简介：人教版高中数学第二册(上)p70例3是一道典型的例题:点M与两条互相垂直的直线的距离的积是常数k(k＞0),求点M的轨迹方程.教材解答很简洁:取两条互相垂直的直线为坐标轴,建立直角坐标系.直接列式得到轨迹方程:xy=±k,笔者曾从多角度对此题进行变式教学,效果良好.

简介：

简介：控制性股东对少数股东的利益侵占（隧道挖掘）成为公司治理研究的热点问题。现代商业集团中对公司控制权和现金流权的分离使控制性股东具有隧道挖掘的动机。本文讨论了隧道挖掘的影响因素、主要形式和市场识别能力，并对未来研究提出建议。

简介：摘要《语文课程标准》明确指出“在低年级，主要是让学生对写话感兴趣，写自己想说的话，写想象中的事物，写自己对周围事物的认识及感想。在写话中乐于运用阅读和生活中学到的词语。能根据表达的需要，学习使用逗号、句号、问号和感叹号。”低年级学生的写话一直是教学难点。本文笔者针对教学中怎样挖掘写话内容等相关问题进行了阐述。

简介：摘要社会经济的发展，使得电力资源在其中发挥的作用也日益提高，成为支撑社会持续发展不可获取的有力资源之一。为了更好地满足人们不断提高的用电需求，在电力营销中应用新技术、新的管理方式已经成为众多电力企业改革与发展的重点。本文主要就数据挖掘技术在电力营销系统中的应用进行一定的分析。本文主要就数据挖掘技术在电力营销系统中的应用进行具体分析，以期促进电力企业更好地适应新时代的发展需求。

简介：

简介：GJ996049液压挖掘机转台回路的改进及动特性分析[刊,中]/付宝琴…//筑路机械与施工机械化.—1999,16(2).—16～18作者针对某液压挖掘机转台液压回路和启动与制动过程中能量损失过大的缺点,提出了改进措施。文中介绍了改进后的系统工作原理

简介：轮胎式挖掘机是用轮胎行走的挖掘机械，其行走速度快、不破坏路面、能远距离自行转场及可快速更换多种作业装置的机动、灵活、高效的鲜明特点，在机场、港口、油田、矿山、城乡建设、农田水利和快速抢修等物料挖掘、搬移方面得到了广泛应用。

简介：

简介：

简介：主持人语：随着计算机技术的发展,社会进入了大数据时代。如何从海量的数据中获得数据之间内在的关联,以及从已有的数据中归纳出具有决策意义的信息,以便为决策者做出合理决策提供科学的依据,这就是数据挖掘技术需要解决的问题。数据挖掘技术在商业领域的应用己经取得了长足的进步和发展,但是在教育领域的应用仍处于萌芽和实验阶段。

简介：数学是一门有着悠久历史和深刻内涵的人文学科。都说学习数学枯燥乏味，实际上只是我们的数学教育没有很好地挖掘、运用和发挥它的人文价值。有效的数学教育要求我们必须关注学生的心灵，着力营造一个民主、和谐的人文学习环境；关注学习素材，努力构建一个学科教学和人文教育并重的数学课堂，让学生寓学于乐、学而无厌、学有所成。文章以“圆”这一教学单元为例，谈谈在常规课堂中如何挖掘和渗透人文价值。

简介：数据挖掘是近年来计算机科学领域非常热门的研究方向之一,是由数据仓库技术和机器学习发展而来.数据挖掘是指从海量的数据中找出隐藏的关系,是数据分析的高级阶段.在对数据挖掘的算法研究中,涌现出了很多优秀的算法.本文选择了IEEE评选出的十大经典算法,对其中的每个算法的原理、背景、发展、优缺点、应用领域等做了深入浅出的介绍,为相关专业领域的学习及研究提供参考.

简介：摘要随着信息技术特别是网络技术的飞速发展，人们收集、存贮、传输数据的能力不断提高。数据出现了爆炸性增长，与此形成鲜明对比的是对决策有价值的知识却非常匮乏。知识发现与数据挖掘技术正是在这一背景下诞生的一门新学科。数据挖掘要在实际应用中发挥作用，高性能挖掘算法和数据挖掘软件平台是重要的技术基础。文章以数据挖掘最基本问题、频繁模式与关联规则挖掘为切入点，研究高时间效率、高空间可伸缩性的挖掘算法和分布，异质、海量数据的协同挖掘软件模型，并探讨了数据挖掘过程中的隐私保护问题。

简介：前年秋天，我给一家山茶油开发公司整理一份十年规划，有位搞艺术的朋友听说后，也跟随我来到公司所在地明月山上。

简介：

简介：摘要 : 作文教学要和阅读教学紧密配合 ."因此 ,在日常教学过程中 ,要依托课文 ,挖掘出课文中的作文素材 ,提高学生的写作意识 ,把课文讲授过程变成提高写作意识的过程 ,改变传统教学中阅读教学与写作脱节的现象 .

简介：本文总结出了初中物理隐含条件的四种常见的隐藏方式，并对物理学试题题型进行归类、列举和解析，以此来提高初中学生的解题能力。

简介：榜样的力量是无穷的。对于世界观、人生观和价值观还具有很强可塑性的青少年来说，榜样教育尤为重要。在一份调查研究中，研究者选取了1210份有效问卷，显示86．2％的学生认为自己的成长需要榜样引领。

简介：数据挖掘（DataMining）是目前IT业界的热点，其身影随处可见，但截止目前还没有一个完整的定义。人们根据各自的理解提出了多种数据挖掘的定义，例如：SAS研究所（1997）提出数据挖掘是“在大量相关数据基础之上进行数据探索和建立相关模型的先进方法”；Bhavani（1999）提出数据挖掘是“使用模式识别技术、统计和数学技术，