Calendar
载入中……
Placard
载入中……
Category
载入中……
Latest Entries
载入中……
Latest Comments
载入中……
Last Messages
载入中……
Links
Information
载入中……
Search
Other
Welcome to my blog!
  微软商业智能(BI)体系
  ……
[ 阅读全文 | 回复 | 引用通告 ] 
  Post  by  杨威利 发表于 2008-4-21 5:36:00
  Microsoft OLAP的历史
  1996年，当我们在微软公司开始“柏拉图(Plato)”工程的时候，我们的目标是把OLAP带给大家。从一开始预算雇佣三位全职的雇员，到从Panorama公司获得技术和人员，再到以后的1998年将Microsoft SQL Server OLAP Service交付使用，就是这种简单的思想推动了我们的工程不断前进。

     开始，我们只有一小组相信OLAP的人们。Corey Salka和我先前为IRI Software公司(Express的生产商)工作，目前是Oracle产品生产线的成员。我们一个公司接一个公司亲眼看到OLAP是如何体现其价值的。Corey目前在Excel小组工作，致力于研究数据透视表的特性。Gunnar Mein和Goetz Graefe是另外两个真正的信徒。这个很小的小组早在1995年秋天就开始了关于OLAP的讨论。


……
[ 阅读全文 | 回复 | 引用通告 ] 
  Post  by  杨威利 发表于 2008-4-21 5:27:00
  用数据挖掘实现图书馆书目推荐服务(SQL SERVER 2005)
 

来源：http://www.cnblogs.com/wzjingwei/archive/2007/03/06/665780.html

一、    前言

数据挖掘（DM data mining）是从大量的，不完全的，有噪声的，模糊的，随机的数据中，提取隐含在其中的，人们事先不知道的，但又是潜在的有用的信息和知识的过程。而我们的图书馆的数据库中积累了大量的读者借阅历史数据,这些数据中隐藏着大量重要信息,利用这些信息我们可以挖掘出读者对图书资源的借阅偏好模式。于是我们便利用微软SQL SERVER 2005中的数据挖掘关联规则模块建立一个在线书目推荐服务系统，以提高图书馆的服务水平。

二、    问题分析


……
[ 阅读全文 | 回复 | 引用通告 ] 
  Post  by  杨威利 发表于 2008-4-21 1:58:00
  打开 cognos framework manager 错误
 

环境：cognos8,iis,windows 2000 server

错误提示：

cognos 8 framework manager 中开一个project 报Unable to access service at URL:

http://localhost:80/cognos8/cgi-bin/cognos.cgi?b_action=xts.run&m=portal/close.xts

Please check that your gateway URI information is configured correctly and that the service is available.

For further information please contact your service administrator.

解决办法：

第一种：打开iis，相关的web站点属性ip地址改为(全部未分配)


……
[ 阅读全文 | 回复 | 引用通告 ] 
  Post  by  杨威利 发表于 2008-4-10 4:29:00
  Cognos错误：DPR-ERR-2058
 

今天遇到Cognos错误：DPR-ERR-2058 调度程序此时不能处理请求……

环境：cognos8.2,windows 2000 server ,iis ,iplanet,sqlserver

出现错误的现象：有两个批处理同时运行，一个start cognos8，一个stop cognos8，然后我手动关掉了start cognos8那个dos窗口，此后出现问题。

原因：数据加密和解密认证出现不一致。


……
[ 阅读全文 | 回复 | 引用通告 ] 
  Post  by  杨威利 发表于 2008-4-9 1:31:00
  30步检查SQL Server安全列表
  1. 确认已经安装了NT/2000和SQL Server的最新补丁程序，不用说大家应该已经安装好了，但是我觉得最好还是在这里提醒一下。

　　2. 评估并且选择一个考虑到最大的安全性但是同时又不影响功能的网络协议。 多协议是明智的选择, 但是它有时不能在异种的环境中使用。

　　3. 给 "sa" 和 "probe" 帐户设定强壮的密码来加强其安全性。设定一个强壮的密码并将其保存在一个安全的地方。 注意: probe帐户被用来进行性能分析和分发传输。 当在标准的安全模态中用的时候 , 给这个帐户设定高强度的密码能影响某些功能的使用。

　　4. 使用一个低特权用户作为 sql 服务器服务的查询操作账户，不要用 LocalSystem 或sa。 这个帐户应该有最小的权利 ( 注意作为一个服务运行的权利是必须的)和应该包含( 但不停止)在妥协的情况下对服务器的攻击。 注意当使用企业管理器做以上设置时 , 文件，注册表和使用者权利上的 ACLs同时被处理。

　　5. 确定所有的 sql 服务器数据，而且系统文件是装置在 NTFS 分区，且appropraite ACLs 被应用。 如果万一某人得到对系统的存取操作权限,该层权限可以阻止入侵者破坏数据，避免造成一场大灾难。
……
[ 阅读全文 | 回复 | 引用通告 ] 
  Post  by  杨威利 发表于 2008-3-27 9:08:00
  电脑围棋中的人工智能技术(二)
  1. 博弈与计算科学
现在的世界上有各种各样电脑棋手。能够在普通计算机上运行的国际象棋程序已经达到了职业棋手的水平，就黑白棋而言，人类已经不是计算机的对手。但是就围棋而言，计算机与人进行抗衡的路还很遥远。
如果电脑棋手战胜了人类棋手，那么是否就可以说它和人一样具有智能？这个问题，将放到最后进行讨论。我首先将向大家展示，电脑棋手是如何下棋的。
2. 择优而行
电脑棋手下棋的原理，简单地说，就是选出它所认为最有利的下法。
|.....A
|.../ | \
|...B C D
|...4 3 -1
我们来看上面这个图。假设在某一个时刻，摆在电脑棋手面前的是一个局面A。当然，电脑棋手懂下棋的规则，于是它发现一共有三种符合规则的下法（为了画图方便，所以少了一些，事实上，在国际象棋和中国象棋中，符合规则的下法一般为数十种，围棋则多达两三百种）。这三种下法将分别形成局面B、C、D。现在，我们假设电脑棋手能够判断局面的优劣，为每一个局面都计算一个分数，比如局面B的得分为4，局面C的得分为3，局面D的得分为-1。当然，我们可以作一些规定：分数越高局面越好，分数越低局面越差；当分数为0时表示双方均势，则正分表示电脑棋手方优势，负分表示电脑棋手处于劣势。于是，电脑棋手就选择对它最有利的下法，即第一种下法，最后形成了局面B。
……
[ 阅读全文 | 回复 | 引用通告 ] 
  Post  by  杨威利 发表于 2008-3-24 4:33:00
  电脑围棋中的人工智能技术(一)
  ()本文通过研究几个最出色的电脑围棋程序，从认知科学的角度介绍了电脑围棋，并特别针对电脑围棋编程人员（或有意投身于此的程序员）揭示围棋作为一个认知科学研究领域的日益增长的重要性。对手谈，Go4++，Many Faces of Go，Go Intellect 和Explorer几个目前最优秀的电脑围棋程序，我们概括了它们用到的人工智能技术，必须面对的关键性挑战和博弈树搜索中牵涉的问题，以此揭示为什么计算机国际象棋技术不能被很好的移植到围棋领域。
1． 挑战围棋的程序
作为正规游戏之一的围棋领域，过去即便是应付一般的人类棋手计算机也难以有所作为。几个一年一度的电脑围棋赛事，如FOST杯赛为第一名提供2，000，000日元奖金，台湾的应氏基金为第一个能在分先七番棋中击败顶尖职业棋手的围棋程序许诺40万美元的奖金。
最早以围棋为对象把电脑围棋纳入研究工作是在1962年，尽管第一次由程序下一盘完整的棋是发生在1968年（Zobrist，1970）。随着电脑围棋赛事的举行和第一个商业程序的发放，电脑围棋作为一个领域于80年代被正式创立，并在90年代变得兴旺起来。目前活跃在电脑围棋竞赛中的顶尖程序有Explorer，Go Intellect，Go4++，手谈和The Many Faces of Go，它们的水平大致在4-8级之间。
……
[ 阅读全文 | 回复 | 引用通告 ] 
  Post  by  杨威利 发表于 2008-3-24 4:30:00
  Data Mining的十种分析方法
 
1.记忆基础推理法（Memory-Based Reasoning；MBR）
　　记忆基础推理法最主要的概念是用已知的案例（case）来预测未来案例的一些属性（attribute），通常找寻最相似的案例来做比较。
　　记忆基础推理法中有两个主要的要素，分别为距离函数（distance function）与结合函数（combination function）。距离函数的用意在找出最相似的案例；结合函数则将相似案例的属性结合起来，以供预测之用。记忆基础推理法的优点是它容许各种型态的数据，这些数据不需服从某些假设。另一个优点是其具备学习能力，它能藉由旧案例的学习来获取关于新案例的知识。较令人诟病的是它需要大量的历史数据，有足够的历史数据方能做良好的预测。此外记忆基础推理法在处理上亦较为费时，不易发现最佳的距离函数与结合函数。其可应用的范围包括欺骗行为的侦测、客户反应预测、医学诊疗、反应的归类等方面。
……
[ 阅读全文 | 回复 | 引用通告 ] 
  Post  by  杨威利 发表于 2008-2-21 1:43:00
  开源，明智与无奈的抉择
 

两则消息：


……
[ 阅读全文 | 回复 | 引用通告 ] 
  Post  by  杨威利 发表于 2008-1-24 6:24:00
首页 上一页 下一页 尾页 页次：1/12页  10篇日志/页 转到：
载入中……
Powered by Oblog.