1) the financial data model
金融数据模型
2) Finance Management Data Model
金融管理数据模型(FMDM)
3) data fusion model
数据融合模型
1.
This paper summarizes data fusion progress in the last several decades,and introduces most used data fusion model,and analyzes several fusion arithmetic.
本文对近几十年来数据融合技术的发展做了全面综述,介绍了常用的数据融合模型,评析了各种常用融合算法。
2.
Then the advantages of existing data fusion models are synthesized and a kind of hybrid layered fusion structure is used to improve the accuracy and effectiveness of autonomous driving.
然后综合现有各数据融合模型的优势,运用混合、分层的融合结构改进自主行驶的有效性和准确性。
4) model-data fusion
模型数据融合
1.
However,more studies are needed on a) estimation of residence time of C for passive soil organic matter,b) uncertainty analysis of input data and model structure and c) model-data fusion methods so as to improve the prediction accu-racy of terrestrial ecosystem models.
马尔可夫链-蒙特卡罗方法是反演模型参数、优化模拟结果和评估模拟结果不确定性的有效方法,但今后仍需在惰性土壤碳滞留时间的估计、驱动数据和模型结构的不确定性分析、模型数据融合方法方面进行深入研究,以进一步提高碳循环模拟的准确性。
5) financial data
金融数据
1.
This paper describes a complex financial data time series prediction method based on the least square support vector machine(LS-SVM),which changes the inequality restriction in the traditional SVM into an equality restriction and uses the loss function of the quadratic sum of the errors as the empirical function for the training set.
为了解决神经网络算法预测海量金融时间序列数据会出现训练速度慢,内存开销大等问题,提出一种基于最小二乘支持向量机的复杂金融数据时间序列预测方法。
2.
The realized volatility is a completely new method of volatility estimation on high frequency financial data.
高频金融数据的波动率计算是近年来国内外的研究热点,"已实现"波动(RV)是基于高频数据的全新波动率度量方法,最近又出现了"已实现"双幂次变差(RBV)的波动率计算方法。
3.
A continuous time seriesof financial data is transformed into a discrete symbolic series using piece-wise linearzingalgorithm.
通过线性分段将连续性的金融时间序列转化为离散性的字符序列,并基于DNA序列分析法,讨论了此类字符序列的标度特性,以及在金融数据时间序列预测中的可能应
6) financial mathematic model
金融数学模型
1.
The financial mathematic model embodies the modern mathematic influence on the financial practice.
最近 5 0年来金融数学模型与金融实践的相互作用体现在 :(1)金融数学模型直接、明显地改变着金融实践 ;(2 )金融实践强烈地影响着金融数学模型的产生、发展。
补充资料：数据模型
数据库系统中用以提供信息表示和操作手段的形式构架。数据模型包括数据库数据的结构部分、数据库数据的操作部分和数据库数据的约束条件。
数据结构 数据结构是目标类型的集合。目标类型是数据库的组成成分，一般可分为两类：数据类型、数据类型之间的联系。数据类型如DBTG(数据库任务组)网状模型中的记录型、数据项，关系模型中的关系、域等。联系部分有DBTG网状模型中的系型等。数据操作部分是操作算符的集合，包括若干操作和推理规则，用以对目标类型的有效实例所组成的数据库进行操作。数据约束条件是完整性规则的集合，用以限定符合数据模型的数据库状态，以及状态的变化。约束条件可以按不同的原则划分为数据值的约束和数据间联系的约束；静态约束和动态约束；实体约束和实体间的参照约束等。
概念的发展 随着数据库学科的发展，数据模型的概念也逐渐深入和完善。早期，一般把数据模型仅理解为数据结构。其后，在一些数据库系统中，则把数据模型归结为数据的逻辑结构、物理配置、存取路径和完整性约束条件等四个方面。现代数据模型的概念，则认为数据结构只是数据模型的组成成分之一。数据的物理配置和存取路径是关于数据存储的概念，不属于数据模型的内容。此外，数据模型不仅应该提供数据表示的手段，还应该提供数据操作的类型和方法，因为数据库不是静态的而是动态的。因此，数据模型还包括数据操作部分。
三种重要模型 层次模型、网状模型和关系模型是三种重要的数据模型。这三种模型是按其数据结构而命名的。前两种采用格式化的结构。在这类结构中实体用记录型表示，而记录型抽象为图的顶点。记录型之间的联系抽象为顶点间的连接弧。整个数据结构与图相对应。对应于树形图的数据模型为层次模型；对应于网状图的数据模型为网状模型。关系模型为非格式化的结构，用单一的二维表的结构表示实体及实体之间的联系。满足一定条件的二维表，称为一个关系（见关系数据库）。
格式化模型可以描述复杂的数据结构，用存取路径实现数据间的联系。从60年代后期以来，在各种计算机系统上建立了许多层次模型和网状模型的数据库管理系统。这些系统成功地应用于数据处理。但这类系统具有以下缺点。首先是使用了许多与数据操作任务无关的概念，如DBTG系统中的系，用户必须按照存取路径存取数据库中的数据。其次，不支持集合处理，即未提供一次处理多个记录的功能。第三，没有充分认识端点用户直接与数据库对话的需求，缺乏为适应非预期查询而增加系统设施的能力。这些缺点降低了程序和数据的独立性，影响应用程序员的工作效率，限制端点用户对数据库的使用。
关系模型严格符合现代数据模型的定义。数据结构简单清晰。存取路径完全向用户隐蔽，使程序和数据具有高度的独立性。关系模型的数据语言非过程化程度较高，用户性能好，具有集合处理能力，并有定义、操纵、控制一体化的优点。关系模型中，结构、操作和完整性规则三部分联系紧密。关系数据库系统为提高程序员的生产率，以及端点用户直接使用数据库提供了一个现实基础。
关系模型研究的一个课题，是扩展关系模型和把数据模型形式化。1981年提出可把数据模型看成是抽象的程序设计语言。数据库是变量，数据库模式是变量的类型。数据库状态是某类变量所取的值。数据定义语言给出说明数据库变量的语法，数据操纵语言是数据模型中操作类型的具体实现，而数据库管理系统是某个数据定义语言和数据操纵语言的具体实现。这样，就可以用程序设计语言的形式概念和方法来研究数据模型。
参考书目
萨师煊、王珊：《数据库系统概论》，高等教育出版社，北京，1984。
数据结构 数据结构是目标类型的集合。目标类型是数据库的组成成分，一般可分为两类：数据类型、数据类型之间的联系。数据类型如DBTG(数据库任务组)网状模型中的记录型、数据项，关系模型中的关系、域等。联系部分有DBTG网状模型中的系型等。数据操作部分是操作算符的集合，包括若干操作和推理规则，用以对目标类型的有效实例所组成的数据库进行操作。数据约束条件是完整性规则的集合，用以限定符合数据模型的数据库状态，以及状态的变化。约束条件可以按不同的原则划分为数据值的约束和数据间联系的约束；静态约束和动态约束；实体约束和实体间的参照约束等。
概念的发展 随着数据库学科的发展，数据模型的概念也逐渐深入和完善。早期，一般把数据模型仅理解为数据结构。其后，在一些数据库系统中，则把数据模型归结为数据的逻辑结构、物理配置、存取路径和完整性约束条件等四个方面。现代数据模型的概念，则认为数据结构只是数据模型的组成成分之一。数据的物理配置和存取路径是关于数据存储的概念，不属于数据模型的内容。此外，数据模型不仅应该提供数据表示的手段，还应该提供数据操作的类型和方法，因为数据库不是静态的而是动态的。因此，数据模型还包括数据操作部分。
三种重要模型 层次模型、网状模型和关系模型是三种重要的数据模型。这三种模型是按其数据结构而命名的。前两种采用格式化的结构。在这类结构中实体用记录型表示，而记录型抽象为图的顶点。记录型之间的联系抽象为顶点间的连接弧。整个数据结构与图相对应。对应于树形图的数据模型为层次模型；对应于网状图的数据模型为网状模型。关系模型为非格式化的结构，用单一的二维表的结构表示实体及实体之间的联系。满足一定条件的二维表，称为一个关系（见关系数据库）。
格式化模型可以描述复杂的数据结构，用存取路径实现数据间的联系。从60年代后期以来，在各种计算机系统上建立了许多层次模型和网状模型的数据库管理系统。这些系统成功地应用于数据处理。但这类系统具有以下缺点。首先是使用了许多与数据操作任务无关的概念，如DBTG系统中的系，用户必须按照存取路径存取数据库中的数据。其次，不支持集合处理，即未提供一次处理多个记录的功能。第三，没有充分认识端点用户直接与数据库对话的需求，缺乏为适应非预期查询而增加系统设施的能力。这些缺点降低了程序和数据的独立性，影响应用程序员的工作效率，限制端点用户对数据库的使用。
关系模型严格符合现代数据模型的定义。数据结构简单清晰。存取路径完全向用户隐蔽，使程序和数据具有高度的独立性。关系模型的数据语言非过程化程度较高，用户性能好，具有集合处理能力，并有定义、操纵、控制一体化的优点。关系模型中，结构、操作和完整性规则三部分联系紧密。关系数据库系统为提高程序员的生产率，以及端点用户直接使用数据库提供了一个现实基础。
关系模型研究的一个课题，是扩展关系模型和把数据模型形式化。1981年提出可把数据模型看成是抽象的程序设计语言。数据库是变量，数据库模式是变量的类型。数据库状态是某类变量所取的值。数据定义语言给出说明数据库变量的语法，数据操纵语言是数据模型中操作类型的具体实现，而数据库管理系统是某个数据定义语言和数据操纵语言的具体实现。这样，就可以用程序设计语言的形式概念和方法来研究数据模型。
参考书目
萨师煊、王珊：《数据库系统概论》，高等教育出版社，北京，1984。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条