《论算法设计中的分治与增量》，我会写！！
随机增量法较为简单，遵循增量法的一贯思路，即按照随机的顺序依次插入点集中的点，在整个过程中都要 维护并更新一个与当前点集对应的Delaunay三角剖分。考虑插入vi点的情况，由于前面插入所有的点v1,v2,...,vi-1构成的DT(v1, v2,...,vi-1)已经是Delaunay三角剖分，只需要考虑插入vi点后引起的变化，并作调整使得DT(v1,v2,...,vi-1) U vi成为新的Delaunay三角剖分DT(v1,v2,...,vi)。(插入调整过程：首先确定vi落在哪个三角形中（或边上），然后将vi与三角形三个顶点连接起来构成三个三角形（或与共边的两个三角形的对顶点连接起来构 成四个三角形），由于新生成的边以及原来的边可能不是或不再是Delaunay边，故进行边翻转来调整使之都成为Delaunay边，从而得出DT (v1,v2,...,vi)。)其Pseudocode如下：Algorithm IncrementalDelaunay(V)Input: 由n个点组成的二维点集VOutput: Delaunay三角剖分 a appropriate triangle boudingbox to contain V ( such as: we can use triangle abc, a=(0, 3M), b=(-3M,-3M), c=(3M, 0), M=Max({|x1|,|x2|,|x3|,...} U {|y1|,|y2|,|y3|,...})) DT(a,b,c) as triangle i <- 1 to n do (Insert(DT(a,b,c,v1,v2,...,vi-1), vi)) the boundingbox and relative triangle which cotains any vertex of triangle abc from DT(a,b,c,v1,v2,...,vn) and return DT(v1,v2,...,vn).Algorithm Insert(DT(a,b,c,v1,v2,...,vi-1), vi) the triangle vavbvc which contains vi // FindTriangle() (vi located at the interior of vavbvc) 3. then add triangle vavbvi, vbvcvi and vcvavi into DT // UpdateDT() FlipTest(DT, va, vb, vi) FlipTest(DT, vb, vc, vi) FlipTest(DT, vc, va, vi) if (vi located at one edge (. edge vavb) of vavbvc) 5. then add triangle vavivc, vivbvc, vavdvi and vivdvb into DT (here, d is the third vertex of triangle which contains edge vavb) // UpdateDT() FlipTest(DT, va, vd, vi) FlipTest(DT, vc, va, vi) FlipTest(DT, vd, vb, vi) FlipTest(DT, vb, vc, vi) DT(a,b,c,v1,v2,...,vi) Algorithm FlipTest(DT(a,b,c,v1,v2,...,vi), va, vb, vi) the third vertex (vd) of triangle which contains edge vavb // FindThirdVertex()(vi is in circumcircle of abd) // InCircle()3. then remove edge vavb, add new edge vivd into DT // UpdateDT() FlipTest(DT, va, vd, vi) FlipTest(DT, vd, vb, vi)复杂度分析问题的规模为点集中的点的总个数n（没有重合的点），循环内的基本的操作有：1.寻找插入点所在的三角形(FindTriangle())2.测试点是否在外接圆内(InCircle())3.更新三角网(UpdateDT())4.寻找共测试边的第三顶点(FindThirdVertex())考虑最坏情况：时间复杂度T ＝ T(addboudingbox()) + Sum(T(insert(i), i=1,2,...,n)) + T(removeboundingbox)因为addboudingbox()和removeboundingbox不随n变化，是个常量。T(addboudingbox()) = O(1), T(removeboundingbox()) = O(1).T = Sum(T(insert(i), i=1,2,...,n)) + O(1) + O(1). 考虑插入第i个的点的时间: T(insert(i)) = T(FindTriangle(i)) + T(UpdateDT(i)) + K*T(FlipTest(i)) (K为常数)故T = Sum(T(FindTriangle(i)), i=1,2,..,n) + Sum(T(UpdateTD(i)), i=1,2,..,n) + K*Sum(T(FlipTest(i)), i=1,2,..,n)挨个考虑：FindTriangle(i)是要找出包含第i个点的三角形，由欧拉公式知道，平面图的面数F是O(n), n为顶点数，故此时总的三角形数是O(i)的。所以问题相当于在O(i)个记录中查找目标记录，如果不借助特殊的数据结构，按照一般顺序查找，需要O (i)的时间。T(FindTriangle(i)) = O(i),故：Sum(T(FindTriangle(i)), i=1,2,..,n) = O(n*n)UpdateTD(i)是更新三角网数据结构，插入和删除三角形到当前的三角网是个常量操作，因为已经知道插入和删除的位置。T(UpdateDT(i)) = O(1),故：Sum(T(UpdateTD(i)), i=1,2,..,n) = O(n)FlipTest(i)比较复杂些，是个递归过程。细分为：T(FlipTest(i)) = T(FindThirdVertex(i)) + T(InCircle(i)) + T(UpdateDT(i)) + 2*T(FlipTest(j))。(这里，用j来区分不同的深度)因为InCircle(i)是测试点是否在外接圆内，是个常量操作，不随点数变化而变化。故T(InCircle(i)) = O(1), 又T(UpdateDT(i) = O(1)(见上)FindThirdVertex(i)是查找目标点，在O(i)个记录中查找目标记录，如果不借助特殊的数据结构，按照一般顺序查找需要O(i)的时间。T(FindThirdVertex(i)) = O(i).剩下的是递归调用FlipTest的过程，不过还好，因为FlipTest的递归深度只有常数级(设为K)。正比于点在三角网中的度数(degree)。故FlipTest(i)最多调用的次数为2*2*,...,2 = K',还是常数。故T(FlipTest(i)) = O(i) + O(1) + O(1) + K'*(O(i) + O(1) + O(1)) = O(i) + O(1) + O(1) .Sum(T(FlipTest(i)), i=1,2,..,n) = O(n*n) + O(n) + O(n)综上，最坏情况下算法总时间复杂度 T = O(n*n) + O(n) + K*(O(n*n) + O(n) + O(n)) + O(1) + O(1) = O(n*n) 其中，关键的操作是FindTriangle()和FindThirdVertex()，都是n*n次的。在网上很多资料说随机增量法是O(nlogn)的，但是分析下来，却是O(n*n)的。后来看到别人的实 现，原来是用的别的数据结构来存储三角网，减少了FindTriangle()和FindThirdVertex()的复杂度。使得某次查找三角形和共边 三角形的第三顶点能在O(logn)，而非O(n)的时间内实现。这样，总的查找的时间为 O(log1)+O(log2)+,...+O(logn) = O(nlogn)。程序=算法+数据结构，看来一点没错。比如说用DAG，Quad-edge等，都能达到O(nlogn)的复杂度。分治法（Divide and Conquer）据说是现在实际表现最好的。
《论算法设计中的分治与增量》
1、论文论著91年01期 程序变换综述 计算机与现代化 第一作者91年08月 过河算法的演绎推理 91全国理论计算机年会 第一作者论文集并作大会报告91年04期 面向对象系统中的分类 计算机与现代化 第二作者91年04期 二叉树插入删除算法的演绎推理 江西师大学报 第二作者92年01期 多型函数和高阶函数的可重用性 计算机与现代化 第二作者92年04期 函数程序语言SML及其实现 计算机与现代化 第二作者92年04期 C++的虚拟函数与虚拟基类 江西师大学报 第二作者92年04期 过河算法的综合 计算机研究与发展 第一作者93年08月 一类树的遍历算法的演绎综合 中国计算机学会第八届 第一作者年会论文集(摘要)94年增刊 程序设计语言中的可复用机制 计算机与现代化 第二作者95年11期 函数式语言中多态类型的实现技术 计算机研究与发展 独 著96年07期 通用的文本检索工具 电子与计算机 第一作者96年11月 江西省高校计算机等级考试手册 江西高校出版社 第二主编96年02期 环型队列的插入删除算法分析及其改进 江西师大学报 独 著96年03期 面向对象开发中的继承机制和可重用性 计算机与现代化 第一作者96年03期 树算法综述 成人高教理论与实践 独 著97年增刊 面向对象的多态性和异质队列系统的实现 计算机与现代化 独著97年04期 OO设计和对象模型构建技术 计算机与现代化 第一作者97年01期 树遍历算法的演绎综合 计算机工程与科学 独 著97年04期 面向对象软件开发及其可复用性分析 江西师大学报 第二作者97年02期 双机容错热备系统综述 计算机与现代化 第三作者97年增刊 用分枝限界法求解0/1背包问题 计算机与现代化 通讯第一作者98年02期 金山汉字编辑系统加密剖析 江西师大学报 第二作者98年06期 回溯法的并行处理 计算机与现代化 通讯第一作者98年02期 金山汉字编辑系统加密剖析 江西师大学报 第二作者98年12月 数据结构 江西教育出版社 第一作者98年05期 面向对象多态性和通用异质栈的实现 计算机科学 独著98年10月 分治方式的并行处理与高效 98全国理论计算机年会 第一作者并行排序算法 论文集并作大会报告98年05期 江西省高校计算机等级考试研究和实施 江西高教研究 第二作者98年05期 面向对象多态性和通用异质栈的实现 计算机科学 独著99年01期 分治算法的并行处理 江西师大学报 通讯作者99年11期 回路算法的演绎综合 计算机科学 独著00年04期 计算机应用技术基础 华东师大出版社 主编00年02月 计算机软件工 上 地质出版社 副主编00年02月 计算机软件工 中 地质出版社 副主编00年02月 计算机软件工 下 地质出版社 副主编00年08期 一类数组算法的演绎综合 计算机科学 独著00年04期 异构计算机开发最大循环并行性 江西师大学报 第三作者00年增刊 软件工程教学探讨 江西师大学报 通讯作者00年10月 浅谈21世纪计算机基础教育改革 清华大学出版社 通讯作者00年10月 探索教学方式，提高教育质量 清华大学出版社 通讯作者01年02期 汽车备件管理系统的OO分析与建模 计算机科学与工程 第一作者01年07期 信息管理系统的OO分析与建模 计算机科学 第一作者01年07期 证券网与 ES-9000大中型机互连应用 计算机科学 第二作者01年04月 企业进销存管理系统的对象建模与设计 计算机应用研究 第一作者01年10期 DirectShow 中构建过滤器图表技术 计算机应用研究 通讯作者02年01期 利用DirectShow技术实现多媒体流的 计算机应用研究 通讯作者解码和回放02年12期 利用VBA扩展WORD功能的一个实例 计算机应用与软件 通讯作者02年08月 Web企业应用软件的面向对象开发方法 计算机科学 第一作者02年06期 MPEG流封装成RTP协议包的具体实现 微型电脑应用技术 通讯作者02年12月 C语言程序设计 中国铁道出版社 主 审03年03期 汉若塔问题非递归算法的形式推导 计算机科学与工程 通讯作者03年06期 基于MIS的通用编辑界面的关键技术 计算机与现代化 通讯作者及其实现03年01期 VB中高清晰可视化图文打印的实现 江西师大学报 通讯作者03年09月 计算机文化基础 江西高校出版社 主 审04年09月 A High-efficient Parallel Reasoning Algorithm 第一作者DCABES 2004 Proceadings04年04期 基于MFC的对象序列化机制探讨及其应用 江西师大学报 通讯作者04年05期 一种视频点播系统的研究与实现 江西师大学报 通讯作者04年08月 对印度计算机教育的思考 全国高等学校计算机基础教育研究会 通讯作者会 2004年会论文集 清华大学出版社04年08月 培养创造应用型软件人才的几点建议 全国高等学校计算机基 第二作者础教育研究会 2004年会论文集 清华大学出版社05年05月 A Developing Method of GPS Real-time Data Collection Systemfor Traffic Monitoring and PositioningPROCEEDING 2005 SEMINAR ON engineering Education Cooperation& Academic Research for Chinese-French Universities 第一作者05年05月 Design and Implementation Message and Presence Service Basedon SIPPROCEEDING 2005 SEMINAR ON engineering Education Cooperation& Academic Research for Chinese-French Universities 通讯作者2、课题部分实现理论及其在软件开发中的应用 国家自然科学基金项目 骨干完成OO建模设计及其在软件开发中的应用用 省自然科学基金项目 主持完成面向对象的重用技术及其在软件开发中的应用 省自然科学基金项目 主持完成面向对象的设计及其在软件开中的应用 省科委一级项目 主持完成基于对象的教案设计平台研究开发 省教委重点项目 主持完成国家计算机软件工题库系统 国家劳动部项目 主持完成基于语义的题卷库系统 省教委重点课题 主持完成智能演绎模型开发工具研究 省科委一级项目 主持完成教案编辑方法研究 校重点课题 主持完成可重用性理论及其在软件开发 省自然科学基金项目 骨干完成党外干部管理系统 省科委软课题 主持在研导师制下的项目驱动教学模式研究 省教育厅 主持在研基于webservice的通用教案制作平台设计 江西省分布式计算工程中心 主持在研
总结是事后对某一阶段的学习、工作或其完成情况加以回顾和分析的一种书面材料，它可以给我们下一阶段的学习和工作生活做指导，我想我们需要写一份总结了吧。那么你真的懂得怎么写总结吗？以下是我为大家整理的研究生个人工作总结，仅供参考，希望能够帮助到大家。
经过半年科大的学习，自己的确成长了不少，增长了知识，开阔了眼界，领略了另一番风景，更加是开启了另一种的人生。
学习方面
来到科大，首先感受到的是科大浓郁的学习氛围，称科大学子为“学术帝”则是一点没有夸张，大家都畅游在知识的海洋中，充分感受知识带来的享受与愉悦，在这里可以真正静下心做学问，经常在来回的路上听到同学讨论学术问题，或许在追求更高层次的人生目标上，大家与知识成为益友，相伴相知，在人生旅途中闲庭漫步，笑看云卷云舒。
第一年进入研究生的新生活，学习进入到一个新阶段，开始接触到一些更加具有创新性的处于科学前沿的新技术与新知识，专业学习更加细致与系统化。理解到也许每个知识点背景后的小细节稍加改进又可以成为创新之举，商品化的技术更加有能力提高现有的生产力水平，为国家与社会带来新的机遇。科学的神奇之处在于你永远不知道下一个奇迹在多远处等待你，所以科技 工作 者才会夜以继日，兢兢业业，运用自己的知识与智慧寻找下一个奇迹，人类社会整个文明史才会成为真正意义的进步史(当然很大一部分也是哲学家、文艺家和社会学家的功劳)。科学分为理论研究和实践应用，理论的成熟与条件的可操作化才会催生技术的发展，我们必须承认即使在SCIENCE和NATURE上发的很多文章也难以实际化，但是灵感的迸发，巧妙创意的产生总会孕育下一个跨时代的创举，引发人类历史上又一场盛大的技术革命。在第一学期学习中，选了许多门专业课程，看似没有很大联系，分属不同学科，但是科学是通汇贯通的，知识在不同领域的应用像武侠中不同的门派，看似道不同，实际上“魂”是一样的，科学的本质与理论基础从未改变。半年的研究生学习，不再像本科阶段，各种化学都要接触，地基在大学里已经打牢，不同专业的同学则建造属于自己的不同风格的房子，“术业有专攻”深刻体现出来。自己在学习方面与其他同学相比，觉得理论知识还不够扎实，地基尚未打牢，所以要走稳固基础，抓好上层建筑的路线，自己的房子才会既稳固又大气。
人际方面
刚到科大的陌生在半年时光里悄然离我远去，所里面的同学也更加熟络，或许是天生性格属于外向型，与舍友同学快速打成一片。大家通过班级建立的群组方便技术快捷交流学习中的困难与收获，于是乎在每次的思维风暴中，都会有不同的收获，视界更加开阔，思路更加敏捷，集思广益的魅力凸显。在生活中，大家在假日组织出去烤肉、吃饭、K歌，欢乐畅快，友谊更加深厚。每个人生阶段我们都会离开一群老朋友，同时认识一群新伙伴，我坚信老朋友的情谊长存，新朋友是我们的亲密战友，总之一句话友谊地久天长，在朋友的陪伴下，沐浴在友情的阳光下，每个人才会绽放出最美丽的自己。
思想方面
进入研究生的新生活，觉得自己身上也多了一份责任，现实逼迫我们每个人不断成长，担负起家庭和未来的担子，这或许是成长最沉重又最真实的部分吧。21岁，未来似乎在远方亲切地向我挥手，但是这个远方的距离则没有人知道，我们离开了懵懂的少年时代，进入了需要自己打拼创造生活的新阶段，身上寄存着父母的期待、自己的梦想同时还有****裸的残酷现实，如何突破重围，达到心中彼岸，每个人都有不同的选择，我相信，天道酬勤，自己奋斗的道路的另一端不会让你失望。
半年的时光，匆匆已过，在不断学习，不断充实中，自己思想更加成熟，生活更加有序，方向更加明确，但自己仍需更加稳健，不断汲取别人的长处，积累经验，开阔视野，更重要的是拥有豁达胸怀，遇事坦然处之，在平淡的学习生活中取得更大的成绩。
每个报考在职研究生的考生都需要一个理由，关键是这个理由最后能否上升为一种信念，这一信念能否改变你的学习和生活态度，这一态度能否最终改变你的行动！你是否适合报考在职研究生呢？祝愿各位在职人员，能通过对自己的反思找到一个理由，让自己义无反顾地坚持下去！结果也许并不是最重要的，但备战在职研究生考试必将成为你一生中最难忘的经历！以下是一些分析。希望对大家有帮助：
一、拥有名校情结者
仰慕名校从坏的角度看是虚荣心，从好的角度看是进取心，这种虚荣心通常都是善良和积极的，通过树立高远目标来激发自己的潜力难道不是好事吗？知道很多在职考生都希望自己能进入知名度比较高的学府，而他们认为，要进入这些高等院校，他们现实中可以执行的只有考研，金字塔下层学校的学生也可以通过考研满足自己的名校情结。
二、觉察前途渺茫者
一个很可能要在乡村中小学站一辈子讲台的人，一个很可能要在小县城的鸡肋部门的某个科室做一辈子职员的人，一个在外面漂泊滚打多年仍然一事无成的人，选择考研难道不是一个改变命运的契机？
三、有志学术事业者
现在很少听到本科生搞学问的人了，相反，博士生、博士后才是做学问、搞研究的人才的观点逐渐成为社会共识；因此，想耕耘大学讲坛、想苦思于书斋、想活跃于实验室的人除了考研别无选择。
四、感觉工作乏味者
首都经济贸易大学在职研究生不少人觉得自己上班就是做着不痛不痒的事情，工作起来有如机器一般乏味无聊，每天就是那三五件重复了千百遍的旧事，月复一月，年复一年，岁月已近乎停止，时间已近乎凝固，生命只是坐等无聊，这样的人选择考研还需犹豫？
五、希望改变学历成色者
我们的社会里，有不少的一批人由于早先各种原因选择了中专教育，后来他们通过自己的努力参加成人教育考试、函授考试、电大教育获得了本科文凭，认为这样的人参加考研可以大大提升自己先前学历的成色。
六、性情内向孤僻者
这样说不是鼓励大家离群索居、沉默自守，恰恰相反，适当的交往和活跃是完善人格、适应社会所需要的品质；之所以说内向性格的人更适合考研是因为他们往往更能耐得冷板凳、更能静心学习和研究。
七、就读基础专业者
诸如读历史、哲学、物理等基础专业的本科生往往在求职途中更为艰难，虽然要因人因情而言，但一般说来这样的学生不考研不继续深造想学以致用、想轻松找到工作难度不小。
现代社会是一个学习型的社会，终身学习是每个人成才的必要途径。为提高自身的专业技能，创新理念和现代管理知识，促使在工作中进一步更新观念、理清思路，更好的工作。
通过这两年的在职研究生学习，让我受益非浅。中国海洋大学在职研究生班就我个人的发展而言，它所起的作用都是不容忽视的。课程班的课程安排很紧凑，几乎每月都安排有两次课程，自己也能克服困难坚持上课，两年来，我学到了先进的文化知识，掌握了解了计算机技术方面的相关知识，使自己在工作上上了一个新台阶。
通过这两年的在职研究生学习，拓宽了自己的知识面，提高了认识。一方面是对自我的认识，认识到自身的不足，需要不断提高自己的专业知识、管理知识和职业素养；另一方面是通过学习对计算机技术的认识上升了一个层次，对个人的工作有很好的指导意义。
这次毕业论文，我在导师的指导下，在师兄弟们支持下，做了潍坊市新新家园景观工程的成本管理研究，运用成本控制理论，通过分析与建筑技术结合进展和工程的实际情况，分析得出全面、科学、合理的成本控制方法，对完善工程造价管理工作提出合理化建议。
在即将毕业之际，首先向我的母校致以崇高的敬意和衷心的感谢。通过这几年来在中国海洋大学的学习与研究，我所收获的不止是知识层次上的累积，更重要的是生活、学习态度的改变。
感谢我的导师，在我这几年的研究生学习过程中给予我的悉心指导和热情关怀。导师渊博的知识，认真的工作态度，科学创新的工作作风，坦诚正直的优秀品格，给我留下了深刻的印象，这必将在未来的日子里激励和鞭策着我，对我今后的人生态度和学术生涯产生深远的影响。
威海又到了我最喜欢的季节，漫天飘雪的时候。不想说时间过得好快，但事实就是如此，原来研究生生活已经过去了一个学期，原来我进入校研会也已有一百多天。回首这段大家携手走过的日子，有忙碌有休闲，有劳累有欢乐，真的留给我很多，也让我收获了很多……
还记得最初面试的时候，即便明知缺乏经验会成为一种劣势自己也是信心满满。面对着一屋子的师兄师姐，微笑着说：很多时候，所谓的“不熟悉”“缺乏经验”不会成为开展工作的阻力，反而会成为一种动力和优势；因为没有所谓的经验可以借鉴，没有先入为主的判断，所以每一项计划、每一个细节都会小心翼翼、全身心地投入，尽最大努力拼出一个完美的结果。是的，多数时候我一直坚信，热情和努力可以弥补一切不足。
其实，承诺和行为总是处于两个不同维度，对比的结果就可以看出哪些地方做的很好，哪些地方还存在不足。下面就简单地总结一下自己在前段时期工作中的表现。
首先，可以肯定的是自己在前期工作中还是很努力的。最初，主要的工作内容是负责采购和报账（期间大型物品采购一次，正式报账两次）。涉及财务跟资金，总是有一些小敏感，所以需要在整理的过程中格外谨慎和细心，而且必须符合研会的相关规定。还好最后整理的清单、明细及发票均没有问题，部长及书记比较满意，报账过程很顺利。中期调整后主要负责生日提醒、各部门活动资料的整理和存档，主要是需要定期进行生日提醒；及时与各部门的活动负责人沟通，收取电子版和纸质版进行存档。此外，还有一些部门活动需要全体成员共同努力，比如，办公室的装饰、内部联谊会等等。
其次，想说的是，虽然在工作中努力了但是自己努力的程度还不够，还没有达到可以弥补一切不足的程度，工作中还是存在问题和不足的。坦白讲，觉得自己做的最不好的一件事，是内部联谊会各部门视频的制作，原本应该自己学习、自己制作，但由于一些个人原因最终还是找别人代做的。虽然完成了任务，但心里做不到坦然。因为那不是自己用心努力的结果。
其实，知道哪些地方自己做的不够好，还是有好处的（这可不是自我安慰阿～），这样就为自己的努力找到了方向。接下来的日子，需要努力的地方还很多，我想，我会努力实现自己最初说的承诺：每一项工作、每一个细节都会小心翼翼、全身心地投入，尽最大努力拼出一个完美的结果。
9月份开学后正式进入了研究生学习阶段，其实早在6月份就和导师到深圳的实验室去做项目，干了两个半月，对以前学的技术熟悉了一下，对后来的研究生学习挺有帮助。
第一次到南方，很兴奋，和导师带的另一个同学一起去的，做了24个小时的火车，下车后还是导师亲自来接站，感觉荣幸之至。
住在挨着华强北的一个小区内，实验室在南山区的科技园内，每天按上下班的点去实验室，第一次体验了一把上班族的生活。华强北真热闹，以前都在小地方，没怎么见过市面，第一次见六条人行横道的十字路口，隔三差五就去华强北转，晚上吃完晚饭经常去电器城里吹冷风，各种新上市的电子产品也把玩了个遍。唯一感觉不好的就是南方的气候，经常潮湿的不行，蟑螂还很多，个头又大，住了两个月就怀念北方干燥的天气了。
下面主要说说研究生第一学期的学习。
本着求知好学的精神，加上刚上研究生干劲十足，这学期选的课很多，各方面都想学，问了周围的同学，还没见到比我选的课多的。
过了半个学期就开始后悔，课程太多应付不过来，几乎每门课都有大作业，想着如果让我重新选课，肯定不选这么多。尤其到了最后一个月，简直要忙死，好几个课程的大作业都是在截止日期前一天才做完。进入考期后更是紧张，要考试的科目比别人多出四五门，一直愁怎么安排复习时间。最重要的两门，矩阵理论和算法还是在相邻的两天内考，一直担心要是挂科怎么办。那几天又过上了考研期间的生活，每天背着书包去自习室。直到最后一科考完，才发现自己竟然做到了，之前担心的几个科目也都比较有把握。再次验证了人的潜力是逼出来的，如果当初选的课比较少，会过的比较轻松，但学不到更多的东西，到头来坑的是自己;选的课多了，学习过程会很紧张，但激发的潜力会逼自己完成所有科目，多学了东西，最终受益的还是自己。
这学期一共选了13门课，分别说说感受。
(1)中国特色社会主义理论与实践研究
必修的政治课，由好几位老师讲，每位老师讲一个主题，与以往的政治课最大的不同是从不同的角度看历史政治问题，讲了些一般 政治历史课本上没有的。只是每次上课的时间太长，一上就是一下午，没什么耐心听。最后是开卷考试，买的讲课老师自己编的书，只要把相关内容答上去就有分。
(2)英语
选课前有个英语免修的考试，我没参加，因为我还是挺喜欢英语的，也不怕英语考试，每堂课跟着听一听，比较轻松也能复习复习 英语，顺带学点东西。英语课每周两节，一节外教讲，一节是中国的英语老师讲。外教是苏格兰人，英式发音一开始听着很别扭，后来习惯了感觉还挺有意思。上课一般是讲一些西方文化，分组讨论，最后的考试是几分钟的口语面试，也挺简单。中国的英语老师是剑桥留学回来的博士，水平还是很高的，上课多是讲一些英文写作的技巧，确实对以后写论文有帮助。其实想一想，以后再想找个高水平的英语老师给讲课机会可就不多了，所以这次选英语课一点也不后悔。
(3)矩阵理论
工科的必修课之一，可以从数理统计、矩阵理论、数值分析三门里选一门，听说矩阵论算是其中简单的，就选了矩阵。第一章的内容是接着本科学的线性代数讲的，后面讲一些深入的东西，像矩阵分解、伪逆矩阵、矩阵函数之类的。本身我们实验室就搞图像处理，学一学矩阵对以后还是挺有帮助的。每周有两节课，都是上午第一节，总是起不来。最后考试前也很担心，总怕挂掉，复习资料是看往年的矩阵论考题，针对每个题型复习。在考场上见到考题后才放下心来，题目还是很简单的，都是些固定题型，没有很偏很难的。
(4)经济学思想
跨学科的一门选修课，本身对经济学很感兴趣，就想选这门课。这门课还是很热门的，选课开始的第一天我选的时候已经满员了，第二天早晨看的时候发现有人退了，还剩一个名额，就赶紧退掉其他跨学科选修课，选了这门。前几节课讲的东西都很好理解，到后来有很多经济学里的`公式图表，就听不懂了。考试是闭卷，50道2分的选择题，没一点弹性。参考书指定的是曼昆的《经济学原理》，在网上找了这本书的要点总结看了一遍，也没记住多少。考试的时候全靠理解加常识，最后还是过了。
(5)算法设计与分析
计算机专业的重量级必修课，授课老师韩军教授水平很高，澳大利亚邦德大学毕业的，讲课生动有趣，参考书就用的王晓东的《计算机算法设计与分析》。还是按照分治算法、动态规划、分支定界、贪心算法、随机算法、NP理论这一套讲下来，也算是又复习了一遍。
不过相比本科学的内容深入了，像分治算法里面又分为分治、减治、变治。动态规划部分讲的也很好，对动态规划的理解又加深了。平时有三次作业，一次算法性能分分析题，一次动态规划题，一次分支界限题，这几次作业还是很锻炼人的。最后考试还是参照往年试题复习， 考之前也很担心，最后发现题目有80%是重复的。
(6)高等计算机网络
这门课也相当于把本科讲的计算机网络又复习了一遍，还是分层讲，内容上加深了，介绍了一些以前没讲过的协议。老师的讲课方式比较枯燥，一个人就能说两个多小时，没有互动。不过老师给安排的作业还是很锻炼人的。平时有5次针对不同主题的论文阅读，每个人人选三个主题，也就是三篇论文，进行阅读和分析，候选论文都是老师给仔细挑选的英文经典论文，读完后要写分析报告，一篇word，一篇ppt，word上交，ppt在课堂上抽人演讲。通过这几次作业锻炼了英文原版论文的阅读能力，提高了英语水平和专业水平，虽然过程很难熬，不过对自己的提高有很大帮助。还有个分组大作业，可以做网络性能分析、网络参数测量或者网络相关的应用。我们组本来想直接交我本科做的一个局域网抓包分析的程序，结果开题时被毙了，说做这些没有研究意义。后来又临时选题，做的P2P流量识别和分析。
由于是临时选题，开题后一点思路也没有，愁了好几个星期，直到最后截止日期前才做完。这门课是我所选的课中作业最多的，同时对自我提高帮助也很大。
(7)程序语言设计原理
院长讲的一门课，之前还对院长的水平抱有怀疑，总认为干上行政工作后学术水平会有所降低，后来上课后才发现院长水平真的很高。
这门课不是讲具体的语言，而是讲程序语言的设计原则和分类，很高深的东西，还夹杂着很多编译原理相关的内容，到后来基本听不懂了。
通过这门课第一次知道了什么是函数式语言。老师留的作业也很有意思，共三个作业，分别是程序之美、语言之美、形式之美。程序之美是让分析一段1000行左右的程序，指出其中体现了哪些程序语言的设计原则。语言之美是分组作业，老师给定一些少见的编程语言，分组研究其类型系统、束定机制、存储机制、程序控制、编译环境等。给定的语言有Objective-C、Python、Haskell、Scheme、Clojure、Scala、Erlang、Ruby、PHP、HTML5。我们组选的是Scala，本来想选Objective-C、Python、PHP这些常用语言，学习一下以后可能用得到，但由于
太热门，名额早就被占光了。Scala也不错，兼具函数式和面向对象式语言的特点，分析过程中确实也学到很多东西。形式之美是让写形式化表达，这次作业也被当做最后的考试。
(8)人机交互
这门课主要讲一些设计准则，这些准则告诉我们在设计软件(或其他任何人类使用的物品)时如何才能更好的被人使用。对于以后做界面开发有很大帮助。比如做网站，有的网站我们一看就知道各个功能都在哪里，用起来使人很愉悦;但有的网站给人的感觉却是乱七八糟，想找的功能找不到，不想要的功能堆在眼前，这就是设计的好与不好造成的。其实感觉这门课对我当前阶段来说用处不大，因为现在做的东西基本功能都还实现不了，谈不上美和易用性。并且大家应该都有这样的认识，一些专业性很强的软件，往往界面不怎么美也不怎么易用，但强悍的功能让人们还是对它爱不释手。但这些设计原则对于一些很成熟的通用软件来说，就有很大作用了，比如腾讯QQ的客户端，这几年的新版本功能上没有太大改变，都在强调用户的易用性。这门课也是分组作业，我们选了以前做的一个项目，没怎么改就交上去了，老师主要看你演示时能不能将课堂上讲的一些人机交互的原则在你的程序中的体现说出来。
(9)航天型号软件工程
这门课就是讲航天领域里软件工程的一些准则和注意事项，基本上也就是把软件工程的流程再讲一遍。老师讲课挺有激情，还请了航天软件领域的几位专家来给讲解。作业也很简单，就提交一个需求分析文档，也没考试。
(10)遥感图像解译
这是我们导师的一门课，讲遥感图像的处理流程。课时比较短，只有半个学期，很多细节都不明白，作业也就是按照老师给的步骤处理了 几个遥感图像。有人觉得这样的课根本学不到东西，上了等于白上，但我觉得上过这门课和没上是有不同的。如果没上过这门课，对于这个 领域里的东西完全是一抹黑，不了解。上过一遍课，虽然很多东西还是不懂，但起码有个入门，以后在遇到这个领域里的问题时，自己知道如何自学了。
回顾20xx年度的工作和学习，在机械学院领导的关心、支持和鼓励下，在同事们的帮助下，我圆满地完成了20xx年的工作目标和任务，忙碌中感觉充实，辛苦中留下回味，勤劳播种了收获，不足激励我奋进。20xx年我的工作岗位是研究生秘书和科研秘书，现将一年来的主要工作做总结汇报：
1、思想方面
在思想上我对自己严格要求，我坚持四项基本原则，拥护党的方针政策，在繁忙的工作之余，我积极参加政治学习，有责任心，事业心，做到为人师表。关心国家大事，关心时事政治，工作上热心为老师服务，团结同事，真心待人。
2、工作方面
1)在科研秘书工作方面，认真搜集各个老师的科研资料，做好归档工作。协助主管院长管理、安排本单位与科技管理有关的各项工作，及时将相关信息在学院网页上发布;按学院、科技处的要求，组织学院教职工积极申报各级各类科研项目，协助有关人员作好项目的过程管理，保证科研项目能及时、高质量地完成;协助做好学院各级各类项目的鉴定(验收、结题)、成果登记、成果奖励申报、专利申报、项目及成果技术保密等工作等。
2)在研究生秘书工作方面，在这一年认真做好研究生的服务工作，协助主管院长做好研究生的管理工作，做好新生的课程安排，二年级学生的开题以及三年级学生的中期检查和毕业答辩工作等，使得研究生培养工作能够顺利地开展。以及研究生的日常管理工作。
3)在教学方面，主要包括带毕业生和实验工作。主要包括辅导7名毕业生顺利完成的毕业设计和毕业答辩，在实验方面负责机械学院的柔性生产线的实验，包括10个班的认识实验，工业工程专业的部分实验工作。完成了专科班《计算机辅助机械设计》的教学工作。
3、科研方面
积极参加老师们的科研活动，努力提高自己的科研水平。今年发表学术论文3篇，其中ei收录3篇。
4、总结和展望
希望在明年的工作中，总结今年工作的不足和缺陷，争取明年的工作能更好的展开，把每一个任务争取做到最好，热心为老师们好服务，决不辜负校院领导和老师们对我的信任和期望，为学院的发展贡献自己的力量。
随机增量法较为简单，遵循增量法的一贯思路，即按照随机的顺序依次插入点集中的点，在整个过程中都要 维护并更新一个与当前点集对应的Delaunay三角剖分。考虑插入vi点的情况，由于前面插入所有的点v1,v2,...,vi-1构成的DT(v1, v2,...,vi-1)已经是Delaunay三角剖分，只需要考虑插入vi点后引起的变化，并作调整使得DT(v1,v2,...,vi-1) U vi成为新的Delaunay三角剖分DT(v1,v2,...,vi)。(插入调整过程：首先确定vi落在哪个三角形中（或边上），然后将vi与三角形三个顶点连接起来构成三个三角形（或与共边的两个三角形的对顶点连接起来构 成四个三角形），由于新生成的边以及原来的边可能不是或不再是Delaunay边，故进行边翻转来调整使之都成为Delaunay边，从而得出DT (v1,v2,...,vi)。)其Pseudocode如下：Algorithm IncrementalDelaunay(V)Input: 由n个点组成的二维点集VOutput: Delaunay三角剖分 a appropriate triangle boudingbox to contain V ( such as: we can use triangle abc, a=(0, 3M), b=(-3M,-3M), c=(3M, 0), M=Max({|x1|,|x2|,|x3|,...} U {|y1|,|y2|,|y3|,...})) DT(a,b,c) as triangle i <- 1 to n do (Insert(DT(a,b,c,v1,v2,...,vi-1), vi)) the boundingbox and relative triangle which cotains any vertex of triangle abc from DT(a,b,c,v1,v2,...,vn) and return DT(v1,v2,...,vn).Algorithm Insert(DT(a,b,c,v1,v2,...,vi-1), vi) the triangle vavbvc which contains vi // FindTriangle() (vi located at the interior of vavbvc) 3. then add triangle vavbvi, vbvcvi and vcvavi into DT // UpdateDT() FlipTest(DT, va, vb, vi) FlipTest(DT, vb, vc, vi) FlipTest(DT, vc, va, vi) if (vi located at one edge (. edge vavb) of vavbvc) 5. then add triangle vavivc, vivbvc, vavdvi and vivdvb into DT (here, d is the third vertex of triangle which contains edge vavb) // UpdateDT() FlipTest(DT, va, vd, vi) FlipTest(DT, vc, va, vi) FlipTest(DT, vd, vb, vi) FlipTest(DT, vb, vc, vi) DT(a,b,c,v1,v2,...,vi) Algorithm FlipTest(DT(a,b,c,v1,v2,...,vi), va, vb, vi) the third vertex (vd) of triangle which contains edge vavb // FindThirdVertex()(vi is in circumcircle of abd) // InCircle()3. then remove edge vavb, add new edge vivd into DT // UpdateDT() FlipTest(DT, va, vd, vi) FlipTest(DT, vd, vb, vi)复杂度分析问题的规模为点集中的点的总个数n（没有重合的点），循环内的基本的操作有：1.寻找插入点所在的三角形(FindTriangle())2.测试点是否在外接圆内(InCircle())3.更新三角网(UpdateDT())4.寻找共测试边的第三顶点(FindThirdVertex())考虑最坏情况：时间复杂度T ＝ T(addboudingbox()) + Sum(T(insert(i), i=1,2,...,n)) + T(removeboundingbox)因为addboudingbox()和removeboundingbox不随n变化，是个常量。T(addboudingbox()) = O(1), T(removeboundingbox()) = O(1).T = Sum(T(insert(i), i=1,2,...,n)) + O(1) + O(1). 考虑插入第i个的点的时间: T(insert(i)) = T(FindTriangle(i)) + T(UpdateDT(i)) + K*T(FlipTest(i)) (K为常数)故T = Sum(T(FindTriangle(i)), i=1,2,..,n) + Sum(T(UpdateTD(i)), i=1,2,..,n) + K*Sum(T(FlipTest(i)), i=1,2,..,n)挨个考虑：FindTriangle(i)是要找出包含第i个点的三角形，由欧拉公式知道，平面图的面数F是O(n), n为顶点数，故此时总的三角形数是O(i)的。所以问题相当于在O(i)个记录中查找目标记录，如果不借助特殊的数据结构，按照一般顺序查找，需要O (i)的时间。T(FindTriangle(i)) = O(i),故：Sum(T(FindTriangle(i)), i=1,2,..,n) = O(n*n)UpdateTD(i)是更新三角网数据结构，插入和删除三角形到当前的三角网是个常量操作，因为已经知道插入和删除的位置。T(UpdateDT(i)) = O(1),故：Sum(T(UpdateTD(i)), i=1,2,..,n) = O(n)FlipTest(i)比较复杂些，是个递归过程。细分为：T(FlipTest(i)) = T(FindThirdVertex(i)) + T(InCircle(i)) + T(UpdateDT(i)) + 2*T(FlipTest(j))。(这里，用j来区分不同的深度)因为InCircle(i)是测试点是否在外接圆内，是个常量操作，不随点数变化而变化。故T(InCircle(i)) = O(1), 又T(UpdateDT(i) = O(1)(见上)FindThirdVertex(i)是查找目标点，在O(i)个记录中查找目标记录，如果不借助特殊的数据结构，按照一般顺序查找需要O(i)的时间。T(FindThirdVertex(i)) = O(i).剩下的是递归调用FlipTest的过程，不过还好，因为FlipTest的递归深度只有常数级(设为K)。正比于点在三角网中的度数(degree)。故FlipTest(i)最多调用的次数为2*2*,...,2 = K',还是常数。故T(FlipTest(i)) = O(i) + O(1) + O(1) + K'*(O(i) + O(1) + O(1)) = O(i) + O(1) + O(1) .Sum(T(FlipTest(i)), i=1,2,..,n) = O(n*n) + O(n) + O(n)综上，最坏情况下算法总时间复杂度 T = O(n*n) + O(n) + K*(O(n*n) + O(n) + O(n)) + O(1) + O(1) = O(n*n) 其中，关键的操作是FindTriangle()和FindThirdVertex()，都是n*n次的。在网上很多资料说随机增量法是O(nlogn)的，但是分析下来，却是O(n*n)的。后来看到别人的实 现，原来是用的别的数据结构来存储三角网，减少了FindTriangle()和FindThirdVertex()的复杂度。使得某次查找三角形和共边 三角形的第三顶点能在O(logn)，而非O(n)的时间内实现。这样，总的查找的时间为 O(log1)+O(log2)+,...+O(logn) = O(nlogn)。程序=算法+数据结构，看来一点没错。比如说用DAG，Quad-edge等，都能达到O(nlogn)的复杂度。分治法（Divide and Conquer）据说是现在实际表现最好的。
给定一个整数数组 nums ，找到一个具有最大和的连续子数组（子数组最少包含一个元素），返回其最大和。 这是一道经典的算法题，在LeetCode上的编号是53。 本文以这道题为例学习分治算法 分治算法的核心是把问题分成两个大致相等的子问题，然后递归对它们求解，这是“分”的部分，在“治”这一阶段将两个子问题的解合并到一起求解。 根据算法的思想，把数组分割成两部分，左半部分和右半部分，最大子序列出现的位置可能在： 递归是这个算法里非常重要的一个环节，它把数组划分到最小单元来进行比较 把数组分成了四份，每一份只有两个元素。计算的过程是从左到右进行，比较左边元素，右边元素和两个元素之和的大小，取最大值，也就是 max(4,-3,(4+(-3))) ，结果是4。同理，整个数组的左半部分最大值是6，最大子序列就是 4,-3,5 。 下面是用JavaScript实现的分治算法实现 设 是求解大小为N的最大子序列和问题所花费的时间。 经过分析得到两个方程组为了简化计算，设置两个前提： 得到方程 。 两边同时除以 ,得到： 这个方程对于任意2的幂都成立，所以下面的方程都是正确的一共有 个方程，所有方程两边相加，消去相同项后得到：得到最终的结果： 以上的分析基于 是2的幂这个假设，如果不满足，方程不成立；当 不是2的幂时，需要加入一些复杂的分析，但是大 的结果不变。
PEST是战略咨询顾问用来帮助企业检阅其外部宏观环境的一种方法。是指宏观环境的分析，宏观环境又称一般环境，是指影响一切行业和企业的各种宏观力量。对宏观环境因素作分析，不同行业和企业根据自身特点和经营需要，分析的具体内容会有差异，但一般都应对政治（Political）、经济（Economic）、社会（society）和技术（Technological）这四大类影响企业的主要外部环境因素进行分析。简单而言，称之为PEST分析法。社会经济结构社会经济结构，是指国民经济中不同的经济成分、不同的产业部门及社会再生产各方面在组成国民经济整体时相互的适应性、量的比例以及排列关联的状况。社会经济结构主要包括：产业结构、分配结构、交换结构、消费结构和技术结构。其中，最重要的是产业结构。经济发展水平经济发展水平，是指一个国家经济发展的规模、速度和所达到的水平。反映一个国家经济发展水平的常用指标有国内生产总值、国民收入、人均国民收入和经济增长速度。经济体制经济体制，是指国家经济组织的形式，它规定了国家与企业、企业与企业、企业与各经济部门之间的关系，并通过一定的管理手段和方法来调控或影响社会经济流动的范围、内容和方式等。宏观经济政策宏观经济政策，是指实现国家经济发展目标的战略与策略，它包括综合性的全国发展战略和产业政策、国民收入分配政策、价格政策、物资流通政策等。当前经济状况当前经济状况会影响一个企业的财务业绩。经济的增长率取决于商品和服务需求的总体变化。其他经济影响因素包括税收水平、通货膨胀率、贸易差额和汇率、失业率、利率、信贷投放以及政府补助等。其他一般经济条件其他一般经济条件和趋势对一个企业的成功也很重要。工资、供应商及竞争对手的价格变化以及政府政策，会影响产品的生产成本和服务的提供成本以及它们被出售的市场的情况。这些经济因素可能会导致行业内产生竞争，或将公司从市场中淘汰出去，也可能会延长产品寿命、鼓励企业用自动化取代人工、促进外商投资或引入本土投资、使强劲的市场变弱或使安全的市场变得具有风险。
PEST分析法是一个常用的分析工具，它通过4个方面的因素，把总体上把握宏观环境，并评价这些因素对企业战略目标和战略制定的影响，首先P它是代表政治要素，是指对组织经营活动具有实际与潜在影响的政治力量和有关的法律法规。第二，E代表经济要素是指一个国家经济制度，经济结构，产业布局，资源状况，经济发展水平以及未来的经济走势等。3S代表社会要素是指组织在社会中成员的民族特征，文化传统，价值观念，教育水平，风俗习惯等因素。4T代表技术要素，它不仅仅包括那些引起革命性变化的发明，还包括与企业生产有关的新技术新工艺新材料的出现和发展趋势，以及应用前景。
pest分析是指宏观环境的分析，宏观环境又称一般环境，是指影响一切行业和企业的各种宏观因素。对宏观环境因素作分析，不同行业和企业根据自身特点和经营需要，分析的具体内容会有差异，但一般都应对政治、经济、社会和技术这四大类影响企业的主要外部环境因素进行分析。简单而言，称之为pest分析法。
PEST分析\x0d\x0aPEST分析是指宏观环境的分析，宏观环境又称一般环境，是指影响一切行业和企业的各种宏观力量。对宏观环境因素作分析，不同行业和企业根据自身特点和经营需要，分析的具体内容会有差异，但一般都应对政治（Political）、经济（Economic）、技术（Technological）和社会（Social）这四大类影响企业的主要外部环境因素进行分析。简单而言，称之为PEST分析法。\x0d\x0a\x0d\x0a1、政治法律环境（Political Factors）\x0d\x0a政治环境包括一个国家的社会制度，执政党的性质，政府的方针、政策、法令等。不同的国家有着不同的社会性质，不同的社会制度对组织活动有着不同的限制和要求。即使社会制度不变的同一国家，在不同时期，由于执政党的不同，其政府的方针特点、政策倾向对组织活动的态度和影响也是不断变化的。\x0d\x0a2、经济环境（Economic Factors）\x0d\x0a经济环境主要包括宏观和微观两个方面的内容。宏观经济环境主要指一个国家的人口数量及其增长趋势，国民收入、国民生产总值及其变化情况以及通过这些指标能够反映的国民经济发展水平和发展速度。微观经济环境主要指企业所在地区或所服务地区的消费者的收入水平、消费偏好、储蓄情况、就业程度等因素。这些因素直接决定着企业目前及未来的市场大小。\x0d\x0a3、社会文化环境（Sociocultural Fators）\x0d\x0a社会文化环境包括一个国家或地区的居民教育程度和文化水平、宗教信仰、风俗习惯、审美观点、价值观念等。文化水平会影响居民的需求层次；宗教信仰和风俗习惯会禁止或抵制某些活动的进行；价值观念会影响居民对组织目标、组织活动以及组织存在本身的认可与否；审美观点则会影响人们对组织活动内容、活动方式以及活动成果的态度。\x0d\x0a4、技术环境（Technological Factors）\x0d\x0a技术环境除了要考察与企业所处领域的活动直接相关的技术手段的发展变化外，还应及时了解：⑴国家对科技开发的投资和支持重点；⑵该领域技术发展动态和研究开发费用总额；⑶技术转移和技术商品化速度；⑷专利及其保护情况，等等。
按照两重积分的定义来计算两重积分的值，这个方法是相当局限的。目前对两重积分的求解是化两重积分为两次定积分。 由于两重积分的几何意义之一可认为是一曲顶柱体的体积，则在空间直角坐标系下，如图1所示：可在a、b之间插入n-1个点，使得：这样就将曲顶柱体分成n个部分，将着n个部分的体积相加，并记曲顶柱体的体积为V，则有：V≈V1； 继续细分区间，得体积V2； 以此类推，这样我们得到一个序列： V1，V2，V3，… 当分割的区间的长度趋于零时，上面的序列趋于一常数，这时我们就把该常数理解为曲顶柱体的体积V。 当区间长度趋于零时，我们不妨设区间是一个点（点是有长度的，因为线段是由无限个点组成的，如果点没有长度的话，将不会存在线段），对于已化分成n个部分的曲顶柱体，我们取任意一小部分体积进行分析，假如我们取区间x0对应的那一部分体积分析，如图3阴影部分所示：则这一部分小体积可认为一是个平顶柱体的体积，所以：同理可得： 其中dx是点的长度，则对于区间【a，b】内的所有小平顶柱体的体积，有函数表达式：当区间长度趋于零时，Δv趋于零，则Δv=dv，所以：则【a，b】上，曲顶柱体的体积为：综上所述，有：以上便是在空间直角坐标系中，求得两重积分的计算方法。 这是笔者在学习了两重积分的计算法后的一些见解，不当之处在所难免，敬请广大读者批评指正！
一、内容概要1.二重积分的定义定义 设函数在有界闭区域D上有定义.分割 用任意两组曲线将区域D分成n个小区域，分别记为.并以代表第i个小区域的面积.求和 在每个小区域上任意一点作乘积，并求和.取极限 记为n个小区域中的最大的直径，如果.存在，且此极限值不依赖区域D的分法，也不依赖于点的取法，则称此极限值为函数在区域D上的二重积分，记为，称为面积元素.2.二重积分的几何解释由二重积分的定义可知，二重积分为一个数值.从几何上可以解释为：若在区域D上， ，则二重积分的值等于以区域D为底，以曲面为顶的曲顶直柱体的体积.若在区域D上， ，则二重积分的值的绝对值等于以D为底，以曲面为曲顶的直柱体体积，此时二重积分的值为负值.若在区域D上的某些子区域上，而另一些子域上，则二重积分的值等于这些子区域上，以为曲顶的直柱体体积的代数和，其中的直柱体体积值前取“+”，在的直柱体体积前取“-”.3.二重积分的存在性存在定理 若在闭区域D上连续，则在D上的二重积分必存在.4.二重积分的性质设下列被积函数都是可积的.性质1 .此性质由左向右看，可以解释为：常数因子可以提到积分号外面去.由右向左看，可以解释为：常数乘以二重积分，可以将此因子送入积分表达式中去.性质2 .性质3 如果闭区域D由有限条曲线分为两个区域,则.性质4 若记区域D的面积为S，则.性质5 在D上若，则,.性质6 若在D上有,则,其中S为区域D的面积.性质7 设函数在闭区域D上连续，S为区域D的面积，则在D上至少存在一点，使得,称此性质为二重积分的中值定理.5.二重积分的计算二重积分是定积分的推广.计算的基本途径是将其转化为二次积分计算，不同积分次序的二次积分计算量可能相差很大，甚至其中一种次序易于计算，而另一种次序计算复杂，以至于不能用初等函数形式表出.因此计算二重积分时选择积分次序是至关重要的问题.
二重积分的计算方法
开题报告主要是“泛泛而谈”，你的题目要介绍二重积分的起源发展，重要意义，简略的介绍下二重积分的一些算法，不用具体介绍算法，再稍微介绍点应用方面的知识，都只需简略的介绍。
Web数据挖掘技术探析论文
在日复一日的学习、工作生活中，大家或多或少都会接触过论文吧，论文对于所有教育工作者，对于人类整体认识的提高有着重要的意义。那么你知道一篇好的论文该怎么写吗？以下是我收集整理的Web数据挖掘技术探析论文，供大家参考借鉴，希望可以帮助到有需要的朋友。
引言
当前，随着网络技术的发展和数据库技术的迅猛发展，有效推动了商务活动由传统活动向电子商务变革。电子商务就是利用计算机和网络技术以及远程通信技术，实现整个商务活动的电子化、数字化和网络化。基于Internet的电子商务快速发展，使现代企业积累了大量的数据，这些数据不仅能给企业带来更多有用信息，同时还使其他现代企业管理者能够及时准确的搜集到大量的数据。访问客户提供更多更优质的服务，成为电子商务成败的关键因素，因而受到现代电子商务经营者的高度关注，这也对计算机web数据技术提出了新的要求，Web数据挖掘技术应运而生。它是一种能够从网上获取大量数据，并能有效地提取有用信息供企业决策者分析参考，以便科学合理制定和调整营销策略，为客户提供动态、个性化、高效率服务的全新技术。目前，它已成为电子商务活动中不可或缺的重要载体。
计算机web数据挖掘概述
1.计算机web数据挖掘的由来
计算机Web数据挖掘是一个在Web资源上将对自己有用的数据信息进行筛选的过程。Web数据挖掘是把传统的数据挖掘思想和方法移植到Web应用中，即从现有的Web文档和活动中挑选自己感兴趣且有用的模式或者隐藏的数据信息。计算机Web数据挖掘可以在多领域中展示其作用，目前已被广泛应用于数据库技术、信息获取技术、统计学、人工智能中的机器学习和神经网络等多个方面，其中对商务活动的变革起到重大的推动作用方面最为明显。
2.计算机Web数据挖掘含义及特征
(1)Web数据挖掘的含义
Web数据挖掘是指数据挖掘技术在Web环境下的应用，是一项数据挖掘技术与WWW技术相结合产生的新技术，综合运用到了计算机语言、Internet、人工智能、统计学、信息学等多个领域的技术。具体说，就是通过充分利用网络(Internet)，挖掘用户访问日志文件、商品信息、搜索信息、购销信息以及网络用户登记信息等内容，从中找出隐性的、潜在有用的和有价值的信息，最后再用于企业管理和商业决策。
(2)Web数据挖掘的特点
计算机Web数据挖掘技术具有以下特点：一是用户不用提供主观的评价信息;二是用户“访问模式动态获取”不会过时;三是可以处理大规模的数据量，并且使用方便;四是与传统数据库和数据仓库相比，Web是一个巨大、分布广泛、全球性的信息服务中心。
(3)计算机web数据挖掘技术的类别
web数据挖掘技术共有三类：第一类是Web使用记录挖掘。就是通过网络对Web日志记录进行挖掘，查找用户访问Web页面的模式及潜在客户等信息，以此提高其站点所有服务的竞争力。第二类是Web内容挖掘。既是指从Web文档中抽取知识的过程。第三类是Web结构挖掘。就是通过对Web上大量文档集合的内容进行小结、聚类、关联分析的方式，从Web文档的组织结构和链接关系中预测相关信息和知识。
计算机web数据挖掘技术与电子商务的关系
借助计算机技术和网络技术的日臻成熟，电子商务正以其快速、便捷的特点受到越来越多的企业和个人的关注。随着电子商务企业业务规模的不断扩大，电子商务企业的商品和客户数量也随之迅速增加，电子商务企业以此获得了大量的数据，这些数据正成为了电子商务企业客户管理和销售管理的重要信息。为了更好地开发和利用这些数据资源，以便给企业和客户带来更多的便利和实惠，各种数据挖掘技术也逐渐被应用到电子商务网站中。目前，基于数据挖掘(特别是web数据挖掘)技术构建的电子商务推荐系统正成为电子商务推荐系统发展的一种趋势。
计算机web数据挖掘在电子商务中的具体应用
(1)电子商务中的web数据挖掘的过程
在电子商务中，web数据挖掘的过程主要有以下三个阶段：既是数据准备阶段、数据挖掘操作阶段、结果表达和解释阶段。如果在结果表达阶段中，分析结果不能让电子商务企业的决策者满意，就需要重复上述过程，直到满意为止。
(2)Web数据挖掘技术在电子商务中的应用
目前，电子商务在企业中得到广泛应用，极大地促进了电子商务网站的兴起，经过分析一定时期内站点上的用户的访问信息，便可发现该商务站点上潜在的客户群体、相关页面、聚类客户等数据信息，企业信息系统因此会获得大量的数据，如此多的数据使Web数据挖掘有了丰富的数据基础，使它在各种商业领域有着更加重要的.实用价值。因而，电子商务必将是未来Web数据挖掘的主攻方向。Web数据挖掘技术在电子商务中的应用主要包含以下几方面：
一是寻找潜在客户。电子商务活动中，企业的销售商可以利用分类技术在Internet上找到潜在客户，通过挖掘Web日志记录等信息资源，对访问者进行分类，寻找访问客户共同的特征和规律，然后从已经存在的分类中找到潜在的客户。
二是留住访问客户。电子商务企业通过商务网站可以充分挖掘客户浏览访问时留下的信息，了解客户的浏览行为，然后根据客户不同的爱好和要求，及时做出让访问客户满意的页面推荐和专属性产品，以此来不断提高网站访问的满意度，最大限度延长客户驻留的时间，实现留住老客户发掘新客户的目的。
三是提供营销策略参考。通过Web数据挖掘，电子商务企业销售商能够通过挖掘商品访问情况和销售情况，同时结合市场的变化情况，通过聚类分析的方法，推导出客户访问的规律，不同的消费需求以及消费产品的生命周期等情况，为决策提供及时而准确的信息参考，以便决策者能够适时做出商品销售策略调整，优化商品营销。
四是完善商务网站设计。电子商务网站站点设计者能够利用关联规则，来了解客户的行为记录和反馈情况，并以此作为改进网站的依据，不断对网站的组织结构进行优化来方便客户访问，不断提高网站的点击率。
结语
本文对Web数据挖掘技术进行了综述，讲述了其在电子商务中广泛应用。可以看出，随着计算机技术和数据库技术快速发展，计算机Web数据技术的应用将更加广泛，Web数据挖掘也将成为非常重要的研究领域，研究前景巨大、意义深远。目前，我国的Web数据应用还处于探索和起步阶段，还有许多问题值得深入研究。
摘要： 该文通过介绍电子商务及数据挖掘基本知识，分别从几个方面分析了电子商务中WEB数据挖掘技术的应用。
关键词： 电子商务；数据挖掘；应用
1概述
电子商务是指企业或个人以网络为载体，应用电子手段，利用现代信息技术进行商务数据交换和开展商务业务的活动。随着互联网的迅速发展，电子商务比传统商务具有更明显的优势，由于电子商务具有方便、灵活、快捷的特点，使它已逐渐成为人们生活中不可缺少的活动。目前电子商务平台网站多，行业竞争强，为了获得更多的客户资源，电子商务网站必须加强客户关系管理、改善经营理念、提升售后服务。数据挖掘是从数据集中识别出隐含的、潜在有用的、有效的，新颖的、能够被理解的信息和知识的过程。由数据集合做出归纳推理，从中挖掘并进行商业预判，能够帮助电子商务企业决策层依据预判，对市场策略调整，将企业风险降低,从而做出正确的决策，企业利润将最大化。随着电子商务的应用日益广泛，电子商务活动中会产生大量有用的数据，如何能够数据挖掘出数据的参考价值？研究客户的兴趣和爱好，对客户分门别类，将客户心仪的商品分别推荐给相关客户。因此,如何在电子商务平台上进行数据挖掘成为研究的热点问题。
2数据挖掘技术概述
数据挖掘（DataMining），也称数据库中的知识发现（KnowledgeDiscoveryinDatabase，KDD）。数据挖掘一般是指从海量数据中应用算法查找出隐藏的、未知的信息的过程。数据挖掘是一个在大数据资源中利用分析工具发现模型与数据之间关系的一个过程，数据挖掘对决策者寻找数据间潜在的某种关联，发现隐藏的因素起着关键作用。这些模式是有潜在价值的、并能够被理解的。数据挖掘将人工智能、机器学习、数据库、统计、可视化、信息检索、并行计算等多个领域的理论与技术融合在一起的一门多学科交叉学问，这些学科也对数据挖掘提供了很大的技术支撑。
3Web数据挖掘特点
Web数据挖掘就是数据挖掘在Web中的应用。Web数据挖掘的目的是从万维网的网页的内容、超链接的结构及使用日志记录中找到有价值的数据或信息。依据挖掘过程中使用的数据类别，Web数据挖掘任务可分为：Web内容挖掘、Web结构挖掘、Web使用记录挖掘。
1）Web内容挖掘指从网页中提取文字、图片或其他组成网页内容的信息，挖掘对象通常包含文本、图形、音视频、多媒体以及其他各种类型数据。
2）Web结构挖掘是对Web页面之间的结构进行挖掘，挖掘描述内容是如何组织的，从Web的超链接结构中寻找Web结构和页面结构中的有价值模式。例如从这些链接中，我们可以找出哪些是重要的网页，依据网页的主题，进行自动的聚类和分类，为了不同的目的从网页中根据模式获取有用的信息，从而提高检索的质量及效率。
3）Web使用记录挖掘是根据对服务器上用户访问时的访问记录进行挖掘的方法。Web使用挖掘将日志数据映射为关系表并采用相应的数据挖掘技术来访问日志数据，对用户点击事件的搜集和分析发现用户导航行为。它用来提取关于客户如何浏览和使用访问网页的链接信息。如访问了哪些页面？在每个页面中所停留的时间？下一步点击了什么？在什么样的路线下退出浏览的？这些都是Web使用记录挖掘所关心要解决的问题。
4电子商务中Web挖掘中技术的应用分析
1）电子商务中序列模式分析的应用
序列模式数据挖掘就是要挖掘基于时间或其他序列的模式。如在一套按时间顺序排列的会话或事务中一个项目有存在跟在另一个项目后面。通过这个方法，WEB销售商可以预测未来的访问模式，以帮助针对特定用户组进行广告排放设置。发现序列模式容易使客户的行为被电子商务的组织者预测，当用户浏览站点时，尽可能地迎合每个用户的浏览习惯并根据用户感兴趣的内容不断调整网页，尽可能地使每个用户满意。使用序列模式分析挖掘日志，可以发现客户的访问序列模式。在万维网使用记录挖掘应用中，序列模式挖掘可以用于捕捉用户路径之中常用的导航路径。当用户访问电子商务网站时，网站管理员能够搜索出这个访问者的对该网站的访问序列模式，将访问者感兴趣但尚未浏览的页面推荐给他。序列模式分析还能分析出商品购买的前后顺序，从而向客户提出推荐。例如在搜索引擎是发出查询请求、浏览网页信息等，会弹出与这些信息相关的广告。例如购买了打印机的用户，一般不久就会购买如打印纸、硒鼓等打印耗材。优秀的推荐系统将为客户建立一个专属商店,由每个客户的特征来调整网站的内容。也能由挖掘出的一些序列模式分析网站及产品促销的效果。
2）电子商务中关联规则的应用
关联规则是揭示数据之间隐含的相互关系，关联分析的任务是发现事物间的关联规则或相关程序。关联规则挖掘的目标是在数据项目中找出每一个数据信息的内在关系。关联规则挖掘就是要搜索出用户在服务器上访问的内容、页面、文件之间的联系，从而改进电子商务网站设计。可以更好在组织站点，减少用户过滤网站信息的负担，哪些商品顾客会可能在一次购物时同时购买？关联规则技术能够通过购物篮中的不同商品之间的联系，分析顾客的购物习惯。例如购买牛奶的顾客90%会同时还购买面包，这就是一条关联规则，如果商店或电子商务网站将这两种商品放在一起销售，将会提高它们的销量。关联规则挖掘目标是利用工具分析出顾客购买商品间的联系，也即典型购物篮数据分析应用。关联规则是发现同类事件中不同项目的相关性，例如手机加充电宝，鼠标加鼠标垫等购买习惯就属于关联分析。关联规则挖掘技术可以用相应算法找出关联规则，例如在上述例子中，商家可以依据商品间的关联改进商品的摆放，如果顾客购买了手机则将充电宝放入推荐的商品中，如果一些商品被同时购买的概率较大，说明这些商品存在关联性，商家可以将这些有关联的商品链接放在一起推荐给客户,有利于商品的销售，商家也根据关联有效搭配进货，提升商品管理水平。如买了灯具的顾客，多半还会购买开关插座，因此，一般会将灯具与开关插座等物品放在一个区域供顾客选购。依据分析找出顾客所需要的商品的关联规则，由挖掘分析结果向顾客推荐所需商品，也即向顾客提出可能会感兴趣的商品推荐，将会大大提高商品的销售量。
3）电子商务中路径分析技术的应用
路径分析技术通过对Web服务器的日志文件中客户访问站点的访问次数的分析，用来发现Web站点中最经常访问的路径来调整站点结构，从而帮助使用用户以最快的速度找到其所需要的产品或是信息。例如在用户访问某网站时，如果有很多用户不感兴趣的页面存在，就会影响用户的网页浏览速度，从而降低用户的浏览兴趣，同时也会使整个站点的维护成本提高。而利用路径分析技术能够全面地掌握网站各个页面之间的关联以及超链接之间的联系，通过分析得出访问频率最高的页面，从而改进网站结构及页面的设计。
4）电子商务中分类分析的应用
分类技术在根据各种预定义规则进行用户建模的Web分析应用中扮演着很重要的角色。例如，给出一组用户事务，可以计算每个用户在某个期间内购买记录总和。基于这些数据，可以建立一个分类模型，将用户分成有购买倾向和没有购买倾向两类，考虑的特征如用户统计属性以及他们的导航活动。分类技术既可以用于预测哪些购买客户对于哪类促销手段感兴趣，也可以预测和划分顾客类别。在电子商务中通过分类分析，可以得知各类客户的兴趣爱好和商品购买意向，因而发现一些潜在的购买客户，从而为每一类客户提供个性化的网络服务及开展针对性的商务活动。通过分类定位模型辅助决策人员定位他们的最佳客户和潜在客户，提高客户满意度及忠诚度，最大化客户收益率，以降低成本，增加收入。
5）电子商务中聚类分析的应用
聚类技术可以将具有相同特征的数据项聚成一类。聚类分析是对数据库中相关数据进行对比并找出各数据之间的关系，将不同性质特征的数据进行分类。聚类分析的目标是在相似的基础上收集数据来分类。根据具有相同或相似的顾客购买行为和顾客特征，利用聚类分析技术将市场有效地细分，细分后应可每类市场都制定有针对性的市场营销策略。聚类分别有页面聚类和用户聚类两种。用户聚类是为了建立拥有相同浏览模式的用户分组，可以在电子中商务中进行市场划分或给具有相似兴趣的用户提供个性化的Web内容，更多在用户分组上基于用户统计属性（如年龄、性别、收入等）的分析可以发现有价值的商业智能。在电子商务中将市场进行细化的区分就是运用聚类分析技术。聚类分析可根据顾客的购买行为来划分不同顾客特征的不同顾客群，通过聚类具有类似浏览行为的客户，让市场人员对顾客进行类别细分，能够给顾客提供更人性化的贴心服务。比如通过聚类技术分析，发现一些顾客喜欢访问有关汽车配件网页内容，就可以动态改变站点内容，让网络自动地给这些顾客聚类发送有关汽车配件的新产品信息或邮件。分类和聚类往往是相互作用的。在电子商务中通过聚类行为或习性相似的顾客，给顾客提供更满意的服务。技术人员在分析中先用聚类分析将要分析的数据进行聚类细分，然后用分类分析对数据集合进行分类标记，再将该标记重新进行分类，一直如此循环两种分析方法得到相对满意的结果。
5结语
随着互联网的飞速发展，大数据分析应用越来越广。商业贸易中电子商务所占比例越来越大，使用web挖掘技术对商业海量数据进行挖掘处理，分析客户购买喜好、跟踪市场变化，调整销售策略，对决策者做出有效决策及提高企业的市场竞争力有重要意义。
参考文献：
[1]庞英智.Web数据挖掘技术在电子商务中的应用[J].情报科学,2011,29(2):235-240.
[2]马宗亚,张会彦.Web数据挖掘技术在电子商务中的应用研究[J].现代经济信息,2014(6):23-24.
[3]徐剑彬.Web数据挖掘技术在电子商务中的应用[J].时代金融，2013(4):
[4]周世东.Web数据挖掘在电子商务中的应用研究[D].北京交通大学,2008.
[5]段红英.Web数据挖掘技术在电子商务中的应用[J].陇东学院学报,2009(3):32-34.
数据挖掘的算法及技术的应用的研究论文
摘要： 数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中发现隐含的、规律性的、人们事先未知的, 但又是潜在有用的并且最终可被理解的信息和知识的非平凡过程。任何有数据管理和知识发现需求的地方都可以借助数据挖掘技术来解决问题。本文对数据挖掘的算法以及数据挖掘技术的应用展开研究, 论文对数据挖掘技术的应用做了有益的研究。
关键词： 数据挖掘; 技术; 应用;
引言: 数据挖掘技术是人们长期对数据库技术进行研究和开发的结果。起初各种商业数据是存储在计算机的数据库中的, 然后发展到可对数据库进行查询和访问, 进而发展到对数据库的即时遍历。数据挖掘使数据库技术进入了一个更高级的阶段, 它不仅能对过去的数据进行查询和遍历, 并且能够找出过去数据之间的潜在联系, 从而促进信息的传递。
一、数据挖掘概述
数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中发现隐含的、规律性的、人们事先未知的, 但又是潜在有用的并且最终可被理解的信息和知识的非平凡过程。
二、数据挖掘的基本过程
(1) 数据选择:选择与目标相关的数据进行数据挖掘。根据不同的数据挖掘目标, 对数据进行处理, 不仅可以排除不必要的数据干扰, 还可以极大地提高数据挖掘的效率。 (2) 数据预处理:主要进行数据清理、数据集成和变换、数据归约、离散化和概念分层生成。 (3) 模式发现:从数据中发现用户感兴趣的模式的过程.是知识发现的主要的处理过程。 (4) 模式评估:通过某种度量得出真正代表知识的模式。一般来说企业进行数据挖掘主要遵循以下流程——准备数据, 即收集数据并进行积累, 此时企业就需要知道其所需要的是什么样的数据, 并通过分类、编辑、清洗、预处理得到客观明确的目标数据。数据挖掘这是最为关键的步骤, 主要是针对预处理后的数据进行进一步的挖掘, 取得更加客观准确的数据, 方能引入决策之中, 不同的企业可能采取的数据挖掘技术不同, 但在当前来看暂时脱离不了上述的挖掘方法。当然随着技术的进步, 大数据必定会进一步成为企业的立身之本, 在当前已经在很多领域得以应用。如市场营销, 这是数据挖掘应用最早的领域, 旨在挖掘用户消费习惯, 分析用户消费特征进而进行精准营销。就以令人深恶痛绝的弹窗广告来说, 当消费者有网购习惯并在网络上搜索喜爱的产品, 当再一次进行搜索时, 就会弹出很多针对消费者消费习惯的商品。
三、数据挖掘方法
1、聚集发现。
聚集是把整个数据库分成不同的群组。它的目的是要群与群之间差别很明显.而同一个群之间的数据尽量相似.聚集在电子商务上的典型应用是帮助市场分析人员从客户基本库中发现不同的客户群, 并且用购买模式来刻画不同客户群的特征。此外聚类分析可以作为其它算法 (如特征和分类等) 的预处理步骤, 这些算法再在生成的簇上进行处理。与分类不同, 在开始聚集之前你不知道要把数据分成几组, 也不知道怎么分 (依照哪几个变量) .因此在聚集之后要有一个对业务很熟悉的人来解释这样分群的意义。很多情况下一次聚集你得到的分群对你的业务来说可能并不好, 这时你需要删除或增加变量以影响分群的方式, 经过几次反复之后才能最终得到一个理想的结果.聚类方法主要有两类, 包括统计方法和神经网络方法.自组织神经网络方法和K-均值是比较常用的`聚集算法。
2、决策树。
这在解决归类与预测上能力极强, 通过一系列的问题组成法则并表达出来, 然后经过不断询问问题导出所需的结果。典型的决策树顶端是一个树根, 底部拥有许多树叶, 记录分解成不同的子集, 每个子集可能包含一个简单法则。
四、数据挖掘的应用领域
市场营销
市场销售数据采掘在销售业上的应用可分为两类:数据库销售和篮子数据分析。前者的任务是通过交互式查询、数据分割和模型预测等方法来选择潜在的顾客以便向它们推销产品, 而不是像以前那样盲目地选择顾客推销;后者的任务是分析市场销售数据以识别顾客的购买行为模式, 从而帮助确定商店货架的布局排放以促销某些商品。
金融投资
典型的金融分析领域有投资评估和股票交易市场预测, 分析方法一般采用模型预测法。这方面的系统有Fidelity Stock Selector, LBS Capital Management。前者的任务是使用神经网络模型选择投资, 后者则使用了专家系统、神经网络和基因算法技术辅助管理多达6亿美元的有价证券。
结论:数据挖掘是一种新兴的智能信息处理技术。随着相关信息技术的迅猛发展, 数据挖掘的应用领域不断地拓宽和深入, 特别是在电信、军事、生物工程和商业智能等方面的应用将成为新的研究热点。同时, 数据挖掘应用也面临着许多技术上的挑战, 如何对复杂类型的数据进行挖掘, 数据挖掘与数据库、数据仓库和Web技术等技术的集成问题, 以及数据挖掘的可视化和数据质量等问题都有待于进一步研究和探索。
参考文献
[1]孟强, 李海晨.Web数据挖掘技术及应用研究[J].电脑与信息技术, 2017, 25 (1) :59-62.
[2]高海峰.智能交通系统中数据挖掘技术的应用研究[J].数字技术与应用, 2016 (5) :108-108.
你要先看看你单位都有什么要求的。具体有什么安排在看你需要发表那一方面的文章 希望采纳哟