《复杂环境下的移动k近邻查询处理技术研究》从受限空间中移动k近邻的典型特征和挑战出发，针对受限空间中移动k近邻的关键技术展开研究，如预处理技术、实时查询处理技术和安全区域划分技术等，从而提供高效健壮的受限空间中移动k近邻查询处理方法，支持实时的移动近邻查询。《复杂环境下的移动k近邻查询处理技术研究》的研究提升了用户对自己周围信息的了解能力，为基于位置的服务应用提供了有力的支持。

暂缺简介...

备战OCP认证考试1Z0-063的完整学习体系本书旨在帮助读者备战Oracle Certifi ed Professional Oracle Database 12c Advanced Administration考试。书中的每一章都提供了极具挑战性的练习、认证小结、知识点回顾和自测题，以强化该章所介绍的主题。这本权威指南不仅可以帮助读者顺利通过考试，还可以作为工作中必不可少的参考手册。本书全面覆盖了1Z0-063考试的所有OCP目标，其中包括：●　配置和管理Oracle恢复管理器（Oracle RMAN）●　使用Oracle RMAN恢复目录●　执行备份和恢复●　诊断数据库故障，使用自动诊断仓库●　加密、保护、监视和调整Oracle RMAN备份●　配置和使用闪回功能●　传输和复制表空间和数据库●　创建和管理多租户容器数据库和可插入数据库●　使用Oracle Data Pump、SQL *Loader和审核功能

本书分为六部分，共16章。第一部分（第1～4章）讨论对数据质量和数据管理意义重大的一组术语，涉及数据的扩展定义、符号性功能、与数据和数据管理相关的角色、与数据管理相关的概念以及数据质量维度的概念。第二部分（第5章和第6章）描述创建DQAF的原因，概括框架的假设、定义和管理思路，并给出48种测量类型的简短描述。第三部分（第7～9章）阐释数据评估方案，涉及数据评估的目标与输入、如何剖析数据、测量与数据质量改进项目的关系以及将持续测量用于维持数据质量的一般原则。第四部分（第10章和第11章）展示DQAF类别如何用于编制数据质量的需求，以便指定数据质量的联机测量、控制和定期测量。第五部分（第12章和第13章）讨论定义数据质量战略的环境和方法，涉及数据质量战略的概念与总体策略，还讨论建立组织的数据质量战略的12个指令。第六部分（第14～16章）详细讨论DQAF的框架，涉及联机测量中如何收集与计算原始测量数据，如何产生测量结果，以及DQAF测量逻辑数据模型的测量类型共有的功能。

本书在逻辑上可分为五个部分：第一部分：包含第1章和第2章，该部分主要是讲解SAPHANA服务器的各个组件，原生项目的开发架构，以及通过SAPHANA工作台快速了解系统的一些操作。第二部分：包含第3章和第4章，这部分以信息建模、SQLScript为主，这部分内容相对独立，而且早于XS应用出现在HANA系统中，但因后续的XS项目示例中会应用这两个章中所学习的知识，所以本书加入了该部分。第三部分：包含第5~8章，这部分包含了HANA原生应用开发绝大部分内容，包含XS项目的创建、核心数据服务、访问控制、XSJS、OData和UI5的集成等。第四部分：包含第9~11章，这部分内容是用一个例子来说明，涉及HANAXS原生应用的开发过程及所涉及的全部对象。第五部分：包含第12章和第13章及附录。这部分内容讲解HANA应用上线后如何进行运维、团队如何进行协同开发，以及如何实现系统的高可用。在附录部分，提供了作者的很多经验和心得。

本书共11章。第1章介绍常见的流数据的来源、应用以及三个重要特性：持续交付、结构松散和高基数，并阐释对流数据使用基础架构和算法的重要性。第2~6章介绍实时流架构的各组件涉及的软件、框架和方法。第2章概述实时流架构设计涉及的组件、特性、编程语言等。第3章介绍实时流架构的服务配置和协调，重点介绍协调服务器ZooKeeper。第4章阐述实时流架构中数据流程的管理，涉及用来管理数据流程的两个软件包Kafka和Flume。第5章分析流数据的处理，涉及如何用Storm或Samza来处理数据。第6章介绍流数据的存储问题。第7~11章重点关注流数据架构的应用构建问题。第7章讨论从流环境向最终用户的数据交付问题。这是构建仪表板以及其他监控应用所使用的核心机制。第8章涵盖流环境下的聚集计算问题，特别是对多分辨率时间序列数据的聚集计算问题。第9章简要介绍统计学和概率论的基础知识。第10章讨论略图，略图通常具有更快的更新速度和更小的内存占用空间，特别适合流环境。第11章讨论聚集计算之外能够应用于流数据的一些更深入的话题。

大数据不仅意味着数据的积累、存储与管理，更意味着大数据的分析。数据挖掘无可争议地成为当今大数据分析的核心利器。R语言因彻底的开放性策略业已跻身数据挖掘工具之首列。本书以“R语言数据挖掘入门并不难”为开篇，总览了数据挖掘的理论和应用轮廓，明确了R语言入门的必备知识和学习路线，并展示了数据挖掘的初步成果，旨在使读者快速起步数据挖掘实践。后续围绕数据挖掘应用的四大核心方面，安排了数据预测篇：立足数据预测未知，数据分组篇：发现数据中的自然群组，数据关联篇：发现数据的内在关联性，离群数据探索篇：发现数据中的离群点。每篇下各设若干章节，各章节从简单易懂且具代表性的案例问题入手，剖析理论方法原理，讲解R语言实现，并给出案例的R语言数据挖掘代码和结果解释。本书内容覆盖之广泛，原理讲解之通俗，R语言实现步骤之详尽，在国内外同类书籍中尚不多见。相关数据资料及电子教案，可登录华信教育资源网www.hxedu.com.cn免费下载。

暂缺简介...

本书结合大数据最新技术趋势和中兴通讯的长期实践，对大数据技术提出系统的理解，对大数据研究提供了初步的思路和建议。本书首先从大数据的需求和现状出发，分析目前大数据出现的问题，然后针对这些问题对大数据存储、大数据处理，以及大数据的可视化进行了充分的探索。

本书旨在为已有一定基础的R用户提供现成的方法来实现重要的数据分析任务。全书共分为11章。第1章涵盖了进行真正的数据分析任务之前的准备工作。第2章讨论了数据分析师在实施特定的分析手段之前常用的理解数据的做法。第3章涵盖了运用分类技术肚饿方法。第4章是关于回归技术的方法。第5章介绍数据简化。第6章介绍时间序列分析。第7章讨论了社交网络分析。第8章介绍制作文档和呈现分析的方法。第9章解决了面对大型数据如何书写高效且简洁的R代码的问题。第10章讨论了R在处理空间数据上的强大功能。第11章介绍了R与其他系统的连接。