生改变诱导细胞氧化应激内环境紊乱。大量研究表明, LPS 直接参与动脉粥样硬化的形成过程, 特别是动脉粥样硬化血管炎症的初始阶段, LPS可通过直接作用或间接影响的方式激活并损伤内皮细胞，从而引 起血管内皮细胞形态与功能的改变。 Many factors induce vascular endothelial cell damage, including lipopolysaccharides (LPS), inflammatory mediators and oxygen free
《计算机科学与技术前沿》 课程论文 大数据背景下数据挖掘技术的应用 2016年1月7日 题目 学院 学号 姓名 指导老师 日期
大数据背景下数据挖掘技术的应用 摘要 当今社会是一个信息化社会的时代，同时又是一个大数据时代。随着互联网、物联网、云计算和人工智能等信息技术和计算机产业的不断发展和进步，使得数据的处理成为一个亟待解决的问题。因此在大数据的背景下,如何高效地从大量包含有用数据的库获得有用信息已成为企业和科研工作重点关注的点，而这一工作涉及的关键技术就是数据挖掘技术。总得说，数据处理的需要既给数据挖掘技术带来了机遇，于此同时带来了一系列的挑战。 本文分别从企业、图书管理和情报学领域三个方面阐述数据挖掘技术的应用，同时对它的发展现状、存在的问题和未来的发展趋势进行了一些阐述，从而加深了对数据挖掘技术的理解，以便更好地了解数据挖掘在各个领域的应用，最后对数据挖掘技术的应用进行一个整体的总结。 【关键字】：大数据；数据挖掘；数据挖掘的应用
Application of data mining technology in the context of data Abstract Today is the age of information society,but it is also an age of big data．With development and progress of information technology and the computer industry which include the Internet, the Internet of things, cloud computing and artificial intelligence, data processing has become an urgent problem．Therefore,in the context of big data,how to get useful information from a large library of useful data have become focuses of enterprises and scientific and research work．The work involved is the key technology of data mining．In General spedking, data processing needs for data mining technology, and at the same time poses a series of challenges． The paper aims to account the development present situation,existing problems,and developmenttrend in the future based on companies,library management and the field of information science development,so as to enhance understanding of the data mining technology ,to better understand data mining applications in various fields,and to draw an overall summary of the application of data mining technology． 【Key words】：Large amounts of data；Data mining；Application of data mining
【附录】 英文文献 The Application of one point Multiple Access Spread Spectrum Communication System Liu Jiangang, Nanyang City, HenanProvince Electric Power Industry Bureau 【ABSTRACT】Spread Spectrum Digital Microwave communication as a communication, because their excellent performance have been widely used. The article in Nanyang City Power Industry Bureau one point Multiple Access Spread Spectrum Communication System as an example.briefed the spread spectrum communications, the basic concept and characteristics of the power system communication applications .KEYWORDS：one point multiple access; Spread-spectrum communication; Attenuation Nanyang City in the outskirts of Central cloth 35 to 11 kv substation farm terminals, their operation management rights belong to the Council East, Rural Power Company west (the eastern suburb of agricultural management companies -- four, the western suburbs of Rural Power Company Management 7), Scheduling of the various stations of the means of communication to the original M-150 radio and telephone posts. 2002 With the transformation of rural network, the remote station equipment into operation and communication channels to put a higher demand .As PUC Dispatch Communication Building to the east and west of farmers -- the difference between a company linked to fiber, Therefore, if 11 substations and the establishment of a transfer Link Building links Point may be the data and voice were sent to two rural power companies dispatch room, Rural Network scheduling for the implementation of automation to create the necessary conditions. Given the status and power grid substation level, nature, taking into account the carrier and optical-fiber communications to conduct multiple forwarding, increasing the instability factor, considering the cost and conditions of the urban construction, Finally decided to adopt wireless spread-spectrum technology to establish that 11
英文引用及参考文献格式要求 一、参考文献的类型 参考文献（即引文出处）的类型以单字母方式标识，具体如下： M——专著C——论文集N——报纸文章 J——期刊文章D——学位论文R——报告 对于不属于上述的文献类型，采用字母“Z”标识。 对于英文参考文献，还应注意以下两点： ①作者姓名采用“姓在前名在后”原则，具体格式是：姓，名字的首字母.如：MalcolmRichardCowley应为：Cowley,M.R.，如果有两位作者，第一位作者方式不变，&之后第二位作者名字的首字母放在前面，姓放在后面，如：FrankNorris与IrvingGordon应为：Norris,F.&I.Gordon.； ②书名、报刊名使用斜体字，如：MasteringEnglishLiterature，EnglishWeekly。 二、参考文献的格式及举例 1.期刊类 【格式】[序号]作者.篇名[J].刊名，出版年份，卷号（期号）：起止页码. 【举例】 [1]王海粟.浅议会计信息披露模式[J].财政研究，2004,21(1)：56-58. [2]夏鲁惠.高等学校毕业论文教学情况调研报告[J].高等理科教育，2004(1):46-52. [3]Heider,E.R.&D.C.Oliver.Thestructureofcolorspaceinnamingandmemo ryoftwolanguages[J].ForeignLanguageTeachingandResearch,1999,(3):62–6 7. 2.专著类 【格式】[序号]作者.书名[M].出版地：出版社，出版年份：起止页码. 【举例】[4]葛家澍，林志军.现代西方财务会计理论[M].厦门：厦门大学出版社，2001：42. [5]Gill,R.MasteringEnglishLiterature[M].London:Macmillan,1985:42-45. 3.报纸类 【格式】[序号]作者.篇名[N].报纸名，出版日期（版次）. 【举例】 [6]李大伦.经济全球化的重要性[N].光明日报，1998-12-27(3). [7]French,W.BetweenSilences:AVoicefromChina[N].AtlanticWeekly,198 715(33). 4.论文集 【格式】[序号]作者.篇名[C].出版地：出版者，出版年份：起始页码. 【举例】 [8]伍蠡甫.西方文论选[C].上海：上海译文出版社，1979：12-17. [9]Spivak,G.“CantheSubalternSpeak?”[A].InC.Nelson&L.Grossberg(e ds.).VictoryinLimbo:Imigism[C].Urbana:UniversityofIllinoisPress,1988, pp.271-313.