小小骷髅
1前处理的数据(只显示一小部分来说明)1.1 K -聚体的提取1.2代的位置频率矩阵1.3背景的概率特征1.4相对不匹配得分功能2代的训练和测试数据集(只显示一小部分来说明)2.1模式对学习者模型,即(K -聚体的功能,类标签)建设2.2模式对训练集上进行测试学习者模型2.3模式对学习者模型进行测试的测试数据集上2.4讨论的2.1和2.2中的数据集之间的差异3神经网络方法3.1神经网络架构,并学习相关的参数设置3.2显示学习曲线,即由MATLAB工具产生的数字3.3混淆矩阵,召回,精密,F -测量和分类错误率 训练集和测试数据集3.4结果的可视化(即,明确突出预测的结合位点,真正在给定的DNA序列的结合位点)。4讨论和结论4.1大小对系统性能的负面培训例子的影响4.2采用的方法的优点和缺点4.3结论从结果和经验4.4建议,并进一步研究
迷糊喵星人
DMS有两种意思:
1、全称为Dealer Management System(汽车经销商管理系统):
主要用于对于汽车公司庞大的销售网络进行管理。汽车4S店是集汽车销售、维修、配件和服务为一体的销售店。
DMS系统不仅涵盖了针对4S店的整车销售、零配件仓库、售后维修服务(含车间管理)、客服服务等,并且在主机厂和经销商之间能成功搭建一个互动交流的信息桥梁,全面满足经销商对“汽车销售、维修服务、配件供应、信息反馈、客户关系”等业务的信息化管理。
2、生源硫化物二甲基硫:
生源硫化物二甲基硫(DMS),是海洋主要的挥发性硫化物,也是大气硫化物的重要来源,其在大气中的氧化产物关系着酸雨形成、全球气候变化等问题。
拓展资料:
1、二甲基硫:二甲基硫Dimethyl sulfide无色透明易挥发液体。有难闻的气味。 溶于乙醇和乙醚,难溶于水。
海洋排放的二甲基硫是大气中硫化物的主要天然源。二甲基硫主要是由海洋
生物产生并释放于海水中的, 表层海水中的二甲基硫处于高度过饱和状态。海气间存在的二甲基硫浓度梯度, 使二甲基硫以可观的通量排放入大气, 约占全球天然硫排放量的50%左右, 并最终被氧化为非海盐硫酸盐(NSS-SO42-) , 从而对降水的天然酸性及气候产生影响。
海水中二甲基硫的浓度一般在10~100ng/ L, 含量很低, 不易直接分析。二甲基硫的产生、释放、转化等过程受海洋浮游生物、微生物及物理、化学等诸多因素的影响、其机理尚不完全清楚, 加上二甲基硫本身易吸附、易氧化, 都给样品的采集、保存及测定造成了困难。
参考资料:百度百科-二甲基硫百度百科-dms百度百科-DMS系统
白白桃花
dms的全称就是database management system ,中文翻译的意思是数据库管理
database management system
英 [ˈdeitəbeis ˈmænidʒmənt ˈsistəm]
数据库管理系统;
双语例句
1.This paper discusses the R & D on general exam - paper database management system using Visual Foxpro.
在此主要探讨利用VisualFoxpro软件如何进行通用试题库管理系统研究开发的问题.
2. DB 2 is a relational database management system that developed by IBM.
DB2通用数据库是IBM公司 开发推广的关系数据库管理系统产品.
3. A database management system ( DBMS ) is a comprehensive software tools.
一个数据库管理系统 ( DBMS ) 是一个综合性的软件工具.
4. The database management system is acquired by the information systems department.
数据库管理系统所存储的数据是由使用者产生并提取.
5. A database management system ( DBMS ) defines, creates, and maintains a database.
数据库 管理系统 定义 、 创建和维护数据库.
6. This project is a employee database management system.
这个项目是一个员工数据库管理系统.
晓晓小同学
生源硫化物二甲基硫(DMS),是海洋主要的挥发性硫化物,也是大气硫化物的重要来源,其在大气中的氧化产物关系着酸雨形成、全球气候变化等问题。
拓展资料:
DMS、DMSP和Chl-a在次表层中的分布
水体中DMSP浓度明显高于DMS, DMSPp浓度高于DMSPd浓度。次表层中, DMS、DMSPd和DMSPp平均浓度分别为4.98(2.61—6.80)、10.77(6.28—14.35)和14.91(7.21—22.15)nmol/L。
Yang等(2006)于2005年3月对黄海的调查发现, DMS、DMSPd和DMSPp的平均浓度为2.31、6.04和7.98nmol/L, 明显低于研究结果。
这可能是由于胶州湾及青岛近海与黄海海域相比, 受人为活动干扰更加严重, 营养化水平高, 导致浮游生物量大, 从而生产较多的DMS(P)。尽管DMS来源于DMSPd的微生物分解, 但DMS和DMSP的浓度变化并不完全同步。另外, 一些物理化学因素(如DMS的海-气扩散和光氧化过程)也会导致水体中DMS和DMSP浓度变化不相一致
好吃不懒做也
DW :data warehouse 翻译成数据仓库
DW数据分层,由下到上为 DWD,DWB,DWS
DWD:data warehouse detail 细节数据层,有的也称为 ODS层,是业务层与数据仓库的隔离层。
DWB:data warehouse base 基础数据层,存储的是客观数据,一般用作中间层,可以认为是大量指标的数据层。
DWS:data warehouse service 服务数据层,基于DWB上的基础数据,整合汇总成分析某一个主题域的服务数据,一般是宽表。
扩展资料
数据仓库分层的原因
1、通过数据预处理提高效率,因为预处理,所以会存在冗余数据
2、如果不分层而业务系统的业务规则发生变化,就会影响整个数据清洗过程,工作量巨大
3、通过分层管理来实现分步完成工作,这样每一层的处理逻辑就简单了
标准的数据仓库分层:ods(临时存储层),pdw(数据仓库层),mid(数据集市层),app(应用层)
4、空间换时间。通过建设多层次的数据模型供用户使用,避免用户直接使用操作型数据,可以更高效的访问数据。
5、把复杂问题简单化。讲一个复杂的任务分解成多个步骤来完成,每一层只处理单一的步骤,比较简单和容易理解。而且便于维护数据的准确性,当数据出现问题之后,可以不用修复所有的数据,只需要从有问题的步骤开始修复。
6、便于处理业务的变化。随着业务的变化,只需要调整底层的数据,对应用层对业务的调整零感知
参考资料百度百科-数据仓库
我不是水蜜桃
1 Data Pre-processing (only show a small portion to illustrate)数据预处理(只显示一小部分说明)1.1 k-mers extractionk-mers提取1.2 generation of position frequency matrices一代的位置频率矩阵1.3 background probability feature背景的概率特征1.4 relative mismatch score feature 得分相对匹配特征2 Generation of Training and Testing Datasets (only show a small portion to illustrate) 一代的训练和测试数据集(只显示一小部分说明)2.1 pattern pairs for building the learner models, i.e., (k-mers features, class label)对来建设模式,即学习者模型(k-mers特征、类标号)2.2 pattern pairs for testing the learner models on the training dataset测试模式对学习者在训练数据集模型2.3 pattern pairs for testing the learner models on the test dataset测试模式对学习者在测试数据集模型2.4 Discuss about the difference between the datasets given in 2.1 and 2.2讨论了数据集之间的差异,给出了2.1和2.23 Neural Networks Approach 神经网络方法3.1 neural networks architecture, and learning related parameters setting神经网络体系结构,学习相关参数的设置3.2 display the learning curve, i.e., the Figure produced by Matlab tool显示的学习曲线,即图产生用Matlab工具3.3 confusion matrix, recall, precision, F-measure and misclassification rates for both the training dataset and the testing dataset 混合矩阵,回忆、精度、F-measure率和分类两个训练数据集和测试数据3.4 results visualization (i.e., clearly highlight the predicted binding sites and true binding sites in the given DNA sequences). 结果可视化(例如,明确突出预测结合位点和真正的结合位点在给定的DNA序列的)。4 Discussion and Conclusion 讨论和结论4.1 effect of the size of negative training examples on system performance大小的负面影响训练系统性能。实例4.2 merits and shortcomings of the adopted approach所采用的优缺点的方法4.3 conclusions from the results and experience结论实验结果和经验4.4 suggestions and further research建议和进一步的研究