第六，广泛收集并学习四面体中有关的理论知识，为接下来开展研究工作做好充分的准备；

　　第七，利用类比猜想出四面体中相应不等式的形式；

　　第八，通过指导教师的引导，并利用类比尝试给出四面体中相应不等式的证明过程。

　　层次二的第二个课题所开展的研究性学习实践探索与本层次第一个课题相类似，所以由学生尝试着独立地去完成，指导教师进行适当的指导。

　　五、写作提纲

　　第一章绪论

　　1，1研究背景

　　1，2研究目的

　　1，3研究思路

　　第二章研究性学习理论的相关概述

　　2，1研究性学习的相关概念

　　2，2研究性学习的特点

　　2，3研究性学习的目标

　　2，4数学研究性学习课题的选取

　　2，5数学研究性学习的实施

　　2，6类比与数学研究性学习

　　第三章以三角形到四面体已知类比开展研究性学习

　　3，1学情与目标分析

　　3，2学习活动设计

　　第四章以三角形到四面体类比开展研究性学习获得创新成果

　　4，1从三角形角平分线到四面体二面角平分面类比开展研究性学习

　　4，2从三角形旁切圆半径到四面体旁切球半径类比开展研究性学习

　　第五章结语

　　5，1研究的基本结论

　　5，2研究的主要反思

研究生的开题报告 篇12

　　一、课题来源：

　　本课题来源于作者在学习和实习中了解到的两个事实，属于自拟课题。

　　其一，作者在20xx年7月在X公司调研，了解到现如今各行业都面临着数据量剧增长，并由此带来业务处理速度缓慢，数据维护困难等问题。为了应对此挑战，很多企业开实施大数据发展战略。现如今的大数据发展战略可以概括为两类，一类是垂直扩展。即采用存储容量更大，处理能力更强的设备，此种方式成本较大，过去很多大公司一直采用此种方法处理大数据。但自从20xx年Google发布关于GFS，MapReduce和BigTable三篇技术论文之后，云计算开始兴起，Apache Hadoop项目启动。随后从20xx年开始，随着云计算和大数据的发展，Hadoop作为一种优秀的数据分析、处理解决方案，开始受到许多 IT企业的关注。相较于垂直扩张所需的昂贵成本，人们更钟情于采用这种通过整合廉价计算资源的水平扩展方式。于是很多IT企业开始探索采用Hadoop框架构建自己的大数据环境。

　　其二，作者自4月在实习过程中进一步了解到，因为关系数据库在存储数据格式方面的局限，以及其Schema机制带来的扩展性上的不便，目前在大部分的大数据应用环境中都采用非结构化的数据库，如列式存储的Hbase，文档型存储的MangoDB，图数据库neo4j等。这些非结构化数据库因为可扩展性强、资源利用率高，高并发、响应速度快等优势，在大数据应用环境中得到了广泛的应用。但此种应用只解决了前端的业务处理，要真正利用大数据实现商务智能，还需要为决策支持系统和联机分析应用等提供一数据环境——数据仓库。为此，导师指导本文作者拟此题目，研究基于Hadoop框架的数据仓库解决方案。

　　二、研究目的和意义：

　　现如今，数据已经渗透到每一个行业，成为重要的生产因素。近年来，由于历史积累和和数据增长速度加快，各行业都面临着大数据的难题。事实上，大数据既是机遇又时挑战。合理、充分利用大数据，将其转变为海量、高增长率和多样化的信息资产，将使得企业具有更强的决策力、洞察发现力和流程优化等能力。因此，很多IT企业都将大数据作为其重要的发展战略，如亚马逊、FaceBook已布局大数据产业，并取得了骄人的成绩。事实上，不止谷歌、易趣网或亚马逊这样的大型互联网企业需要发展大数据，任何规模的企业都有机会从大数据中获得优势，并由此构建其未来业务分析的基础，在与同行的竞争中，取得显著的优势。

　　相较于大型企业，中小企业的大数据发展战略不同。大公司可以凭借雄厚的资本和技术实力，从自身环境和业务出发，开发自己的软件平台。而中小企业没有那样的技术实力，也没有那么庞大的资金投入，更倾向于选择一个普遍的、相对廉价的解决方案。本文旨在分析大数据环境下数据库的特点，结合当下流行的Hadoop框架，提出了一种适用于大数据环境的数据仓库的解决方案并实现。为中小企业在大数据环境中构建数据仓库提供参考。其具体说来，主要有以下三方面意义：