yirendian10
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
PaperwizPx
数据挖掘数据挖掘（英语：Data mining），又译为资料探勘、数据采矿。它是数据库知识发现（英语：Knowledge-Discovery in Databases，简称：KDD)中的一个步骤。数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。应用领域为情报检索、数据分析、模式识别等。 eg.这种类型的数据挖掘是本文的焦点，本文将专门介绍如何收集和解析这种数据。This type of data mining is the focus of this article, specifically how to collect and parse this data.
加菲猫爱烤鸭
数据挖掘（英语：Data mining），又译为资料探勘、数据采矿。它是数据库知识发现（英语：Knowledge-Discovery in Databases，简称：KDD)中的一个步骤。数据挖掘一般是指从大量的数据中自动搜索隐藏于其中的有着特殊关系性的信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统和模式识别等诸多方法来实现上述目标。并非所有的信息发现任务都被视为数据挖掘。例如，使用数据库管理系统查找个别的记录，或通过因特网的搜索引擎查找特定的Web页面，则是信息检索（information retrieval）领域的任务。虽然这些任务是重要的，可能涉及使用复杂的算法和数据结构，但是它们主要依赖传统的计算机科学技术和数据的明显特征来创建索引结构，从而有效地组织和检索信息。尽管如此，数据挖掘技术也已用来增强信息检索系统的能力。关于数据挖掘的相关学习，推荐CDA数据师的相关课程，课程培养学员硬性的数据挖掘理论与Python数据挖掘算法技能的同时，还兼顾培养学员软性数据治理思维、商业策略优化思维、挖掘经营思维、算法思维、预测分析思维，全方位提升学员的数据洞察力。点击预约免费试听课。
一吉一吉
dms：决策支持系统
drums 鼓;dimethylsulfate 二甲基硫酸盐;diacritical marking system (DMS) 可识别的市场系统;digital multiplex switching 数字复用转换系统
拓展资料
双语例句
DMS usually has better performance and provides the flexibility of storing indexes and LOB data separately.
DMS通常有更好的性能，并且它提供了分别地存储索引和LOB数据的灵活性。
A novel low-pass filter using defected microstrip structure ( DMS) is proposed in this paper.
基于缺陷微带结构（DMS）提出了一种新颖的低通滤波器。
Data objects are generic and provide a common view of structured data built by a DMS.
数据对象是通用的，它们提供了DMS创建的结构化数据的公共视图。
DMS is engaged in the design, development, manufacture and sale of ink jet printing systems and supplies.
DMS公司从事于喷墨打印系统和补给品的设计、开发、制造与销售。
哼哼家的猫猫
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
不一样@016
dms是指企业或专业机构利用基于IT、Internet技术的Database平台，对自身积累的客户信息资源、消费者数据库、潜在市场目标人群资料进行相关市场营销分析，并借助于IT和Internet技术，通过电子刊物发送、产品与服务信息传递、用户满意调研、在线销售服务等多种方式来提供企业的市场营销能力和水平。DMS数据系统：DMS，数据挖掘系统，也叫九派壹线服装软件，是北京九派壹线软件有限公司自主研发的专门供服装服饰企业使用的运营分析兼预警管理软件。该软件将运营数据分析、仓储物流管理、货品流转管理、陈列方案管理、人员管理、VIP会员管理、进销存管理、订货管理、生产进度管理等各环节进行有机结合。DMS的与众不同之处是，它具备各种各样的数据分析功能：业绩分析、贡献度分析、Z型图、同环比、销售速度、销售趋势等等专门为服装服饰企业设计的销售报表。它自动为您生成日报、月报、周报，几秒内瞬间就能够汇总出整年销售结果。本软件灵活多变:历史库存、当前库存、出库、入库、销售、退货……想要什么数据，随您选择。您可根据需要设定他们之间的计算公式，定义您自己的报表。DMS分为网络下载版和企业安装版。网络下载版又根据功能模块分为云基础版、云标准版、云专业版、云旗舰版，可在北京九派壹线软件有限公司官方网站下载试用。91DMS服装软件企业安装版具备多套解决方案，并可实现企业个性化管理的量身定制。数据挖掘（英语：Data mining），又译为数据采矿、数据挖掘。它是数据库知识发现（英语：Knowledge-Discovery in Databases，简称：KDD)中的一个步骤。数据挖掘一般是指从大量的数据中自动搜索隐藏于其中的有着特殊关系性（属于Association rule learning）的信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。定义数据挖掘有以下这些不同的定义：“从数据中提取出隐含的过去未知的有价值的潜在信息”“一门从大量数据或者数据库中提取有用信息的科学。”[2]尽管通常数据挖掘应用于数据分析，但是像人工智能一样，它也是一个具有丰富含义的词汇，可用于不同的领域。方法数据挖掘的方法（Strategy）包括监督式学习、非监督式学习、关系分组（Affinity Grouping，作关系性的分析）与购物篮分析（Market Basket Analysis）、同值分组（Clustering）与描述（Description）。监督式学习包括：分类（Classification）、推估（Estimation）、预测（Prediction）。例子数据挖掘在零售行业中的应用：零售公司跟踪客户的购买情况，发现某个客户购买了大量的真丝衬衣，这时数据挖掘系统就在此客户和真丝衬衣之间创建关系。销售部们就会看到此信息，直接发送真丝衬衣的当前行情，以及所有关于真丝衬衫的资料发给该客户。这样零售商店通过数据挖掘系统就发现了以前未知的关于客户的新信息，并且扩大经营范围。历史数据挖掘是因为海量有用数据快速增长的产物。使用计算机进行历史数据分析，1960年代数字方式采集数据已经实现。1980年代，关系数据库随着能够适应动态按需分析数据的结构化查询语言（Structured Query Language, SQL）发展起来。数据仓库开始用来存储大量的数据。因为面临处理数据库中大量数据的挑战，于是数据挖掘应运而生，对于这些问题，它的主要方法是数据统计分析和人工智能搜索技术。挖掘过程数据预处理一般包括包括数据清理、数据集成、数据变换和数据规约四个处理过程.
