Strutture dati efficienti per la ricerca della similarità

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Strutture dati efficienti per la ricerca della similarità"

Transcript

1 Strutture dati efficienti per la ricerca della similarità Anche utilizzando i metodi di filtraggio visti in precedenza, il numero di confronti tra query e oggetti presenti nel database rimane alto. L efficienza di ricerca può essere migliorata in maniera sensibile utilizzando delle strutture dati specifiche per la memorizzazione dei vettori di feature. Alberi bilanciati (B trees) Clustering Alberi bilanciati multidimensionali (MB trees) K-d trees Grid files Alberi bilanciati Introduciamo i B+ e i B tree che memorizzano esclusivamente vettori monodimensionali (singoli valori) ma forniscono le idee di base per le strutture dedicate ai vettori multidimensionali Un B+ tree è una struttura gerarchica costituita da nodi, Ogni nodo contiene n puntatori e n-1 valori (o chiavi) dove n è il GRADO del tree (è il massimo numeri di figli che ogni nodo può avere). Il puntatore 1 è utilizzato per accedere a tutti i record i cui valori sono inferiori al valore 1, il puntatore 2 per accedere a tutti i record il cui valore è più grande del valore 1 e più piccolo del valore 2, ecc, l ultimo puntatore n è usato per accedere a tutti i record il cui valore e uguale o maggiore del valore n-1

2 Alberi bilanciati In un albero B, tutte le foglie hanno la stessa distanza dalla radice; per questo motivo tali alberi hanno un efficienza prevedibile. Gli alberi B supportano il recupero sia casuale sia sequenziale dei record. La forma più diffusa di albero B è l albero B+. Un albero B+ di grado m possiede la seguente proprietà: Ogni nodo ha tra m e m/2 figli (m è un intero maggiore di o uguale a 3, solitamente dispari), ad eccezione del nodo radice (che non rispetta questo limite inferiore). Ricerca in alberi bilanciati Si immagini di voler recuperare i record di dati per il numero di prodotto Si noti che il valore nel nodo radice è oiché 1425 è maggiore di 1250, si dovrà seguire la freccia a destra di questo valore verso il basso fino al livello successivo. In questo nodo si trova il valore ricercato (1425), quindi si seguirà la freccia centrale verso il basso fino al nodo foglia che contiene il valore Questo nodo contiene un puntatore al record di dati per il numero di prodotto 1425, quindi il record può essere recuperato.

3 Inserimento in alberi bilanciati Si supponga di aggiungere un record con la chiave 1800 all albero B+ della figura precedente Il risultato di questo inserimento è mostrato nella figura soprastante oiché il nodo 1 ha solo tre figli l albero soddisfa ancora tutte le proprietà dell albero B+. Inserimento in alberi bilanciati Si consideri ora l effetto dell aggiunta di un altro record all albero, questa volta con la chiave In questo caso, il nodo 1 viola il limite del grado, e deve quindi essere suddiviso in due nodi. La suddivisione del nodo 1 comporta una nuova immissione nel nodo 2, che farà sì che questo nodo abbia quattro figli. Anche il nodo 2 dovrà quindi essere suddiviso, cosa che comporta una nuova immissione nel nodo 3.

4 Dopo l inserimento L eliminazione di un record causa l eliminazione di una voce nel nodo. Se questa eliminazione fa sì che una foglia abbia meno di m/2 figli, la foglia verrà unita a una foglia adiacente; se la foglia unita è troppo grande (ha più di m figli), viene suddivisa, cosa che comporta semplicemente una ri-distribuzione più equilibrata delle chiavi tra i nodi. Il risultato è che un albero B+ viene riorganizzato dinamicamente perché sia possibile mantenerlo bilanciato (stessa profondità lungo qualsiasi percorso dalla radice) Cluster 1 Cluster 5 Clustering Tecnica per ottimizzare i tempi di ricerca nello spazio di feature n-dimensionale Vettori di features simili vengono raggruppati Cluster 3 in cluster in base a Cluster 2 misure di similarità Ogni cluster e rappresentato dal proprio centroide Il calcolo della similarità avviene tra la Cluster 4 query ed il centroide di ogni cluster I cluster il cui centroide CENTROIDE e più simile alla query vengono utilizzati per la ricerca completa sui vettori di features che contengono

5 Clustering a più livelli Quando il numero di cluster e comunque alto si utilizzano cluster a livelli multipli per ridurre il numero di calcoli di similarità Cluster 2 Cluster 3 CENTROIDE DEL SUERCLUSTER Cluster 1 Super Cluster 1 Cluster 4 Super Cluster 2 Cluster 5 CENTROIDE MB trees multidimensionali Struttura simile al B+ TREE standard Supporta le similarity query Esempio in 2D: Ogni feature vector è un punto nello spazio 2D Si definisce il bounding-box contenente tutti i punti Dividiamo tale rettangolo in regioni con numero simile di feature contenute all interno di ogni regione Le regioni vengono ordinate secondo un criterio (rima X, quindi Y) Ogni regione contiene i puntatori ai feature-vector che ricadono all interno della regione Ogni feature-vector ha un link con il dato multimediale di cui è una rappresentazione

6 MB trees multidimensionali D 0,1 D 0,0 D 1,2 D 1,1 D 2,1 D 3,0 D 1,2 0 D 1,0 D 2,0 D 1,0 0 D 2,1 0 D 0,0 D 0,1 D 1,0 D 1,1 D 1,2 D 2,0 D 2,1 D 3,0 0 L 0,0 L 0,1 L 1,0 L 1,1 L 1,2 L 2,0 L 2,1 L 3,0 Ricerca su MB trees multidimensionali oint query Ricerca di un vettore dato (x,y) artiamo dalla root e troviamo la regione che contiene il vettore da ricercare Scorriamo la lista di feature-vector associata alla regione Range query Ricerca di tutti i vettori che ricadono in un rettangolo artendo dalla root troviamo tutte le regioni che si sovrappongono al rettangolo di ricerca Scorriamo la lista di feature-vector associata alla regione K Nearest-Neighbor query Ricerca dei k vettori più vicini ad un vettore dato Utilizziamo un procedimento iterativo, composto dalla ripetizione di Range query fino a quando non troviamo un numero sufficiente di vettori candidati. Utilizziamo il calcolo della distanza euclidea tra il vettore da ricercare ed i vettori candidati

7 K-d trees Sono una estensione degli ALBERI BINARI: In un A.B. ogni nodo ha tre elementi: un valore della chiave X un puntatore ai record con chiave < x un puntatore ai record con chiave > x Un albero binario e normalmente non bilanciato Durante l inserimento si applicano metodi di bilanciamento per mantenere i tempi di ricerca in O(log n ) in un k-d tree ogni chiave è costituita dal vettore k-dimensionale invece che da un solo valore er generare l albero bisogna individuare una regola per decidere da che parte inserire il nuovo elemento (dx,sx) Al primo livello si effettua il salto basandosi sulla prima componente del vettore Al secondo livello si effettua il salto basandosi sulla seconda componente del vettore ecc Esempio di K-d trees Supponiamo di avere i seguenti vettori nello spazio a 3 dimensioni: (10,13,7) (9,14,8) (20,9,17) (7,13,6) (8,12,7) (6,10,9) (11,8,14) (15,13,11) (10,6,17) (16,12,21) (17,3,15) Livello 1 L albero che potremmo costruire è: (10, 13,17) Livello 2 (9, 14,18) (20, 9,17) Livello 3 (7, 13,6) (11, 8,14) (15, 13,11) Livello 4 (8, 12,7) (10, 6,17) (16, 12,21) Livello 5 (6, 10, 9) (17, 3,15)

8 Utilizzo K-d trees Inserimento: si utilizza ad ogni livello l ordinamento sulla corrispondente componente. roblema: la struttura dell albero dipende dall ordine di inserimento dei record. L albero può diventare sbilanciato e richiedere operazioni di ri-bilanciamento Ricerca: è simile al processo di inserimento Ad ogni livello effettuiamo il salto sulla base del valore della relativa componente del vettore Eliminazione: uò risultare complicata quando occorre eliminare un nodo intermedio dell albero Si possono effettuare delle cancellazioni logiche senza modificare la struttura dell albero Range query: sono facili da implementare e comportano la visita di un numero di nodi dell albero abbastanza ridotta Grid files Sono una modalità di indicizzazione e ricerca abbastanza semplice ma molto utilizzata in implementazioni reali. Consistono nella suddivisione dello spazio n-dimensionale in ipercubi aventi tutti la stessa dimensione. Ogni ipercubo contiene zero o più feature-vector Esempio 2D: Griglia nello spazio dei valori delle features Indice Scala dei valori 0,0 1,0 2,0 3,0 Array 2D di puntatori alle griglie 0,1 1,1 2,1 3,1 0,2 1,2 2,2 3,2 0,3 1,3 2,3 3,3

9 Grid files L Inserimento di un valore nella struttura e molto semplice: Es: se volessimo inserire il vettore de feature {80, 70} nella griglia 2D precedente sapremmo subito che questo dovrà essere inserito nella griglia con indice (1,1) e quindi sarà puntato dal puntatore 1,1 La ricerca di un valore avviene in un modo simile: Es di point query: se vogliamo trovare il vettore {40, 125} sappiamo subito che questo si troverà nella griglia (0,2). Quindi prendiamo il puntatore 0,2 e scorriamo la lista di vettori puntati da questo (tutti i vettori di feature che si trovano nella stessa griglia sono puntati dallo stesso puntatore) Es di range query: e necessario trovare tutte le liste di vettori puntate dai puntatori le cui griglie vengono intersecate dal rettangolo descritto dalla query Considerazioni su grid files Se i vettori di features sono distribuiti abbastanza uniformemente all interno dello spazio dei valori tale metodo da buoni risultati Nel caso contrario (vettori non distribuiti uniformemente nello spazio) alcune griglie risultano vuote o quasi e altre sovraffollate Se una griglia e sovraffollata il puntatore alla griglia individuerà una lista di vettori molto lunga il cui scorrimento e calcolo della similarità comporta perdita di tempo elevata er far fronte a questo problema (nel caso di distribuzione non uniforme) invece di utilizzare griglie fisse della stessa dimensione si crea una suddivisione adattativa cercando di bilanciare il contenuto delle diverse griglie Nelle zone dello spazio densamente popolate si utilizzano griglie di piccole dimensioni mentre nelle zone scarsamente popolate si utilizzano griglie di dimensioni più grandi

10 R tree Sono una famiglia si strutture di indicizzazione molto utilizzate per l organizzazione dei dati multidimensionali. Un R tree è una generalizzazione di un MB+ tree. In ogni nodo non foglia viene memorizzato un puntatore che punta ad un nodo di livello più basso nell albero e un rettangolo che copre tutti i rettangoli associati ai discendenti del nodo. Nei nodi foglia viene memorizzata la lista dei vettori che ricadono dentro al singolo rettangolo di livello più basso. Sono strutture dati utilizzate sia per memorizzare dati che hanno un boundingbox che dati di tipo puntuale Esempio R tree Il rettangolo blu rappresenta il dominio spaziale di una base di dati bidimensionale. Al suo interno sono presenti 12 oggetti. Indice RTree relativo agli oggetti della Fig. 1. La figura di destra illustra un RTree che indicizza i rettangoli della figura di sinistra oiché ogni record rappresenta una porzione di spazio, essi sono stati rappresentati graficamente. Ad esempio, la radice contiene due record, e per ognuno e' stata rappresentata l'intera base di dati (il rettangolo blu) con evidenziata in verde l'area da essi indicizzata. La stessa cosa e' ripetuta nei due nodi interni, con il colore azzurro. Si può notare come l'area indicizzata da ogni record comprenda l'unione delle aree dei figli. er compattezza, i record nelle foglie sono stati rappresentati con il solo nome.

11 Operazioni su R tree Query: La regione da cercare viene caratterizzata dal suo MBR (minimum bounding-box) A partire dalla root si attraversa l albero cercando i rettangoli che intersecano l MBR (possono essere più di uno ad ognuno dei livelli) Raggiunti i nodi foglia, si testa l intersezione tra l MBR e il rettangolo collegato Operazioni su R tree Insert: Si attraversa l albero selezionando il rettangolo più piccolo che include l oggetto da inserire o quello che richiederebbe l allargamento minore per coprire il nuovo oggetto L inserimento comporta l allargamento del nodo padre per fare in modo che il suo rettangolo includa completamente il nuovo oggetto Se il nodo nell albero è già pieno per più di metà, occorre procedere alla operazione di splitting in maniera analoga a quanto avviene sui MB+ tree Lo splitting si può ripercuotere ricorsivamente verso l alto fino a quando l aggiunta di un nuovo rettangolo non comporta un riempimento eccessivo Delete: Si utilizza un procedimento di attraversamento dell albero simile a quello della ricerca Se l eliminazione di un oggetto comporta che un nodo dell albero contiene troppo pochi elementi, il nodo viene eliminato e gli oggetti che conteneva vengono reinseriti nell albero

12 Dati puntuali e R tree er la ricerca, l inserimento e l eliminazione di dati puntuali in un R TREE gli algoritmi sono simili a quelli precedenti (dati multidimesionali) L unica differenza consiste nel fatto che ogni nodo foglia contiene più di un elemento puntuale di cui viene memorizzato l MBR E possibile implementare la ricerca k nearest neighbor attraverso la stima di un rettangolo che contiene sicuramente tutti i punti da ricercare e utilizzando la ricerca su oggetti rettangolari descritta in precedenza L inserimento di un punto avviene ricercando il rettangolo dell albero che deve essere ampliato di meno per contenerlo In maniera analoga al caso di oggetti rettangolari vengono trattati i casi di splitting (quando la lista di punti di un nodo conterrebbe troppi elementi) o di eliminazione di un nodo a seguito della eliminazione di uno o più punti Efficienza di ricerca di un R TREE Dipende da 2 concetti (definiti per ognuno dei livelli dell albero): COVERAGE: E l area totale di tutti i rettangoli associati ai nodi del livello OVERLA: E l area totale coperta da due o più nodi Un R tree è efficiente se sia la COVERAGE che l OVERLA sono minimizzati In particolare l overlap comporta problemi in fase di ricerca. Es: per cercare r12 dobbiamo attraversare i nodi interni R1, R2, R3, R4, R5 ed R6 a causa del fatto che R1 ed R2 hanno una sovrapposizione. Inoltre è cruciale l ordine di inserimento per ottenere un albero maggiormente bilanciato

13 Hardware e software per MMDBMS Un MMDBMS deve rispettare requisiti stringenti in termini di: Throughput Delay Delay jitter Dati di tipo audio e video hanno caratteristiche particolari: Un elevata occupazione di memoria Necessitano di un elevata banda di trasmissione Sono caratterizzati da deadline temporali molto rigide Le caratteristiche hardware e software di un MMDBMS sono di conseguenza dimensionate in relazione a tali requisiti Aspetti rilevanti di un MMDBMS Supporti e tecniche per la memorizzazione Ottimizzazione dell efficienza e capacità dei dischi Sistemi RAID Accesso remoto e trasmissione dati rotocolli specifici per la trasmissione di grandi quantità di dati roblema della garanzia della QoS Decodifica dei tipi di dati La codifica e la decodifica da un formato all altro deve essere efficiente Decoder implementati in hardware Scalabilita del sistema Il sistema deve permettere la propria espansione ed evoluzione senza soffrire di drastiche riduzioni di performance

14 Architetture hardware per sistemi multimediali rocessori dedicati Set di istruzioni dedicato all elaborazione multimediale Maggiore efficienza Minore scalabilita e programmabilita (molte operazioni sono hard-wired nel processore Utilizzo di bus locali Minor traffico sul bus principale Bus locali dedicati più veloci Device multimediali dedicati Gestiscono particolari operazioni sui dati Esterni al server (il server ne controlla l operato) I dati non devono passare attraverso il server per essere elaborati Sono connessi direttamente alla rete Sistemi distribuiti Connessioni dedicate ad elevata velocità di trasmissione Separazione delle fasi di processing su macchine diverse Sistemi operativi dedicati Gestione efficiente dell hardware dedicato Garanzia della QoS Compatibilità verso sistemi standard e gestione indipendente delle normali applicazioni

15 Misure di efficienza ed efficacia dei MMDBMS Efficienza: Legata al tempo di risposta del sistema Maggiore e il tempo di risposta e minore e l efficienza Dipendenza forte dalle strutture dati utilizzate per memorizzare i record e dalle tecniche di indicizzazione Efficacia: Qualità della presentazione dei risultati (record) e un aspetto legato alla QoS Abilità del sistema di trovare record rilevanti in seguito ad una query e di scartare quelli irrilevanti (la ricerca e basata sulla similarità e non su matching esatto) Standard per valutazione dell efficacia er determinare una misura dell efficacia del sistema e necessario definire in modo standard cosa sia rilevante e cosa non lo sia in modo da avere un termine di confronto Raccolta di informazioni sulla rilevanza dei record basata sul giudizio umano Si prende un campione di persone e ad ognuna viene chiesto, date alcune query di test, quali siano i record rilevanti e quali non lo siano Normalmente si usano tre metodi differenti

16 Metodi Metodo 1: Ad ogni persona viene chiesto di indicare quale record nel database e rilevante data una particolare query I record selezionati da un numero di persone superiore ad una determinata soglia vengono contrassegnati come rilevanti per la specifica query Metodo 2: Come nel primo metodo ad ogni persona viene chiesto di indicare quale record nel database e rilevante Ad ogni record viene attribuito un peso che incrementa ogni volta che una persona indica quel record rilevante per una determinata query Ogni record avrà un peso relativo a ogni query Metodi Metodo 3 Ogni persona assegna un punteggio di rilevanza ad ogni record (invece che individuare semplicemente se e rilevante o no) Si ottiene una matrice Q j (i,k) per ogni query j dove Q j (i,k) indica il numero di persone che ha valutato il record i in k-esima posizione per la query j

17 Misure di efficacia er misurare l efficacia di un MMDBMS intesa come l abilita nel ritrovare record rilevanti esistono diverse tecniche: Recall and precision pair (R): ercentage of weighted hits (WH): ercentage of similarity rankings (SR) Recall and precision pair (R) Si basa sul confronto con risultati ottenuti con il metodo 1 Recall e precision devono essere utilizzate congiuntamente per valutare l efficacia di un sistema Recall: misura l abilita di trovare record rilevanti recision: misura l abilita di rifiutare record irrilevanti Un buon MMDBMS dovrebbe avere sia recall che precision alte

18 ercentage of weighted hits (WH) Si basa sul confronto con risultati ottenuti con il metodo 2 er ogni query vengono ritornati un numero fisso di record. La percentuale degli hit pesati e definita nel modo seguente: n i= 1 = N j= 1 w w i j dove n e il numero dei record ritornati; w i e il numero delle persone che ha definito il record i come rilevante N e il numero totale dei record nel DB e w j e il numero delle persone che ha definito il record j come rilevante ercentage of similarity rankings (SR) Si basa sul confronto con risultati ottenuti con il metodo 3 Ogni record ha un valore Qj(i,k) dal quale si calcola la media p j (i) e la deviazione standard s j (i) che rappresentano il ranking medio del record e il grado di disaccordo tra le varie persone che hanno condotto il test Il MMDBMS in risposta ad una query j ritorna dei record in un determinato ordine definendo un ranking per ogni item i del database j (i) L efficacia del sistema può essere valutata come dalla somma della percentuale di persone che ha valutato il record i in posizione compresa tra: j (i)-s j (i)/2 e j (i)+s j (i)/2 In questo modo la percentuale di similarità e calcolata come: j ( i) + s j ( i)/ 2 S j ( i) = Q j ( i, k) k = ( i) s ( i)/ 2 j j

B+Trees. Introduzione

B+Trees. Introduzione B+Trees Introduzione B+Trees Il B+Trees e la variante maggiormente utilizzata dei BTrees BTrees e B+trees fanno parte della famiglia degli alberi di ricerca. Nel B+Trees i dati sono memorizzati solo nelle

Dettagli

Informatica 3. LEZIONE 23: Indicizzazione. Modulo 1: Indicizzazione lineare, ISAM e ad albero Modulo 2: 2-3 trees, B-trees e B + -trees

Informatica 3. LEZIONE 23: Indicizzazione. Modulo 1: Indicizzazione lineare, ISAM e ad albero Modulo 2: 2-3 trees, B-trees e B + -trees Informatica 3 LEZIONE 23: Indicizzazione Modulo 1: Indicizzazione lineare, ISAM e ad albero Modulo 2: 2-3 trees, B-trees e B + -trees Informatica 3 Lezione 23 - Modulo 1 Indicizzazione lineare, ISAM e

Dettagli

Altri metodi di indicizzazione

Altri metodi di indicizzazione Organizzazione a indici su più livelli Altri metodi di indicizzazione Al crescere della dimensione del file l organizzazione sequenziale a indice diventa inefficiente: in lettura a causa del crescere del

Dettagli

Informatica 3. LEZIONE 21: Ricerca su liste e tecniche di hashing. Modulo 1: Algoritmi sequenziali e basati su liste Modulo 2: Hashing

Informatica 3. LEZIONE 21: Ricerca su liste e tecniche di hashing. Modulo 1: Algoritmi sequenziali e basati su liste Modulo 2: Hashing Informatica 3 LEZIONE 21: Ricerca su liste e tecniche di hashing Modulo 1: Algoritmi sequenziali e basati su liste Modulo 2: Hashing Informatica 3 Lezione 21 - Modulo 1 Algoritmi sequenziali e basati su

Dettagli

Gestione della memoria centrale

Gestione della memoria centrale Gestione della memoria centrale Un programma per essere eseguito deve risiedere in memoria principale e lo stesso vale per i dati su cui esso opera In un sistema multitasking molti processi vengono eseguiti

Dettagli

Algoritmi e strutture dati. Codici di Huffman

Algoritmi e strutture dati. Codici di Huffman Algoritmi e strutture dati Codici di Huffman Memorizzazione dei dati Quando un file viene memorizzato, esso va memorizzato in qualche formato binario Modo più semplice: memorizzare il codice ASCII per

Dettagli

Plate Locator Riconoscimento Automatico di Targhe

Plate Locator Riconoscimento Automatico di Targhe Progetto per Laboratorio di Informatica 3 - Rimotti Daniele, Santinelli Gabriele Plate Locator Riconoscimento Automatico di Targhe Il programma plate_locator.m prende come input: l immagine della targa

Dettagli

Calcolatori Elettronici A a.a. 2008/2009

Calcolatori Elettronici A a.a. 2008/2009 Calcolatori Elettronici A a.a. 2008/2009 PRESTAZIONI DEL CALCOLATORE Massimiliano Giacomin Due dimensioni Tempo di risposta (o tempo di esecuzione): il tempo totale impiegato per eseguire un task (include

Dettagli

Organizzazione degli archivi

Organizzazione degli archivi COSA E UN DATA-BASE (DB)? è l insieme di dati relativo ad un sistema informativo COSA CARATTERIZZA UN DB? la struttura dei dati le relazioni fra i dati I REQUISITI DI UN DB SONO: la ridondanza minima i

Dettagli

Introduzione all Information Retrieval

Introduzione all Information Retrieval Introduzione all Information Retrieval Argomenti della lezione Definizione di Information Retrieval. Information Retrieval vs Data Retrieval. Indicizzazione di collezioni e ricerca. Modelli per Information

Dettagli

Mon Ami 3000 Varianti articolo Gestione di varianti articoli

Mon Ami 3000 Varianti articolo Gestione di varianti articoli Prerequisiti Mon Ami 3000 Varianti articolo Gestione di varianti articoli L opzione Varianti articolo è disponibile per le versioni Azienda Light e Azienda Pro e include tre funzionalità distinte: 1. Gestione

Dettagli

Il sofware è inoltre completato da una funzione di calendario che consente di impostare in modo semplice ed intuitivo i vari appuntamenti.

Il sofware è inoltre completato da una funzione di calendario che consente di impostare in modo semplice ed intuitivo i vari appuntamenti. SH.MedicalStudio Presentazione SH.MedicalStudio è un software per la gestione degli studi medici. Consente di gestire un archivio Pazienti, con tutti i documenti necessari ad avere un quadro clinico completo

Dettagli

Sistemi Informativi Multimediali Indicizzazione multidimensionale

Sistemi Informativi Multimediali Indicizzazione multidimensionale Indicizzazione nei sistemi di IR (1) Sistemi Informativi Multimediali Indicizzazione multidimensionale ugusto elentano Università a Foscari Venezia La struttura fondamentale di un sistema di information

Dettagli

LA GESTIONE DELLE VISITE CLIENTI VIA WEB

LA GESTIONE DELLE VISITE CLIENTI VIA WEB LA GESTIONE DELLE VISITE CLIENTI VIA WEB L applicazione realizzata ha lo scopo di consentire agli agenti l inserimento via web dei dati relativi alle visite effettuate alla clientela. I requisiti informatici

Dettagli

Ricerca di outlier. Ricerca di Anomalie/Outlier

Ricerca di outlier. Ricerca di Anomalie/Outlier Ricerca di outlier Prof. Matteo Golfarelli Alma Mater Studiorum - Università di Bologna Ricerca di Anomalie/Outlier Cosa sono gli outlier? L insieme di dati che sono considerevolmente differenti dalla

Dettagli

Database. Si ringrazia Marco Bertini per le slides

Database. Si ringrazia Marco Bertini per le slides Database Si ringrazia Marco Bertini per le slides Obiettivo Concetti base dati e informazioni cos è un database terminologia Modelli organizzativi flat file database relazionali Principi e linee guida

Dettagli

Strutturazione logica dei dati: i file

Strutturazione logica dei dati: i file Strutturazione logica dei dati: i file Informazioni più complesse possono essere composte a partire da informazioni elementari Esempio di una banca: supponiamo di voler mantenere all'interno di un computer

Dettagli

I database relazionali (Access)

I database relazionali (Access) I database relazionali (Access) Filippo TROTTA 04/02/2013 1 Prof.Filippo TROTTA Definizioni Database Sistema di gestione di database (DBMS, Database Management System) Sistema di gestione di database relazionale

Dettagli

Progettazione Fisica FILE

Progettazione Fisica FILE Progettazione Fisica Organizzazione dei files Organizzazione indici FILE Insieme di record lunghezza fissa (R) lunghezza variabile Record Header BH RH record1 RH record2 RH record2 RH record3 Block Header

Dettagli

Cosa è un foglio elettronico

Cosa è un foglio elettronico Cosa è un foglio elettronico Versione informatica del foglio contabile Strumento per l elaborazione di numeri (ma non solo...) I valori inseriti possono essere modificati, analizzati, elaborati, ripetuti

Dettagli

12. Implementazione di un File System. 12.1.1 Struttura a livelli. 12.2.1 Allocazione contigua

12. Implementazione di un File System. 12.1.1 Struttura a livelli. 12.2.1 Allocazione contigua 12. Implementazione di un File System 1 Struttura del file system Metodi di allocazione Gestione dello spazio libero Implementazione delle directory Prestazioni ed efficienza 2 Utente 12.1.1 Struttura

Dettagli

Laboratorio di Informatica

Laboratorio di Informatica per chimica industriale e chimica applicata e ambientale LEZIONE 4 - parte II La memoria 1 La memoriaparametri di caratterizzazione Un dato dispositivo di memoria è caratterizzato da : velocità di accesso,

Dettagli

La Metodologia adottata nel Corso

La Metodologia adottata nel Corso La Metodologia adottata nel Corso 1 Mission Statement + Glossario + Lista Funzionalià 3 Descrizione 6 Funzionalità 2 Schema 4 Schema 5 concettuale Logico EA Relazionale Codice Transazioni In PL/SQL Schema

Dettagli

Gestione Turni. Introduzione

Gestione Turni. Introduzione Gestione Turni Introduzione La gestione dei turni di lavoro si rende necessaria quando, per garantire la continuità del servizio di una determinata struttura, è necessario che tutto il personale afferente

Dettagli

Guida all uso di Java Diagrammi ER

Guida all uso di Java Diagrammi ER Guida all uso di Java Diagrammi ER Ver. 1.1 Alessandro Ballini 16/5/2004 Questa guida ha lo scopo di mostrare gli aspetti fondamentali dell utilizzo dell applicazione Java Diagrammi ER. Inizieremo con

Dettagli

Manuale Amministratore Legalmail Enterprise. Manuale ad uso degli Amministratori del Servizio Legalmail Enterprise

Manuale Amministratore Legalmail Enterprise. Manuale ad uso degli Amministratori del Servizio Legalmail Enterprise Manuale Amministratore Legalmail Enterprise Manuale ad uso degli Amministratori del Servizio Legalmail Enterprise Pagina 2 di 16 Manuale Amministratore Legalmail Enterprise Introduzione a Legalmail Enterprise...3

Dettagli

Informatica grafica e Multimedialità. 4 Immagini grafiche

Informatica grafica e Multimedialità. 4 Immagini grafiche Immagini raster e vettoriali Le immagini grafiche si distinguono in due classi differenti: immagini raster e immagini vettoriali. Le immagini raster, dette anche pittoriche o pixel-oriented, dividono l

Dettagli

LE FUNZIONI A DUE VARIABILI

LE FUNZIONI A DUE VARIABILI Capitolo I LE FUNZIONI A DUE VARIABILI In questo primo capitolo introduciamo alcune definizioni di base delle funzioni reali a due variabili reali. Nel seguito R denoterà l insieme dei numeri reali mentre

Dettagli

Algoritmi di clustering

Algoritmi di clustering Algoritmi di clustering Dato un insieme di dati sperimentali, vogliamo dividerli in clusters in modo che: I dati all interno di ciascun cluster siano simili tra loro Ciascun dato appartenga a uno e un

Dettagli

GestVetrine 1.1 versione novembre 2014

GestVetrine 1.1 versione novembre 2014 GestVetrine 1.1 versione novembre 2014 0 GestVetrine 1.1 GestVetrine 1.0 Indice Indice pag.1 1. Finalità pag.2 2. Gestione screen pag.2 3. Come Accedere pag.3 4. Come Creare un negozio pag.4 5. Come Creare

Dettagli

CALCOLATORI ELETTRONICI A cura di Luca Orrù. Lezione n.7. Il moltiplicatore binario e il ciclo di base di una CPU

CALCOLATORI ELETTRONICI A cura di Luca Orrù. Lezione n.7. Il moltiplicatore binario e il ciclo di base di una CPU Lezione n.7 Il moltiplicatore binario e il ciclo di base di una CPU 1 SOMMARIO Architettura del moltiplicatore Architettura di base di una CPU Ciclo principale di base di una CPU Riprendiamo l analisi

Dettagli

Strutture Dati Efficienti per la Ricerca della Similarità

Strutture Dati Efficienti per la Ricerca della Similarità Strutture Dati Efficienti per la Ricerca della Similarità Introduzione Alberi B e B+ Clustering Alberi B+ Multidimensionali Alberi K-d Grid Files R Tree Introduzione er un insieme di oggetti multimediali,

Dettagli

Come costruire una presentazione. PowerPoint 1. ! PowerPoint permette la realizzazione di presentazioni video ipertestuali, animate e multimediali

Come costruire una presentazione. PowerPoint 1. ! PowerPoint permette la realizzazione di presentazioni video ipertestuali, animate e multimediali PowerPoint Come costruire una presentazione PowerPoint 1 Introduzione! PowerPoint è uno degli strumenti presenti nella suite Office di Microsoft! PowerPoint permette la realizzazione di presentazioni video

Dettagli

PORTALE CLIENTI Manuale utente

PORTALE CLIENTI Manuale utente PORTALE CLIENTI Manuale utente Sommario 1. Accesso al portale 2. Home Page e login 3. Area riservata 4. Pagina dettaglio procedura 5. Pagina dettaglio programma 6. Installazione dei programmi Sistema operativo

Dettagli

CONTENT MANAGEMENT SY STEM

CONTENT MANAGEMENT SY STEM CONTENT MANAGEMENT SY STEM I NDI CE I NTRODUZI ONE Accesso al CMS 1) CONTENUTI 1.1 I nserimento, modifica e cancellazione dei contenuti 1.2 Sezioni, categorie e sottocategorie 2) UTENTI 3) UP LOAD FILES

Dettagli

Telerilevamento e GIS Prof. Ing. Giuseppe Mussumeci

Telerilevamento e GIS Prof. Ing. Giuseppe Mussumeci Corso di Laurea Magistrale in Ingegneria per l Ambiente e il Territorio A.A. 2014-2015 Telerilevamento e GIS Prof. Ing. Giuseppe Mussumeci Strutture di dati: DB e DBMS DATO E INFORMAZIONE Dato: insieme

Dettagli

Dispensa di database Access

Dispensa di database Access Dispensa di database Access Indice: Database come tabelle; fogli di lavoro e tabelle...2 Database con più tabelle; relazioni tra tabelle...2 Motore di database, complessità di un database; concetto di

Dettagli

Nuova funzione di ricerca del sito WIKA.

Nuova funzione di ricerca del sito WIKA. Nuova funzione di ricerca del sito WIKA. Il sito WIKA dispone ora di una funzione di ricerca completamente riprogettata. Essa è uno strumento particolarmente importante in quanto deve fornire al navigatore

Dettagli

Lezione 8. La macchina universale

Lezione 8. La macchina universale Lezione 8 Algoritmi La macchina universale Un elaboratore o computer è una macchina digitale, elettronica, automatica capace di effettuare trasformazioni o elaborazioni su i dati digitale= l informazione

Dettagli

SOFTWARE PER LA RILEVAZIONE DEI TEMPI PER CENTRI DI COSTO

SOFTWARE PER LA RILEVAZIONE DEI TEMPI PER CENTRI DI COSTO SOFTWARE PER LA RILEVAZIONE DEI TEMPI PER CENTRI DI COSTO Descrizione Nell ambito della rilevazione dei costi, Solari con l ambiente Start propone Time&Cost, una applicazione che contribuisce a fornire

Dettagli

Codifiche a lunghezza variabile

Codifiche a lunghezza variabile Sistemi Multimediali Codifiche a lunghezza variabile Marco Gribaudo marcog@di.unito.it, gribaudo@elet.polimi.it Assegnazione del codice Come visto in precedenza, per poter memorizzare o trasmettere un

Dettagli

Analisi dei requisiti e casi d uso

Analisi dei requisiti e casi d uso Analisi dei requisiti e casi d uso Indice 1 Introduzione 2 1.1 Terminologia........................... 2 2 Modello del sistema 4 2.1 Requisiti hardware........................ 4 2.2 Requisiti software.........................

Dettagli

A cosa serve GOOGLE MODULI? Con Moduli Google puoi pianificare eventi, fare sondaggi, sottoporre quiz agli studenti o raccogliere informazioni.

A cosa serve GOOGLE MODULI? Con Moduli Google puoi pianificare eventi, fare sondaggi, sottoporre quiz agli studenti o raccogliere informazioni. GOOGLE MODULI A cosa serve GOOGLE MODULI? Con Moduli Google puoi pianificare eventi, fare sondaggi, sottoporre quiz agli studenti o raccogliere informazioni. Come creare un sondaggio: 1 - collegati al

Dettagli

EasyPrint v4.15. Gadget e calendari. Manuale Utente

EasyPrint v4.15. Gadget e calendari. Manuale Utente EasyPrint v4.15 Gadget e calendari Manuale Utente Lo strumento di impaginazione gadget e calendari consiste in una nuova funzione del software da banco EasyPrint 4 che permette di ordinare in maniera semplice

Dettagli

e-dva - eni-depth Velocity Analysis

e-dva - eni-depth Velocity Analysis Lo scopo dell Analisi di Velocità di Migrazione (MVA) è quello di ottenere un modello della velocità nel sottosuolo che abbia dei tempi di riflessione compatibili con quelli osservati nei dati. Ciò significa

Dettagli

(Esercizi Tratti da Temi d esame degli ordinamenti precedenti)

(Esercizi Tratti da Temi d esame degli ordinamenti precedenti) (Esercizi Tratti da Temi d esame degli ordinamenti precedenti) Esercizio 1 L'agenzia viaggi GV - Grandi Viaggi vi commissiona l'implementazione della funzione AssegnaVolo. Tale funzione riceve due liste

Dettagli

Introduzione. Classificazione di Flynn... 2 Macchine a pipeline... 3 Macchine vettoriali e Array Processor... 4 Macchine MIMD... 6

Introduzione. Classificazione di Flynn... 2 Macchine a pipeline... 3 Macchine vettoriali e Array Processor... 4 Macchine MIMD... 6 Appunti di Calcolatori Elettronici Esecuzione di istruzioni in parallelo Introduzione... 1 Classificazione di Flynn... 2 Macchine a pipeline... 3 Macchine vettoriali e Array Processor... 4 Macchine MIMD...

Dettagli

Capitolo 5. Cercare informazioni sul Web

Capitolo 5. Cercare informazioni sul Web Capitolo 5 Cercare informazioni sul Web Cercare nel posto giusto Posti logici e noti per reperire informazioni sui nostri contributi pensionistici, chiediamo all INPS Biblioteche on-line La maggior parte

Dettagli

Aprire WEKA Explorer Caricare il file circletrain.arff Selezionare random split al 66% come modalità di test Selezionare J48 come classificatore e

Aprire WEKA Explorer Caricare il file circletrain.arff Selezionare random split al 66% come modalità di test Selezionare J48 come classificatore e Alberi di decisione Aprire WEKA Explorer Caricare il file circletrain.arff Selezionare random split al 66% come modalità di test Selezionare J48 come classificatore e lanciarlo con i parametri di default.

Dettagli

Capitolo V : Il colore nelle immagini digitali

Capitolo V : Il colore nelle immagini digitali Capitolo V : Il colore nelle immagini digitali Lavorare con il colore nelle immagini digitali L uso dei colori nella visione computerizzata e nella computer grafica implica l incorrere in determinate problematiche

Dettagli

FIRESHOP.NET. Gestione completa delle fidelity card & raccolta punti. Rev. 2014.3.1 www.firesoft.it

FIRESHOP.NET. Gestione completa delle fidelity card & raccolta punti. Rev. 2014.3.1 www.firesoft.it FIRESHOP.NET Gestione completa delle fidelity card & raccolta punti Rev. 2014.3.1 www.firesoft.it Sommario SOMMARIO Introduzione... 3 La gestione delle fidelity card nel POS... 4 Codificare una nuova fidelity

Dettagli

Indici di dispersione

Indici di dispersione Indici di dispersione 1 Supponiamo di disporre di un insieme di misure e di cercare un solo valore che, meglio di ciascun altro, sia in grado di catturare le caratteristiche della distribuzione nel suo

Dettagli

LE CARATTERISTICHE DEI PRODOTTI MULTIVARIANTE

LE CARATTERISTICHE DEI PRODOTTI MULTIVARIANTE LE CARATTERISTICHE DEI PRODOTTI MULTIVARIANTE Che cosa sono e a cosa servono le caratteristiche? Oltre a descrivere le qualità di un prodotto con un testo generico (descrizione) è possibile dettagliare

Dettagli

PULSANTI E PAGINE Sommario PULSANTI E PAGINE...1

PULSANTI E PAGINE Sommario PULSANTI E PAGINE...1 Pagina 1 Sommario...1 Apertura...2 Visualizzazioni...2 Elenco...2 Testo sul pulsante e altre informazioni...3 Comandi...3 Informazioni...4 Flow chart...5 Comandi...6 Pulsanti Principali e Pulsanti Dipendenti...6

Dettagli

Piani di input e piani di calcolo reale in FaTA-e

Piani di input e piani di calcolo reale in FaTA-e 0 1 Piani di input e piani di calcolo reali in FaTA-e Dalla versione XX di FaTA-e è presente una nuova implementazione per il calcolo dei baricentri di massa e rigidezza. La nuova procedura consente di

Dettagli

Università degli Studi di Ferrara - A.A. 2014/15 Dott. Valerio Muzzioli ORDINAMENTO DEI DATI

Università degli Studi di Ferrara - A.A. 2014/15 Dott. Valerio Muzzioli ORDINAMENTO DEI DATI ORDINAMENTO DEI DATI Quando si ordina un elenco (ovvero una serie di righe contenenti dati correlati), le righe sono ridisposte in base al contenuto di una colonna specificata. Distinguiamo due tipi di

Dettagli

Manuale d uso Software di parcellazione per commercialisti Ver. 1.0.3 [05/01/2015]

Manuale d uso Software di parcellazione per commercialisti Ver. 1.0.3 [05/01/2015] Manuale d uso Software di parcellazione per commercialisti Ver. 1.0.3 [05/01/2015] Realizzato e distribuito da LeggeraSoft Sommario Premessa... 2 Fase di Login... 2 Menù principale... 2 Anagrafica clienti...

Dettagli

Il file system. meccanismi di accesso e memorizzazione delle informazioni (programmi e dati) allocate. in memoria di massa

Il file system. meccanismi di accesso e memorizzazione delle informazioni (programmi e dati) allocate. in memoria di massa Il File System 1 Il file system E quella componente del SO che fornisce i meccanismi di accesso e memorizzazione delle informazioni (programmi e dati) allocate in memoria di massa Realizza i concetti astratti

Dettagli

Controllo di Gestione - Guida Operativa

Controllo di Gestione - Guida Operativa Controllo di Gestione - Guida Operativa Il modulo software di Controllo di Gestione, meglio denominato Monitoraggio e Controllo del piano degli obiettivi permette di monitorare, durante l esercizio, gli

Dettagli

Sistemi Operativi MECCANISMI E POLITICHE DI PROTEZIONE. D. Talia - UNICAL. Sistemi Operativi 13.1

Sistemi Operativi MECCANISMI E POLITICHE DI PROTEZIONE. D. Talia - UNICAL. Sistemi Operativi 13.1 MECCANISMI E POLITICHE DI PROTEZIONE 13.1 Protezione Obiettivi della Protezione Dominio di Protezione Matrice di Accesso Implementazione della Matrice di Accesso Revoca dei Diritti di Accesso Sistemi basati

Dettagli

MECCANISMI E POLITICHE DI PROTEZIONE 13.1

MECCANISMI E POLITICHE DI PROTEZIONE 13.1 MECCANISMI E POLITICHE DI PROTEZIONE 13.1 Protezione Obiettivi della Protezione Dominio di Protezione Matrice di Accesso Implementazione della Matrice di Accesso Revoca dei Diritti di Accesso Sistemi basati

Dettagli

MODULO 5 ACCESS Basi di dati. Lezione 4

MODULO 5 ACCESS Basi di dati. Lezione 4 MODULO 5 ACCESS Basi di dati Lezione 4 ARGOMENTI Lezione 4 Filtrare i dati Esempio 1 Query Cos è Creare Query in visualizza struttura Criteri di ricerca Esempio 2 Esempio 3 Esempio 4 Creare Query in creazione

Dettagli

I motori di ricerca. Che cosa sono. Stefania Marrara Corso di Sistemi Informativi

I motori di ricerca. Che cosa sono. Stefania Marrara Corso di Sistemi Informativi I motori di ricerca Stefania Marrara Corso di Sistemi Informativi a.a 2002/2003 Che cosa sono Un motore di ricerca è uno strumento per mezzo del quale è possibile ricercare alcuni termini (parole) all

Dettagli

Distributed P2P Data Mining. Autore: Elia Gaglio (matricola n 809477) Corso di Sistemi Distribuiti Prof.ssa Simonetta Balsamo

Distributed P2P Data Mining. Autore: Elia Gaglio (matricola n 809477) Corso di Sistemi Distribuiti Prof.ssa Simonetta Balsamo Distributed P2P Data Mining Autore: (matricola n 809477) Corso di Sistemi Distribuiti Prof.ssa Simonetta Balsamo A.A. 2005/2006 Il settore del Data Mining Distribuito (DDM): Data Mining: cuore del processo

Dettagli

ELABORAZIONE DI DATI TRIDIMENSIONALI - RELAZIONE HOMEWORK 2

ELABORAZIONE DI DATI TRIDIMENSIONALI - RELAZIONE HOMEWORK 2 DAVIDE ZANIN 1035601 ELABORAZIONE DI DATI TRIDIMENSIONALI - RELAZIONE HOMEWORK 2 SOMMARIO Elaborazione di dati tridimensionali - Relazione Homework 2... 1 Obiettivo... 2 Descrizione della procedura seguita...

Dettagli

Finalità della soluzione... 3. Schema generale e modalità d integrazione... 4. Gestione centralizzata in TeamPortal... 6

Finalità della soluzione... 3. Schema generale e modalità d integrazione... 4. Gestione centralizzata in TeamPortal... 6 Finalità della soluzione... 3 Schema generale e modalità d integrazione... 4 Gestione centralizzata in TeamPortal... 6 Dati gestiti dall Anagrafica Unica... 8 Gestione anagrafica... 9 Storicizzazione...

Dettagli

Il Sistema Operativo: il File System

Il Sistema Operativo: il File System Il Sistema Operativo: il File System Il File System è quella parte del S.O. che si occupa di gestire e strutturare le informazioni memorizzate su supporti permanenti (memoria secondaria) I file vengono

Dettagli

Determinare la grandezza della sottorete

Determinare la grandezza della sottorete Determinare la grandezza della sottorete Ogni rete IP possiede due indirizzi non assegnabili direttamente agli host l indirizzo della rete a cui appartiene e l'indirizzo di broadcast. Quando si creano

Dettagli

Laboratorio di Algoritmi e Strutture Dati

Laboratorio di Algoritmi e Strutture Dati Laboratorio di Algoritmi e Strutture Dati Aniello Murano http://people.na.infn.it people.na.infn.it/~murano/ 1 Esercitazione di laboratorio: Problema del venditore Terza parte 2 1 Esercizio del venditore

Dettagli

Access. P a r t e p r i m a

Access. P a r t e p r i m a Access P a r t e p r i m a 1 Esempio di gestione di database con MS Access 2 Cosa è Access? Access e un DBMS che permette di progettare e utilizzare DB relazionali Un DB Access e basato sui concetti di

Dettagli

Regole di gioco Roulette Mobile

Regole di gioco Roulette Mobile Regole di gioco Roulette Mobile European Classic Roulette European Premium Roulette European VIP Roulette Regole di gioco European Classic Roulette Il gioco si svolge esclusivamente nella modalità a solitario,

Dettagli

Figura 3.22 - Evoluzione dei consumi totali di energia elettrica. Figura 3.23 - Ripartizione dei consumi totali di energia elettrica

Figura 3.22 - Evoluzione dei consumi totali di energia elettrica. Figura 3.23 - Ripartizione dei consumi totali di energia elettrica Figura 3.22 Evoluzione dei consumi totali di energia elettrica Figura 3.23 Ripartizione dei consumi totali di energia elettrica 67 Figura 3.24 Ripartizione dei consumi totali di energia elettrica (dati

Dettagli

GUIDA RAPIDA PER LA COMPILAZIONE DELLA SCHEDA CCNL GUIDA RAPIDA PER LA COMPILAZIONE DELLA SCHEDA CCNL

GUIDA RAPIDA PER LA COMPILAZIONE DELLA SCHEDA CCNL GUIDA RAPIDA PER LA COMPILAZIONE DELLA SCHEDA CCNL GUIDA RAPIDA BOZZA 23/07/2008 INDICE 1. PERCHÉ UNA NUOVA VERSIONE DEI MODULI DI RACCOLTA DATI... 3 2. INDICAZIONI GENERALI... 4 2.1. Non modificare la struttura dei fogli di lavoro... 4 2.2. Cosa significano

Dettagli

Consiglio regionale della Toscana. Regole per il corretto funzionamento della posta elettronica

Consiglio regionale della Toscana. Regole per il corretto funzionamento della posta elettronica Consiglio regionale della Toscana Regole per il corretto funzionamento della posta elettronica A cura dell Ufficio Informatica Maggio 2006 Indice 1. Regole di utilizzo della posta elettronica... 3 2. Controllo

Dettagli

MANUALE PORTALE UTENTE IMPRENDITORE

MANUALE PORTALE UTENTE IMPRENDITORE MANUALE PORTALE UTENTE IMPRENDITORE Indice 1. REQUISITI MINIMI DI SISTEMA E CONTATTI PROGETTO RIGENER@... 3 2. IL PORTALE RIGENER@... 4 2.1 ACCESSO ALLE AREE PRIVATE... 7 2.1.1 Accesso al sito con Windows

Dettagli

IL SERVIZIO DI POSTA ELETTRONICA

IL SERVIZIO DI POSTA ELETTRONICA IL SERVIZIO DI POSTA ELETTRONICA Premessa Il servizio di posta elettronica della RUN, entrato in esercizio nel novembre del 1999, si è, in questi anni, notevolmente incrementato a causa di: aumento nell

Dettagli

Analisi e diagramma di Pareto

Analisi e diagramma di Pareto Analisi e diagramma di Pareto L'analisi di Pareto è una metodologia statistica utilizzata per individuare i problemi più rilevanti nella situazione in esame e quindi le priorità di intervento. L'obiettivo

Dettagli

M:\Manuali\VARIE\GENERAZIONE REPORT PARAMETRICI.doc GENERAZIONE REPORT PARAMETRICI

M:\Manuali\VARIE\GENERAZIONE REPORT PARAMETRICI.doc GENERAZIONE REPORT PARAMETRICI M:\Manuali\VARIE\GENERAZIONE REPORT PARAMETRICI.doc GENERAZIONE REPORT PARAMETRICI Di seguito, riportiamo le istruzioni per la gestione delle query parametriche utile ad eventuali ricerche di casi particolari,

Dettagli

Il File System. Il file system

Il File System. Il file system Il File System Il file system Parte di SO che fornisce i meccanismi di accesso e memorizzazione delle informazioni (programmi e dati) allocate in memoria di massa Realizza i concetti astratti di file:

Dettagli

Scenario di Progettazione

Scenario di Progettazione Appunti del 3 Ottobre 2008 Prof. Mario Bochicchio SCENARIO DI PROGETTAZIONE Scenario di Progettazione Il Committente mette a disposizione delle risorse e propone dei documenti che solitamente rappresentano

Dettagli

La struttura dati ad albero binario

La struttura dati ad albero binario La struttura dati ad albero binario L albero è una struttura dati nella quale le informazioni sono organizzate in modo gerarchico, dall alto verso il basso. Gli elementi di un albero si chiamano nodi,

Dettagli

Sistema Informativo Gestione Fidelizzazione Clienti MANUALE D USO

Sistema Informativo Gestione Fidelizzazione Clienti MANUALE D USO Sistema Informativo Gestione Fidelizzazione Clienti MANUALE D USO Login All apertura il programma controlla che sia stata effettuata la registrazione e in caso negativo viene visualizzato un messaggio.

Dettagli

Coordinazione Distribuita

Coordinazione Distribuita Coordinazione Distribuita Ordinamento degli eventi Mutua esclusione Atomicità Controllo della Concorrenza 21.1 Introduzione Tutte le questioni relative alla concorrenza che si incontrano in sistemi centralizzati,

Dettagli

Il software impiegato su un computer si distingue in: Sistema Operativo Compilatori per produrre programmi

Il software impiegato su un computer si distingue in: Sistema Operativo Compilatori per produrre programmi Il Software Il software impiegato su un computer si distingue in: Software di sistema Sistema Operativo Compilatori per produrre programmi Software applicativo Elaborazione testi Fogli elettronici Basi

Dettagli

Basi di Dati Multimediali. Fabio Strocco

Basi di Dati Multimediali. Fabio Strocco Basi di Dati Multimediali Fabio Strocco September 19, 2011 1 Contents 2 Introduzione Le basi di dati (o database) hanno applicazioni in molti campi, in cui è necessario memorizzare, analizzare e gestire

Dettagli

2.0 Gli archivi. 2.1 Inserire gli archivi. 2.2 Archivio Clienti, Fornitori, Materiali, Noleggi ed Altri Costi. Impresa Edile Guida all uso

2.0 Gli archivi. 2.1 Inserire gli archivi. 2.2 Archivio Clienti, Fornitori, Materiali, Noleggi ed Altri Costi. Impresa Edile Guida all uso 2.0 Gli archivi All interno della sezione archivi sono inserite le anagrafiche. In pratica si stratta di tutti quei dati che ricorreranno costantemente all interno dei documenti. 2.1 Inserire gli archivi

Dettagli

CORSO ACCESS PARTE II. Esistono diversi tipi di aiuto forniti con Access, generalmente accessibili tramite la barra dei menu (?)

CORSO ACCESS PARTE II. Esistono diversi tipi di aiuto forniti con Access, generalmente accessibili tramite la barra dei menu (?) Ambiente Access La Guida di Access Esistono diversi tipi di aiuto forniti con Access, generalmente accessibili tramite la barra dei menu (?) Guida in linea Guida rapida Assistente di Office indicazioni

Dettagli

REGIONE SICILIANA. Implementazione del modello di governo clinico integrato U.F.A. ONCO EMA. al Decreto 10 Ottobre 2012 Regione e Siciliana

REGIONE SICILIANA. Implementazione del modello di governo clinico integrato U.F.A. ONCO EMA. al Decreto 10 Ottobre 2012 Regione e Siciliana 2014 R e g i o n e S i c i l i a n a - D.A.S.O.E. Dipartimento per le Attivita Sanitarie e Osservatorio rio Epidemiologico REGIONE SICILIANA Implementazione del modello di governo clinico integrato U.F.A.

Dettagli

ColorSplitter. La separazione automatica dei colori di Colibri.. Perché ColorSplitter? Come opera ColorSplitter?

ColorSplitter. La separazione automatica dei colori di Colibri.. Perché ColorSplitter? Come opera ColorSplitter? ColorSplitter La separazione automatica dei colori di Colibri.. ColorSplitter è una nuova funzionalità aggiunta a Colibri, che permette di elaborare un immagine trasformandola in una separata in canali

Dettagli

Operazioni sui database

Operazioni sui database Operazioni sui database Le operazioni nel modello relazionale sono essenzialmente di due tipi: Operazioni di modifica della base di dati (update) Interrogazioni della base di dati per il recupero delle

Dettagli

Progettazione di Basi di Dati

Progettazione di Basi di Dati Progettazione di Basi di Dati Prof. Nicoletta D Alpaos & Prof. Andrea Borghesan Entità-Relazione Progettazione Logica 2 E il modo attraverso il quale i dati sono rappresentati : fa riferimento al modello

Dettagli

BMSO1001. Virtual Configurator. Istruzioni d uso 02/10-01 PC

BMSO1001. Virtual Configurator. Istruzioni d uso 02/10-01 PC BMSO1001 Virtual Configurator Istruzioni d uso 02/10-01 PC 2 Virtual Configurator Istruzioni d uso Indice 1. Requisiti Hardware e Software 4 1.1 Requisiti Hardware 4 1.2 Requisiti Software 4 2. Concetti

Dettagli

Le immagini digitali. Le immagini digitali. Caterina Balletti. Caterina Balletti. Immagini grafiche. Trattamento di immagini digitali.

Le immagini digitali. Le immagini digitali. Caterina Balletti. Caterina Balletti. Immagini grafiche. Trattamento di immagini digitali. 1 Le immagini digitali Le immagini digitali Università IUAV di venezia Trattamento di immagini digitali immagini grafiche immagini raster immagini vettoriali acquisizione trattamento geometrico trattamento

Dettagli

B-Tree. Struttura dati usata in applicazioni che necessitano di gestire insiemi di chiavi ordinate Una variante (B+-Tree) è diffusa in:

B-Tree. Struttura dati usata in applicazioni che necessitano di gestire insiemi di chiavi ordinate Una variante (B+-Tree) è diffusa in: B-Tree Prof. Rudolf Bayer Struttura dati usata in applicazioni che necessitano di gestire insiemi di chiavi ordinate Una variante (B+-Tree) è diffusa in: Filesystem: btrfs, NTFS, ReiserFS, NSS, XFS, JFS

Dettagli

Capitolo 3. L applicazione Java Diagrammi ER. 3.1 La finestra iniziale, il menu e la barra pulsanti

Capitolo 3. L applicazione Java Diagrammi ER. 3.1 La finestra iniziale, il menu e la barra pulsanti Capitolo 3 L applicazione Java Diagrammi ER Dopo le fasi di analisi, progettazione ed implementazione il software è stato compilato ed ora è pronto all uso; in questo capitolo mostreremo passo passo tutta

Dettagli

GUIDA ALLA RILEVANZA

GUIDA ALLA RILEVANZA GUIDA ALLA RILEVANZA Posizionamento per Rilevanza Suggerimenti per una migliore visibilità su ebay www.egolden.it Vers. 1.1 Questa guida puo essere ridistribuita con l obbligo di non modificarne contenuto

Dettagli

WEBGIS 1.0. Guida per l utente

WEBGIS 1.0. Guida per l utente WEBGIS 1.0 Guida per l utente SOMMARIO 1 INTRODUZIONE...3 2 FUNZIONALITA...4 2.1 Strumenti WebGIS... 4 2.1.1 Mappa... 5 2.1.2 Inquadramento mappa... 6 2.1.3 Toolbar... 7 2.1.4 Scala... 9 2.1.5 Legenda...

Dettagli

Base di dati e sistemi informativi

Base di dati e sistemi informativi Base di dati e sistemi informativi Una base di dati è un insieme organizzato di dati opportunamente strutturato per lo svolgimento di determinate attività La base di dati è un elemento fondamentale per

Dettagli

Capitolo 2 - Teoria della manutenzione: classificazione ABC e analisi di Pareto

Capitolo 2 - Teoria della manutenzione: classificazione ABC e analisi di Pareto Capitolo 2 - Teoria della manutenzione: classificazione ABC e analisi di Pareto Il presente capitolo continua nell esposizione di alcune basi teoriche della manutenzione. In particolare si tratteranno

Dettagli