视图
- 基于联合熵的多视图集成聚类分析
24）0 概述多视图聚类是将给定的多视图数据依据相似性划分为不同的簇，使得相同簇中的对象尽量相似，不同簇中的对象尽量不同［1］。多视图数据可以使得问题描述的角度更全面，提供比传统单视图数据更丰富的信息来揭示其内在结构，并已成功应用于社交网络［2-3］、多模态生物特征分析等领域［4-5］。多视图集成聚类作为一类典型多视图聚类分析方法，通过集成聚类的思想使多个视图较弱的基本分区集成为一个较强的一致分区，并利用多个独立的基聚类器分别对原始数据集进行聚类，然后使用
计算机工程 2023年10期2023-10-17
- 不完备多视图的在线反向图正则化聚类*
往往可以在不同的视图下进行描述，所获取的数据常常可以由多个特征集合进行表示，不同视图下的观测揭示了事物的不同属性，这类数据通常被称为多视图数据［2］。多视图数据的学习主要是在聚类这个背景下被研究，对于此类多视图的研究被称为多视图学习［3］，目前，多视图学习在机器学习、数据挖掘、人工智能等不同领域得到了广泛的研究［4～6］。在这些视图中，每一个视图可以满足于特定的数据分析任务需求，不同视图之间通常包含互补的信息。类似于我们所倡导的多视图看问题的思维，机器学习
计算机与数字工程 2023年5期2023-08-31
- 基于视图互信息加权的多视图集成聚类算法
类算法大多关注单视图数据，即数据集仅有一个数据源（或仅有一个特征集）；而在现实应用场景中，数据来源往往多样化，同一个数据集也可能有多个数据源的特征集，由此构成多视图数据（multi-view data）。传统聚类算法［2-4］的单视图学习模式往往难以有效应对多视图聚类问题，如何充分利用多视图场景下不同数据视图之间的互补与一致信息提升多视图聚类性能，是近年来聚类分析领域的一个热点研究方向［5-17］。近几年，国内外研究人员提出了许多行之有效的多视图聚类算法［
计算机应用 2023年6期2023-07-03
- 基于双重低秩分解的不完整多视图子空间学习
22）近年来，多视图[1-2]数据分析已经引起了越来 越广泛的关注，由于科技的发展，不同类型的传感器可以从多个角度采集数据，这为我们提供了丰富的样本。但是，随之也带来了相关挑战，多视图数据中的同一类标签往往对应多个不同的样本，甚至是异构的。这导致了一个学习困难的问题，若多视图的类内数据相似性低于同一视图不同类之间的相似性，将会导致算法效果较差甚至失败。一般来说，多视图数据分析可采用3 种策略：1）特征自适应算法[3-4]，旨在寻找一个公共空间，不同视图之间
智能系统学报 2022年6期2023-01-14
- 多视图聚类研究进展与展望
个模态的数据为多视图数据［8］。如何从多视图数据中挖掘有价值的、潜在的、复杂的结构关联，赋予计算机理解多源异构海量数据的能力，已成为多视图数据挖掘领域迫切需要解决的关键问题。由于多视图数据特征间的差异性及其相互关系的复杂性，传统的聚类算法并不能准确刻画和提取这些不同视图数据的空间分布特性以及其内在关系。多视图聚类作为一种新的机器学习范式，给定一组标签未知的多视图数据对象，通过对多个视图进行模型构建并学习共识函数，目的是挖掘多个视图之间的潜在关联，将数据对象
山西大学学报（自然科学版） 2022年3期2022-12-01
- 基于视点差异和多分类器的三维模型分类
向。3维模型的多视图表示结合深度学习成为该研究方向的一个热点。卷积神经网络通过一系列的卷积池化操作可以很好地表达图像特征信息，因此被广泛用于基于视图的3维模型特征学习中[2]。基于多视图的3维模型分类方法可以分为两大类：基于多视角特征结合特征级融合和基于独立视角特征结合决策级融合。特征级融合是将各视角下的视图通过特征编码融合为一个特征，通常又称特征描述符。决策级融合重点在于将每个独立视角表示成对应的视角特征。利用视角间空间位置关系提升特征描述能力，进而进行
电子与信息学报 2022年11期2022-11-29
- 基于交叉分布对齐的深度自监督多视图聚类方法
齐的深度自监督多视图聚类方法陈泓达 陈培钦（广东工业大学，广东 广州 510006）为高效利用多视图数据的一致性和互补性信息，提高多视图聚类效果，提出一种基于交叉分布对齐的深度自监督多视图聚类方法。首先，采用交叉对齐策略学习视图间的潜在联系，得到多视图共享潜在表示；然后，执行聚类操作，并将聚类结果作为伪标签信息，建立一条自监督路径；接着，在统一的框架中联合学习优化；最后，在3个公共多视图数据上进行实验，结果表明，本文提出方法的聚类评价指标均表现出较好性能。
自动化与信息工程 2022年4期2022-09-07
- 基于多变量自学习与融合策略的多视图聚类算法*
或主题，形成了多视图数据［1～3］。例如，一个多媒体片段可由视频信号和音频信号同时描述；一个网页的特征可通过文档文本、超链接、图片信息等表示；一张图片可通过不同的特征提取器捕获其相应的表示，如LBP、SIFT、HOG等。多视图数据的爆炸性增长，引发了对其进行有效分析和处理的技术需求增长。在数据挖掘中，聚类分析［4］是一项非常重要的技术，能将相似度高的数据划分到一个簇。在过去的几十年里，许多的聚类方法已经被发展，如K-means，谱聚类，基于核的聚类方法，基
计算机与数字工程 2022年6期2022-08-01
- 机械零件几种常用表达方法异同点的探究
制图 图样画法 视图》中规定了绘制图样的一些基本方法。学习者依据零件的复杂程度不同，陆续学会了用视图、剖视图、断面图以及其他表达方法来清晰地展示零件的内、外结构。其中，视图主要是用来表达零件的外部结构特点和形状特征，通常只需绘制零件的可见部分，必要时才会用细虚线来绘制零件的不可见部分。但当零件的内部结构形状复杂时，绘制过多的虚线不仅影响看图和图样的清晰度，也不便于零件的尺寸标注，且虚线不如连续线绘制方便。因此，国家标准规定可采用剖视图来清晰地表达零件的内部
南方农机 2022年14期2022-07-20
- 双层视图筛选下多视图主动学习的高光谱图像分类
究主要可以分为单视图主动学习(single view active learning, SVAL)和 多 视 图 主 动 学 习 (multi view active learning,MVAL)[3]。然而，单一的视图特征对图像的特征表示是有限的[4]，高光谱图像中丰富的光谱信息和空间特征信息促使多视图主动学习成为一个重要的研究方向[5]。多视图主动学习包括2个重要的内容：多视图生成和样本选择策略[6]，其中视图的质量会直接影响样本选择策略，从而影响最终
应用科技 2022年1期2022-03-25
- 基于K-means++的多视图点云配准技术
分为成对配准和多视图配准[4-5]。1992年，Besl和Mckay[6]提出的迭代最近点(Iterative Closest Point， ICP)算法是一种常见且变体最多的配准算法[7]，其基本思想是通过计算最近欧氏距离建立对应的点对关系，并迭代地调整点云间的刚性变换参数(R,T)使点云间的空间偏差最小化，从而获得配准结果。其变体例如Chetverikov等人[8]提出的裁剪ICP算法(Trimmed Iterative Closest Point，
计算机与现代化 2022年2期2022-03-10
- 改进K-means加权自适应多视图数据聚类算法
征的集合比作一个视图，这样便构成了多视图数据。例如：若想识别一个人，可以结合他的声音、长相、外形等特征对其进行辨别。因此对多视图数据有以下定义：同一个物体从不同角度观察所产生的异构特征数据，叫多视图数据[1-4]。现阶段由于测量方法的多样性，多视图数据在各行各业中广泛存在。对数据进行描述时可以通过对不同的视图从不同的角度进行分析，如何对多个视图数据采取高效聚类是当前研究领域的一个重点问题。文献[5]提出一种样本加权的多视图聚类算法，对每个样本的不同视图作加
计算机仿真 2021年8期2021-11-17
- 基于矩阵分解的多视图双聚类算法
展，有效地处理多视图数据成为了双聚类算法的发展趋势。为有效融合多源数据信息，研究人员结合多视图学习以及双聚类算法提出了多视图双聚类算法[1]（Multi-View Bi-Clustering）算法来对多视图、多源数据进行双聚类分析。多视图双聚类算法可以利用多视图数据中隐含的共享性信息以及差异性信息指导聚类过程，进而获得更高的精度。然而，目前的多视图双聚类算法研究中，研究者使用的算法都是以单一视图的双聚类为基础，寻找不同视图间的共享特征来链接多个视图从而拓展
现代计算机 2021年23期2021-09-23
- 混合粒度多视图新闻数据聚类方法
着极大的作用.多视图数据是指从不同的源头采集或由不同属性的特征进行描述的数据，例如网络新闻数据通常通过文本、图片以及多媒体信息等特征进行描述，可以按照特征所属的不同类型划分为不同的视图.目前，多视图聚类算法在无人驾驶、异常点检测、生物医学分析等领域中都得到了充分的应用.文献[1]中，首次提出了以协同训练为基础的多视图聚类方法.文献[2]基于核的思想，将每个视图表示为图，将多个图融合后进行谱聚类.文献[3]结合多视图K-均值算法和集成技术，提高了聚类的性能.
小型微型计算机系统 2021年4期2021-04-12
- 巧解三视图中的正方体个数问题
们不难画出它的三视图;反过来，给定小正方体堆积成的几何体的视图，如何确定小正方体的个数，是同学们普遍感到困难的地方，那么如何解决此类问题呢？这种类型的问题通常分两类：一是已知三个视图，确定小正方体的个数;二是已知两个视图，确定小正方体个数的最值问题。而已知两个视图又分两种情况：含有俯视图和不含俯视图。下面，我们对解决这类问题的方法进行总结。一、已知三个视图，确定正方体的个数例1由一些相同的小正方体搭成的几何体的三视图如图1所示，则搭成该几何体的小正方体有（
初中生世界·七年级 2021年2期2021-03-12
- 基于StarGAN和子空间学习的缺失多视图聚类
集由不同的表示或视图组成。对于同一个数据，可以根据该数据的不同特征进行划分，每种特征代表一种视图数据。例如，网页可通过文本或网页链接的形式获取数据，从而构成两个视图的多视图数据；同一个故事可以在不同的新闻中被讲述，一份文件可以被翻译成多种不同的语言等等。通常，多视图为语义相同的数据提供兼容和互补信息，因此将它们集成在一起能获得比单视图更好的性能[1]。多视图聚类的目的是基于对象的多个表示将对象划分为若干个簇。近年来利用多视图数据的互补性和一致性，研究者们提
华南理工大学学报（自然科学版） 2020年11期2021-01-05
- 一次性批量设置文件视图模式
10中更改文件夹视图的方法在Windows10中更改文件夹的视图模式很简单，首先在文件资源管理器中打开一个文件夹，然后通过“查看”菜单下的“布局”功能面板中的视图命令，设定一种视图模式（如超大图标、大图标、列表等）（图1）。然后打开文件夹选项窗口，切换到“查看”选项卡，点击“应用到文件夹”按钮，最后点击“确定”（图2）。之后，当我们打开同类文件夹时，便会使用相同的视图。注意这里对“同类”文件夹没有任何说明，也没有设置、调整能力。2.用ShellBagsVi
电脑爱好者 2020年17期2020-09-14
- 基于典型相关分析的多视图降维算法综述
观察结果视为一个视图或视角,则每个视图均可以得到与之相应的数据,这种数据统称为多视图数据[1-2]。包含多个视图的样本数据可以采用不同的形式进行特征描述[3],如对于一幅图像,颜色信息和纹理信息是2种不同的特征,可以看作是2个视图数据。在网页分类中,通常可以用网页本身的文本内容和链接到此网页的超链接2种特征来描述给定的网页。相比于仅来源于单一渠道的单视图数据,多视图数据更能全面描述事物所具有的信息。传统的机器学习算法,如支持向量机[4]、判别分析[5]、光
计算机工程 2020年2期2020-02-19
- 割补法在三视图还原空间几何体中的应用
安徽三视图是高中新教材新增内容，也是高考的常考知识点.不难发现，由三视图还原几何体的试题常考不衰，且其载体的复杂程度呈增长之势，特别是以简单组合体为载体的试题备受命题专家青睐.虽然很多学生能将“长对正，高平齐，宽相等”烂记于心，也对简单几何体的三视图了如指掌，但处理这类问题时仍力不从心，无法可解，甚至不少教师的讲解和很多资料的答案往往是直接告知是什么几何体，而不做详细解释.笔者经过深入研究，发现割补法(对三视图进行分割或修补)不但能有效处理复杂的三视图还原
教学考试(高考数学) 2019年4期2019-08-03
- 样本加权的多视图聚类算法
的特征表示使得多视图数据在众多实际应用中越来越普遍.例如Web网页可以从3个不同的角度描述：词向量视图直观刻画了网页文本中单词的出现情况；网页中的图像提供了丰富的视觉特征视图；网页与网页之间的链接关系展示了网页内容彼此之间的相关性.多视图数据的互补性和一致性有利于从不同方位协同完成特定的机器学习任务.因此，多视图学习逐渐受到人们的关注.多视图研究最早起源于Yarowsky[1]和Blum等人[2]提出的消除单词歧义算法和协同训练算法.Yarowsky[1]
计算机研究与发展 2019年8期2019-07-30
- 基于SolidWorks Composer的齿轮泵虚拟设计与展示
表格等不同类型的视图，将视图完善后按照事先计划好的播放顺序链接即可。2.1 创建第一个视图第一个视图可按以下步骤来创建。（1）将齿轮泵装配体导入到SolidWorks Composer软件中，在标题栏窗口单元中，选中装配“结构树”、“视图”、“属性”、“协同结构树”等选项。点击左边标题栏“视图”-“创建视图”，创建第一个视图，并命名为齿轮泵。（2）点击上方标题栏“作者”-“2D文本”，在第一张视图中添加6个2D文本，并在“属性”-“文本字符串”中将文本按播
佛山科学技术学院学报（自然科学版） 2018年6期2019-01-02
- 基于生成对抗网络的多视图学习与重构算法
数据称为一个特定视图,多类型数据的总体称为多视图数据.针对多视图数据的分析研究,已经引起机器学习研究者的关注[1−4].按不同任务,已有方法可分为多视图子空间学习[5−6]、多视图字典学习[7−8]、多视图度量学习[9]等.完成这些任务的重要工作是获得视图间的匹配关系,可以通过协同训练[10−11]、协同映射[12−13]、信息传播[14]等方法实现.在实现过程中,通常要求每个实例的所有视图都是完整的.然而,现实问题中数据通常独立地收集、处理和存储,受环境
自动化学报 2018年5期2018-06-07
- 关于SQL视图优点和缺点的浅探
中医院关于SQL视图优点和缺点的浅探李素奇 射阳县中医院在SQL中查询数据时，一般从设计SELECT语句开始，将需要查询的字段写下来，而每次你要来查询数据时（同样的条件下），那么就需要重复输入一样的查询语句，效率低下。但将这个经常要重复使用的查询语句创建成视图，就简单了！我们在程序设计的时，要先了解视图的优点和缺点，这样就可以扬长避短，更合理的来使用它。视图 优点 缺点在SQL Server数据库中，表定义了数据的编排方式和结构。在SQL Server数据
数码世界 2017年12期2017-12-28
- 关闭Excel 2013“受保护的视图”模式
动进入“受保护的视图”模式，不但出现烦人的“受保护的视图”提示，还限制编辑，只有单击“启用编辑”后才能正常编辑文档。（如图1）这是因为Excel2013发现此文件来自Internet，可能不安全，在“受保护的视图”中打开该文件有助于保护计算机的安全。但是如果我们能够确信下载的文件安全，完全可以关闭“受保护的视图”模式。操作步骤如下：Stepl：单击“文件→选项”，在弹出的“Excel选项”对话框，单击“信任中心→信任中心设置”。（如图2）Step2：在弹出
电脑知识与技术·经验技巧 2017年7期2017-09-23
- 三视图问题的求解策略
房玮嘉有关三视图的许多題目，求解的思路不难，但由于不少同学对三视图理解不深，或未掌握三视图画法的要领，常常出现各种各样的错误，在画视图时，首先观察物体，画出视图的外轮廓线，然后将视图补充完整，在这个过程中有以下六点要特别注意。分析：对几种常见几何体的各种视图的形状要明确，要熟记一些常见几何体三视图的形状，例如在正常的放置状态下，球的三视图都是圆；圆柱的主视图和左视图都是矩形，俯视图是圆；正方体的三视图都是正方形；圆锥的主视图和左视图都是三角形，俯视图是圆及
中学生数理化·中考版 2017年1期2017-03-29
- 投影与视图考点鉴赏
发明在学习投影与视图时，要学会正确判断简单几何体的三视图，并能正确画出基本几何体的三视图，由三视图能得到相应的几何体.根据实例掌握中心投影和平行投影的有关性质.为帮助同学们学好这一部分内容，下面以2016年中考题为例说明投影與视图这一章中的常见考点.endprint
试题与研究·中考数学 2016年4期2017-03-28
- 在Oracle数据库中实现物化视图
的整体优劣，普通视图的查询时间长，系统开销大，采用物化视图势在必行，以下就物化视图的结构进行分析，通过比较，阐明物化视图在大数据环境下的重要性。关键字：数据库；查询优化；物化视图1 物化视图的定义物化视图就是具有物理存储的特殊视图，占据物理空间。它是用于预先计算并保存表连接或聚集等耗时较多操作的结果，这样，在执行查询时，就可以避免进行这些耗时的操作，从而快速的得到结果。它需要和源表进行同步，不断刷新物化视图中的数据。2 普通视图的局限在Oracle 中使用
卷宗 2016年11期2017-03-24
- Django 框架中通用类视图的用法
一些基于类的通用视图，用于解决一些常见的Web任务。该文主要介绍了类视图的基本用法以及几个常用的类视图。关键词：Django；类；Web中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2016）13-0103-021类视图的基本使用Django中的视图是一个可调用对象，在Django的早期版本中，视图用函数来实现。随着Django的不断发展，Django的技术团队提供了新的实现，用类来表示视图，并且针对Web开发中的常见任务，定义了大
电脑知识与技术 2016年13期2016-06-29
- 外观设计专利申请中视图类文件常见缺陷分析及建议
观设计专利申请中视图类文件常见缺陷分析及建议赵北北★外观设计专利申请要求申请人必须提交请求书、产品视图、简要说明等文件，而在审查实践中专利代理机构或申请人提交的产品视图文件存在的缺陷最多也最为集中。本文从视图提交数量以及视图表达形式两个方面，对于审查实践中遇到的各类视图文件中常见的缺陷进行归纳分析，同时给出合理的解决建议。外观设计 视图 清楚表达 视图提交数量 视图表达形式对于外观设计专利申请，一般申请人需要提交请求书、产品视图以及简要说明。另外，若委托专
专利代理 2016年2期2016-02-27
- 你会画左视图吗
□李庆社你会画左视图吗□李庆社已知一个几何体的主视图、俯视图，画出几何体的左视图，是一种具有多解性的问题，所画的左视图一般不具有惟一性.例用小立方块搭成的几何体，使它的主视图和俯视图如图所示.这样的几何体有几种，它至少需要多少个小立方块？最多需要多少个小立方块？分别画出它们的几何体的左视图.主视图俯视图分析：只根据主视图和俯视图搭几何体，则搭成的几何体不是惟一的.根据主视图和俯视图的特征，我们可以搭出符合主视图和俯视图的所有几何体.下面通过在俯视图中标出每
初中生天地 2016年36期2016-02-06
- 空间几何体的三视图
璇空间几何体的三视图包括正（主）视图、侧（左）视图、俯视图，分别是从几何体的正前方、正左方、正上方观察几何体画出的轮廓线.若相邻两物体的表面相交，则表面的交线是它们的分界线，在三视图中，要注意实、虚线的区别.点拨 （1）从熟知的某一视图出发，想象出直观图，再验证其他视图是否正确；（2）要分辨清楚视图中标注的长度在直观图中代表什么；（3）注意视图之间的数量关系：正俯长对正，正侧高平齐，侧俯宽相等；（4）合理地进行面积和体积的计算.
高中生学习·高二版 2015年7期2015-08-18
- 可信可控网络中的一致性视图构建机制*
控网络中的一致性视图构建机制*曹生林，柳立言(宁夏师范学院数学与计算机科学学院,宁夏 固原 756099)在可信可控网络中利用多个控制节点对AS进行联合控制，容易造成多个控制节点在网络控制过程中持有的AS视图不一致问题。针对该问题，在可信可控网络模型的基础上提出了基于选举算法的AS内一致性视图构建机制，该机制首先基于选举算法选举出主控制节点，然后主控制节点根据AS内各个控制节点的负载，将视图构建任务分配给负载最低的控制节点负责构建视图，并利用主控制节点的时
计算机工程与科学 2015年1期2015-03-27
- 视图在数据库安全中的应用
21008）1 视图的作用视图是一个虚表，它是由一个或者说多个基本表导出而形成的，但是数据依然存放在基本表中，所以它和基本表不同，二者存在区别。视图的定义存放在数据库中，它的作用就是数据库显示数据的窗口，通过视图可以查看自己需要的数据库的数据，并能看到相关数据的变化[1]。视图的主要作用如下：[2,3]（1）视图可以根据不同的用户自行定义，对于用户无权存储的数据可以根据视图机制对其进行保密，从而提高数据的安全性。（2）使用户多种角度看待同一数据。（3）可以
电子测试 2015年8期2015-03-24
- 浅谈Visual FoxPro 6.0查询和视图的区别
其是在创建查询和视图这一章。学习VFP6.0的基础是建立数据库、向表中存储数据。但是我们在表中存储的数据再多而不去使用它也是没有意义的，因此当我们建立数据库和表以后，目的就是要使用这些数据。在Visual FoxPro6.0中，常常利用视图和查询来对收集的数据进行处理，得到有用的信息。很多学生在使用二者时，总是产生迷惑，既然二者都能筛选出我们所需要的数据，那么只掌握其中一个不就可以了吗？带着这样的疑问，我们分析一下到底查询和视图有什么不同。我们有这样一个例
黑龙江教育·理论与实践 2014年4期2014-03-14
- 基于查询和相对收益的物化视图选择算法
进行聚集生成物化视图预先存储起来，对一些查询可以直接给出结果，而不必进行聚集计算，提高了查询的效率。物化视图需要占用空间，对于高维度的数据集来说，可以生成的物化视图的总个数随着维度上升成指数级增长，需要进行物化视图的选择。目前物化视图选择的策略较多，但是并没有得到普遍的最优算法，物化视图选择调整问题本身也被证明为NPHard问题［1］。在数据仓库系统运行过程中，对着用户查询的不断变化，已有的选择策略可能并不能满足当前的用户查询习惯，如何准确地把握用户查询类
计算机工程与设计 2013年1期2013-11-30
- 基于复杂工程图的三维造型草图生成算法
往往仅限于标准三视图和一些其他限制，并不能满足复杂多变的实际工程图。因此，对于现有工程图的三维化仍主要依靠人工绘制，但人工绘制是一个很耗费时间的过程，尤其是对于不熟悉该工程图的人，这将只会事倍功半。为了寻求解决办法，通过绘制大量工程图的三维模型并且分析其中主要过程，找出了耗费时间比较多并且与工程图密切相关的一个过程——草图建模。企业的产品大部分是系列化的，使用草图建模可以对构成特征的曲线轮廓进行参数化控制，便于修改，所以进行三维建模时大多使用草图建模。因此
图学学报 2013年6期2013-09-21
- 基于二维典型视图的三维CAD模型检索算法
所对应的二维投影视图的集合。这样一来，两个三维模型之间的比较就转化为各自投影集合中所对应的二维投影视图之间的比较。如果所对应的二维投影视图都相似，则认为这两个模型相似。该类算法中最著名的为Chen等提出的光场算法[5]。然而，在使用投影视图对三维模型进行相似性匹配时，光场算法只是笼统地对视图集中的每一幅视图都同等看待，却忽视了不同视图在匹配过程中其实具有不同的重要性。相较于其它视图，模型的某些投影视图包含更多的信息，因而更能影响模型间的相似性匹配。从图1可
制造业自动化 2012年9期2012-10-08
- Application of Materialized View as Aggregate Table in Data Warehouse
21－423物化视图作为汇总表在数据仓库中的应用汪 辉，李 浪 （衡阳师范学院 计算机科学系，湖南 衡阳 421002）汇总表存储的是事先计算好的汇总数据，在数据仓库查询调优中是至关重要的。分析了汇总表数据生成的三种方法：即触发器、存储过程、物化视图；用实例阐述了物化视图的使用方法和优点，即灵活的数据刷新方式、减少繁重的编程工作、查询重写机制保证应用独立性等，指出了物化视图是实现汇总表的理想选择。物化视图；汇总表；数据仓库CLC nunber：TP311A
衡阳师范学院学报 2012年6期2012-01-15
- 基于Pro/E的剖面图创建
的创建每一个剖切视图，都需要一个剖切平面，正确的创建剖切平面，是创建剖切视图非常重要的一步。剖切平面可以在零件图中创建，也可以在工程图中创建，实际上在零件图中创建剖面更简单，所以建议大家在最好在零件图中创建。本题创建2个剖面（A-A和B-B）。其中A-A为旋转剖的剖面，B-B为对称剖的剖面。1.2 定向零件工程图的创建中，主视图的定向很重要。定向的方法很多，可以在零件图中定，也可以在工程图中定，定好向后要取好视图名称并保存。建议最好在零件图中定向（因为在零
装备制造技术 2011年8期2011-03-28
- 利用ＳＱＬ Ｓｅｒｖｅｒ ２００５索引视图提高数据库系统性能
tion 的索引视图改善数据库系统的整体性能。关键词：SQL Server 2005；database；DBMS1索引视图的作用Microsoft SQL Server 视图的主要作用是：1.1提供一种安全机制，将用户限制到一个或多个基表的某个数据子集中。1.2提供一种机制，允许开发人员自定义用户通过逻辑方式查看存储在基表中的数据的方式。在SQL Server 2005中，具有唯一的聚集索引的视图称为索引视图。2利用索引视图提高系统性能的方法2.1可在视图
科技经济市场 2009年5期2009-07-31
- 例谈小立方体组合体三视图的画法
立方体组合体的三视图,或由三视图描绘出原物体的形状,是我们学习的一个难点,许多同学感到棘手.下面结合例题与同学们一起探究如何画三视图.一､画小立方体组合体的三视图对于小立方体组合体,画它的三视图时应遵循以下规律:(1)画主视图时,观察者站在小立方体组合体的正面看,主视图要看原小立方体组合体的列,即原小立方体组合体有几列,则主视图便有几列,并且主视图中每列从上到下的正方形的个数就是你能看到小立方体组合体对应列从上到下的小立方体的总层数.(2)画左视图时,观察
中学生数理化·七年级数学北师大版 2008年7期2008-10-15