下载  >  课程资源  >  数据库  > 004-informatica PowerCenter安装配置手册.pdf

004-informatica PowerCenter安装配置手册.pdf 评分:

informatica PowerCenter 安装配置手册 ETL 数据仓库

...展开详情
2015-01-07 上传 大小:2.39MB
举报 收藏
分享
004-informatica PowerCenter安装配置手册.pdf

informatica PowerCenter 安装配置手册 ETL 数据仓库

立即下载
DW-ETL-Informatica-面试题库

灰常不错的一套BI英文面试题,有学习价值哟

立即下载
1-Informatica_PowerCenter帮助文档

1-Informatica_PowerCenter帮助文档

立即下载
005-informatica PowerCenter开发手册

informatica PowerCenter 开发手册 ETL 数据仓库

立即下载
1-Informatica_PowerCenter实用入门及帮助文档(中英文)

1-Informatica_PowerCenter实用入门及帮助文档(中英文)

立即下载
商业智能-cognos informatica

商业智能深入浅出-Cognos Informatica技术与应用

立即下载
etlunit-informatica-1.9.25.zip

build-light.zip,用于Cleware Traffic LightBuild Light的Java驱动程序

立即下载
Informatica-PowerCenter-v8

ETL工具,Informatica-PowerCenter-v8学习资料,适用初学者。

立即下载
informatica

51CTO下载-informatica 使用手册.docx

立即下载
Informatica-PowerCenter-9-for-Linux64-安装配置.docx

Informatica-PowerCenter-9-for-Linux64-安装配置,喜欢的朋友学习

立即下载
Informatica

Informatica

立即下载
保存图片到本地相册

保存图片到本地相册,可以在相册查看,Android 6.0以上也可以实现

立即下载
天猫淘宝秒杀抢购插件源码

天猫淘宝秒杀抢购360插件完整源码crx包,用rar或者zip解压,可得到源码进行修改,不做修改,可直接导入浏览器使用

立即下载
基于GPS轨迹数据的拥堵路段预测

基于真实的 GPS 轨迹数据,对城市拥堵路段进行预测. 在此过程中,摒弃传统的基于交通流预 测和拥堵识别的方法,提出一种新的基于拥堵向量和拥堵转移矩阵的拥堵路段预测方法. 该方法同时考虑路 段拥堵的时间周期性和时空相关性,通过对出租车 GPS 轨迹数据进行挖掘和训练,建立拥堵向量和拥堵转移 矩阵,实现对拥堵路段的预测. 真实数据集上的实验验证了所提的拥堵路段预测方法的有效性.

立即下载
JetbrainsCrack-2.6.10-release-enc.jar

JetbrainsCrack-2.6.10-release-enc.jarJetbrainsCrack-2.6.10-release-enc.jar

立即下载
现代控制理论清华高立群

高清无码,这本书讲解现代控制理论很通俗易懂,经典教程

立即下载
C语言链表和文件实现的超市管理系统

该超市管理系统使用C语言开发,用到了链表和文件的操作。该项目共支持三种类型的用户账户,root管理员,普通管理员,普通用户三种,实现了超市商品的进货,出售以及注册账号等的常用功能。

立即下载
CarSim中文教程

Carsim 软件入门: 1. Carsim简介; 1.1 Carsim快速入门; 2.Carsim整车建模; 3. Carsim仿真分析

立即下载
基于复杂城市道路网络的交通拥堵预测模型

】随着城市交通的发展,道路网络越来越复杂,交通拥堵越来越严重,准确预测交通拥堵是城市缓堵保畅,提高 城市交通管理能力关键技术之一。传统马尔可夫预测模型中的单变量模型只能解决单个时间序列上的交通预测问题,一阶模 型仅考虑了相邻时间点数据之间的影响,高阶多变量马尔可夫模型的预测精度不足,难以解决复杂城市道路网络交通拥堵预 测的问题。对此,文章提出了一种添加调节项的高阶多变量马尔可夫模型(AAT-HO3M),证明了模型的收敛性,进行了参数 估计,并参考城市道路交通运行评价指标体系,对城市拥堵进行预测分析。通过预测试验证明,AAT-HO3M预测精度高于传 统高阶多变量马尔可夫模型和改进高阶多变量马尔可

立即下载
基于深度学习的交通拥堵预测模型研究 *

针对城市道路交通拥堵预警问题,提出了一种基于深度学习的预测模型 。 通过归纳合并交通流参数 、 环境状态 、 时段等基础数据来构建交通流特征向量并确定四种预测状态 。 采用深度学习的自编码网络方法从无 标签数据集中学习获取可表征数据深层特征的隐层参数并生成新特征集 。 应用 Softmax 回归对有标签的新特征 集进行学习生成预测分类器,模型可对交通拥堵状况进行多态预测 。 通过仿真对比分析,预测模型具有较省略 特征学习的预测算法更好的预测性能,平均预测精度可达 85% 。

立即下载