簡要概述
報紙出版的安全、可靠、高效一直是報業對報紙出版流程不斷追求目標。北京北大方正電子有限公司於2005年研發成功的“方正DMS報刊版面流程管理系統”（以下簡稱“DMS”），是技術領先的報紙出版流程控制與安全管理系統，它採用在國外已開發國家報業有著廣泛成功套用的JDF工作流程技術和PDF數據檔案國際標準，融合北大方正獲國家專利的報紙出版加密技術，代表了國內報紙出版流程控制與安全管理技術的發展趨勢。DMS廣泛套用於報紙廣告、采編、排版校樣、傳版控制、數字資產（及再利用）管理、印廠等報紙出版各個環節，並在各個出版環節之間實現統一的流程管理和安全控制，提高整體報紙出版流程的穩定性和可靠性，同時避免人為故意破壞報紙版面帶來的政治安全風險，全面提升報紙出版的整體效率和印刷質量，使報紙出版更安全順暢、更高質高效，提高讀者和廣告客戶的滿意度。DMS，資料庫行銷，指企業或專業機構利用基於IT、Internet技術的Database平台，對自身積累的客戶信息資源、消費者資料庫、潛在市場目標人群資料進行相關市場行銷分析，並藉助於IT和Internet技術，通過電子刊物傳送、產品與服務信息傳遞、用戶滿意調研、線上銷售服務等多種方式來提供企業的市場行銷能力和水平。
管理系統
檔案管理系統電網系統
電網系統二甲基硫
二甲基硫兩項新研究為我們對地球硫循環的了解填補了空白，顯示了海洋生物如何將硫保留在浮游生物食物網中，而不將其送入大氣層。大氣中的硫主要來源於海洋表面的化合物二甲基硫(簡稱DMS)。一旦進入大氣，DMS成為氣候變化的一個重要角色，因為它對雲和氣溶膠的形成有很大的貢獻。海洋浮游生物生產大量的能變成DMS的前導化合物，但是人們對影響多少DMS被釋放到空氣中的過程一直不清楚。ErinnHoward和同事採樣來自海水的基因信息樣品，在其中尋找涉及脫甲基化的基因。這是與DMS生產競爭的過程的第一步，該過程將前導化合物轉變為留在海洋中的化合物。文章作者發現了一個新的硫循環基因，他們報告說，在開闊的海洋中一組名為SAR11類的浮游生物在這個過程中起最重要的作用，而在沿海水域，另一種生物——玫瑰桿菌起重要作用。在另一項研究中，MariaVila-Costa和同事表示，藍細菌和名為硅藻的浮游生物也將硫從被釋放到大氣的過程中改道。一篇相關的研究評述討論了這些發現。
日均銷量
依字義而言，就是平均每日的銷售數量，華聯超市的日均銷量定義有三：
新品進貨前三十天：依數學平均數，例如：前十天賣30個，則DMS=3.0。
三十天之後：DMS=前一天的DMSX0.9+當日銷量X0.1。
始終未賣出的商品：DMS=0.05（註：理論值為0，但DMS值在許多報表的運算中常為分母值，若為0則無法運算）。
度分秒
用來表示地麵點位的位置的經度/緯度通常以十進制度或度分秒(DMS)的形式表示。
管理空間
資料庫管理的空間（Database-ManagedSpace,DMS）
DB2中引入的概念，在DB2中管理類型的表空間之一，表示表空間由DB2資料庫管理程式控制存儲空間。表空間容器可使用檔案系統或裸設備。
日產系統
日產系統該系統用於記錄客戶維修信息，車間技師工作信息，備件信息等，並定時向東風日產相應伺服器上傳數據和下載檔案。主要有服務管理，備件管理，基礎數據和系統管理四個模組，09年進行了一次比較大的改版，將所有模組整合到一起，使用同一視窗，對不同登入用戶分配不同許可權來區分各個崗位職能，同時新版DMS還增加了服務透明化接口，配合相應設備，來店客戶可實時確認自己的車輛當前在做什麼項目，具體到哪個班組，哪個技師在操作等。
目前最新版本號為1.7.008
分銷商管理系統（DMS）
Distributionmanagementsystem。用於處理分銷商的日常數據，進行分銷商和供應商之間數據傳輸。
汽車信息
主要是展示汽車
旅遊系統
旅遊目的地行銷系統作為目的地旅遊業開展行銷活動的平台，在現有的相關研究中，旅遊目的地行銷系統概念的內涵被縮小了。DMS（DestinationMarketingSystem）——旅遊目的地行銷系統通常被理解為旅遊目的地信息系統，而且是以信息技術為基礎的現實的計算機系統，我國旅遊業信息化的產物之一“金旅工程”就是對目的地行銷系統該種理解的典型代表。
DMS是網路遊戲“EVE星戰前夜”中的蓋倫特族重型突擊艦“戴默斯”級（DMS)
離散信源
DiscreteMemorylessSource
數據系統
數據管理系統DMS分為網路下載版和企業安裝版。網路下載版又根據功能模組分為雲基礎版、雲標準版、雲專業版、雲旗艦版，可在北京九派壹線軟體有限公司官方網站下載試用。91DMS服裝軟體企業安裝版具備多套解決方案，並可實現企業個性化管理的量身定製。
數據挖掘（英語：Datamining），又譯為數據採礦、數據挖掘。它是資料庫知識發現（英語：Knowledge-DiscoveryinDatabases，簡稱：KDD)中的一個步驟。數據挖掘一般是指從大量的數據中自動搜尋隱藏於其中的有著特殊關係性（屬於Associationrulelearning）的信息的過程。數據挖掘通常與計算機科學有關，並通過統計、線上分析處理、情報檢索、機器學習、專家系統（依靠過去的經驗法則）和模式識別等諸多方法來實現上述目標。
定義
數據挖掘有以下這些不同的定義：“從數據中提取出隱含的過去未知的有價值的潛在信息”“一門從大量數據或者資料庫中提取有用信息的科學。”儘管通常數據挖掘套用於數據分析，但是像人工智慧一樣，它也是一個具有豐富含義的辭彙，可用於不同的領域。
方法
數據挖掘的方法（Strategy）包括監督式學習、非監督式學習、關係分組（AffinityGrouping，作關係性的分析）與購物籃分析（MarketBasketAnalysis）、同值分組（Clustering）與描述（Description）。監督式學習包括：分類（Classification）、推估（Estimation）、預測（Prediction）。
例子
數據挖掘在零售行業中的套用：零售公司跟蹤客戶的購買情況，發現某個客戶購買了大量的真絲襯衣，這時數據挖掘系統就在此客戶和真絲襯衣之間創建關係。銷售部們就會看到此信息，直接傳送真絲襯衣的當前行情，以及所有關於真絲襯衫的資料發給該客戶。這樣零售商店通過數據挖掘系統就發現了以前未知的關於客戶的新信息，並且擴大經營範圍。
歷史
數據挖掘是因為海量有用數據快速增長的產物。使用計算機進行歷史數據分析，1960年代數字方式採集數據已經實現。1980年代，關係資料庫隨著能夠適應動態按需分析數據的結構化查詢語言（StructuredQueryLanguage,SQL）發展起來。數據倉庫開始用來存儲大量的數據。因為面臨處理資料庫中大量數據的挑戰，於是數據挖掘應運而生，對於這些問題，它的主要方法是數據統計分析和人工智慧搜尋技術。
挖掘過程
數據預處理一般包括包括數據清理、數據集成、數據變換和數據規約四個處理過程.
稀磁材料
所謂稀磁半導體(DilutedMagneticSemicon-ductor，DMS)，是指磁性過渡金屬或稀土金屬離子部分取代化合物半導體（通常為AB型）的陽離子，從而形成三元或四元的化合物。由於微量的磁性原子的引入，改變了原有的半導體的微觀機制，因此使稀磁半導體在磁學、電學、光學等方面具有極其獨特的性質，如：巨負磁阻效應、增強磁光效應、反常霍爾效應等。
