大数据时代新闻人才培养的若干思考简

大数据时代的到来正在深刻地影响着传媒生态.大数据时代的数据显然具有更为广泛而深刻的意义,特别是非结构化数据挖掘的后台与数据可视化的前台呈现,使得数据新闻在互联时代已经成为一种至关重要的新闻挖掘和叙事方式.在这种形势的变化下,亟须对新闻课程的设置进行调整,在传统的新闻采访与写作课程中加大数据新闻的课程比例,培养新闻专业学生运用“数据”讲故事的能力.同时应促进新闻专业与计算机专业教师的互动合作,使得学生在掌握技术“武器”的基础上,真正知道如何利用数据工具去挖掘和呈现新闻.     

红地毯简

我特别感谢我的导师、德国模拟科学研究生院以及国家。同时我也十分感激我的父母和妻子。诗云“行百里者半于九十”,此言末路之难。我寄语在求学路上的同行者们．要相信自己能够比前人做得更好,在科学的国际舞台上为中国学者赢得声誉。——张超     

一米阳光简

“丁零……”下午三点整,郑凌几乎踩着铃声奔进初一（3）班教室,回到座位,迅速坐下。“又是他!”班长小胖心想,不由得皱了皱眉。     

英国文学简

The Power of the Written Word
There are more books published per person in the UK than in any other country in the world. In 2011, an amazing 229 million were sold in Britain despite an economic recession and the growing popularity of new digital readers. The bestseller of that year sold nearly one million copies. And what was it？ A novel, of course.     

上海简

<正>为保持原貌,本栏目所选考场作文中,对于漏字、错别字、错词、病句等采取如下形式处理:漏字(含标点)的补正,在"()"内用楷体字标出;错别字(含标点)、错词、病句的更正,在"〔〕"内用楷体字标出。——编者昨天,我又梦见他了,梦见他立在狭小的厨房里,手拿着蒲扇,不急不慢地扇着药锅下的灶火。那泛着苦涩的雾气氤氲开来,将他的背影映衬得虚幻,我还没来得及说出心里话,它就渐渐消散了。曾经,我认为外公不爱我,在我因病无法继续上体育课时也没说什么安慰的话。他的生活足不出户,只是多了项任务——为我煎药。他说吃药的人自己是不能煎药的,因为那味道令人不适,因此,每次他都把自己锁在窄得不能再窄的厨房里,即使夏天也如今天,我想说说心里话     

数据挖掘中聚类算法的研究与探讨

聚类算法是数据挖掘中用来发现数据分布和隐含模式的一项重要技术。通过分析研究数据仓库及数据挖掘中聚类算法的现状,对数据挖掘中常见的几种聚类算法的性能进行相互比较,并分析它们各自的优缺点,对数据挖掘中聚类算法的发展趋势作出展望。     

基于蚁群聚类算法的数据挖掘技术在网络入侵检测中的应用研究

本文对入侵技术和聚类算法进行分析,明确相关技术在实践中存在的问题,在此基础上对变异因子进行分析,通过相关程序的计算,保证计算结果的准确性。然后把蚁群算法相关问题作为研究点,对蚁群算法的改进技术进行系统的探究。     

数据挖掘中聚类方法比较研究

聚类是数据挖掘领域中的一个重要研究课题。聚类在电子商务、图像处理、模式识别、本分类等领域有广泛的应用。本首先建立了数据挖掘中聚类方法的比较标准，然后从基于优化、关系、变换这样一个新的角度对聚类方法进行了分类和比较，最后对数据挖掘中常用聚类算法进行了分析，以便于人们更易于选择研究方向和选择适合于具体问题的聚类算法。     

空间数据挖掘聚类算法研究

聚类分析是当今飞速发展的数据挖掘和数据信息分析的一个重要技术,因此聚类分析已经成为数据挖掘领域一个非常活跃的研究课题.针对空间数据库对聚类算法的特殊要求,分析了空间聚类算法的构造思想及其优缺点,探讨了空间聚类算法目前的工作、算法的一些开放性问题以及今后的研究方向.     

模糊聚类分析在数据挖掘中的应用研究

聚类分析是数据挖掘的一个重要研究领域,按照一定的要求和规律将事物进行分类的一种数学方法。将模糊数学的模糊理论应用于数据挖掘的聚类分析中,提出一种快速模糊C-均值聚类算法,并给出模糊聚类分析在数据挖掘中的应用的主要步骤,大大提高计算效率,收敛速度非常快,对大量数据处理是有实际意义的。     

数据挖掘之聚类算法综述

近年来,数据挖掘技术的研究备受国内外关注,其主要原因是信息技术发展产生了大量分散的数据,迫切需要将这些数据转换成有用的信息和知识.此前的研究,主要集中于分类算法及应用方面的研究,但某些特殊领域,如生物信息学研究等,需要通过聚类方法解决一些实际问题.本文从横向深入分析了数据挖掘技术中聚类算法的发展,对层次法、划分法、模糊法,以及量子聚类、核聚类,基于密度和网格等10种聚类算法的原理、过程和特点等都进行了比较详细的分析论述.     

基于层次迭代思想的聚类算法的研究

聚类分析是数据挖掘中的一个重要研究领域,是一种数据划分或分组处理的重要手段和方法。聚类无论在商务领域,还是在生物学、Web文档分类、图像处理等其他领域都得到了有效的应用。本文主要研究的是基于迭代思想的聚类算法。     

流式数据挖掘方法下的汇率行为预测方法探讨

借助流式数据挖掘以及传统汇率行为预测方法,并将它们融合,可以得到更符合实际、更高精度的人民币汇率预测方法,并建立模型。这样有利于货币当局把握汇率行为的特征和表现形式,使其与经济的协调发展奠定基础,有利于进一步完善人民币汇率政策,充分发挥汇率的宏观调控的政策效力,为下一步改革提供科学的理论框架和理性的发展方向。     

基于宽度优先搜索的聚类算法的研究

随着计算机技术的迅猛发展以及网络技术的普及,人们有更多机会通过网络与外界进行信息交流。然而,随着数据大量的涌入,增加了我们获取有用信息的难度,数据挖掘正是在这一背景下诞生的。聚类分析是数据挖掘中的一种重要技术,是分析数据并从中发现有用信息的一种有效手段。本文主要研究的是基于宽度优先搜索的聚类分析算法。     

数据流挖掘中的聚类技术

在动态数据流挖掘过程中,对数据流进行聚类,把未知的数据流划分或者生成到一个簇中。发现隐含的知识、价值和模式,是一种非常有效的数据流挖掘技术。分析和研究了数据流挖掘的聚类算法,并对数据流聚类技术发展进行了展望,提出了数据流挖掘的研究方向。