selfid 编号
name 姓名
belong 上级编号(0为顶级)
如何查找,下面的一个人! 要求很简单,提供姓名后,找出这个人 但必须这个人是他的下级
给一个思路,谢谢!
-
等级
本版专家分：0结帖率 100% -
数据结构是这样的
selfid 编号
name 姓名
belong 上级编号(0为顶级)
如何查找,下面的一个人! 要求很简单,提供姓名后,找出这个人 但必须这个人是他的下级
给一个思路,谢谢!
展开阅读全文
-
等级
本版专家分：39
-
select b.* from T a,T b where b.belong=a.selfid and a.name='NAME';
是不是这个意思
-
等级
本版专家分：140731勋章
-
- 进士 2008年 总版技术专家分年内排行榜第六
-
- 银牌 2007年12月 总版技术专家分月排行榜第二
-
-
微软MVP
2011年7月 荣获微软MVP称号
2009年7月 荣获微软MVP称号
2010年7月 荣获微软MVP称号
2008年7月 荣获微软MVP称号
-
-
黄花
2008年4月 MS-SQL Server大版内专家分月排行榜第二
2008年3月 MS-SQL Server大版内专家分月排行榜第二
2008年1月 MS-SQL Server大版内专家分月排行榜第二
2007年12月 MS-SQL Server大版内专家分月排行榜第二
-
-
只要有一个？ 没多个下属呀
select b.*
from T a
join T b
on b.belong=a.selfid and a.name= 'NAME '
-
等级
本版专家分：0
-
belogn=selfid 这样只能判断,第一层下级,如果第二层就不行了
-
等级
本版专家分：140731勋章
-
- 进士 2008年 总版技术专家分年内排行榜第六
-
- 银牌 2007年12月 总版技术专家分月排行榜第二
-
-
微软MVP
2011年7月 荣获微软MVP称号
2009年7月 荣获微软MVP称号
2010年7月 荣获微软MVP称号
2008年7月 荣获微软MVP称号
-
-
黄花
2008年4月 MS-SQL Server大版内专家分月排行榜第二
2008年3月 MS-SQL Server大版内专家分月排行榜第二
2008年1月 MS-SQL Server大版内专家分月排行榜第二
2007年12月 MS-SQL Server大版内专家分月排行榜第二
-
-
我就说没这么简单啦，找到所有的下属吧，直接和间接的
CREATE TABLE BOM(PID INT,ID INT)
INSERT INTO BOM SELECT 801,101
INSERT INTO BOM SELECT 801,102
INSERT INTO BOM SELECT 801,103
INSERT INTO BOM SELECT 801,601
INSERT INTO BOM SELECT 601,101
INSERT INTO BOM SELECT 601,105
INSERT INTO BOM SELECT 601,501
INSERT INTO BOM SELECT 501,106
INSERT INTO BOM SELECT 501,121
GO
CREATE FUNCTION F_GETROOT(@PID INT)
RETURNS INT
AS
BEGIN
DECLARE @ID INT
WHILE EXISTS(SELECT 1 FROM BOM WHERE ID=@PID)
BEGIN
SET @ID=@PID
SELECT @PID=PID FROM BOM WHERE ID=@ID
END
RETURN @PID
END
GO
SELECT PID=DBO.F_GETROOT(PID),ID FROM BOM
GO
/*
PID ID
----------- -----------
801 101
801 102
801 103
801 601
801 101
801 105
801 501
801 106
801 121
*/
DROP FUNCTION F_GETROOT
DROP TABLE BOM
GO
-
等级
本版专家分：209598勋章
-
- 签到新秀 累计签到获取，不积跬步，无以至千里，继续坚持！
-
-
优秀版主
2016年10月优秀大版主
2016年8月论坛优秀版主
2015年4月优秀版主
2014年11月论坛优秀版主
-
-
银牌
2016年8月 总版技术专家分月排行榜第二
2011年11月 总版技术专家分月排行榜第二
-
-
微软MVP
2016年4月 荣获微软MVP称号
2015年4月 荣获微软MVP称号
2014年4月 荣获微软MVP称号
2013年4月 荣获微软MVP称号
2009年1月 荣获微软MVP称号
2012年4月 荣获微软MVP称号
2011年4月 荣获微软MVP称号
2010年4月 荣获微软MVP称号
-
-
关于递归的列子:
http://blog.csdn.net/roy_88/archive/2006/12/24/1458449.aspx
-
等级
本版专家分：53857 -
create table tdd(selfid varchar(10),name varchar(10),belong varchar(10))
insert into tdd select '0001','wsp','0'
insert into tdd select '0002','pp','0001'
insert into tdd select '0003','ww','0002'
insert into tdd select '0004','ss','0003'
create proc ssss
@name varchar(10)
as
select a.name from tdd a,tdd b where a.belong=b.selfid and b.name=@name
exec ssss 'pp'
- 空间数据挖掘常用方法
问题1：空间数据挖掘有哪些常用方法，举例说明一种方法的原理及应用. 答：空间数据挖掘的常用方法有：统计法，聚类方法，关联规则发掘方法，Rough集方法，神经网络方法，云理论，证据理论，模糊集理论，遗传算法...
- 空间数据挖掘常用方法，以及和普通数据挖掘的不同之处
问题1：空间数据挖掘有哪些常用方法，举例说明一种方法的原理及应用. 答：空间数据挖掘的常用方法有：统计法，聚类方法，关联规则发掘方法，Rough集方法，神经网络方法，云理论，证据理论，模糊集理论，遗传算法等...
- 空间数据挖掘常用方法及举例
问题1：空间数据挖掘有哪些...答：空间数据挖掘的常用方法有：统计法，聚类方法，关联规则发掘方法，Rough集方法，神经网络方法，云理论，证据理论，模糊集理论，遗传算法等算法（出自丁信宙，仇环，苏晓庆. 基
- 【VQA文献阅读】PATHVQA: 30000+ QUESTIONS FOR MEDICAL VISUAL QUESTION ANSWERING
【VQA文献阅读】PATHVQA: 30000+ QUESTIONS FOR MEDICAL VISUAL QUESTION ANSWERING ...ABSTRACT Is it possible to develop an “AI Pathologist" to pass the board-certified examination of the American Board of...
- 【专升本计算机】甘肃省专升本考试公共课计算机填空题考点汇总
甘肃专升本考试公共课计算机填空题考点汇总 Excel 工作簿文件的默认扩展名为 xls 。 Excel 主界面窗口中编辑栏上的 “fx” 按钮用来向单元格插入函数。 用来给电子工作表中的行号进行编号的是数字。...
- CSDN回帖得分大全（近两年）
√vs2005调用dll的时候Initialize()函数返回错误 [VC/MFC 基础类] 40 ylongwu 05-21 20:486 ylongwu06-28 13:42管理√为什么我创建登陆框之后，然后获取登陆框的数据时候总是出现非法操作！ [VC/MFC 界面] 40 ...
- 编程新手导论
第二部分 导论，这一部分主要是关于编程的导论， (要懂得一点思想具备一点常识)《设计，编码，，与软工》（编程与思想）这一章解释了三种思想，原语，抽象，组合，，和软件开发的二个重要过程，，软件工程的相关...
- 刘庆付统考计算机基础选择题答案
统考计算机选择题 第1章计算机基础知识（共146个单选） 1．自计算机问世至今已经经历了4个时代，划分时代的主要依据是计算机的____。... A．...
- 计算机网络_期末复习
目录 总结 TCP/IP的体系结构 第一章概述 计算机网络的定义 计算机网络的分类 互联网的组成 互联网的边缘部分 互联网核心部分 计算机网络性能指标 速率...
- CSDN Blog 2005年08月08日 帖子列表：
http://blog.csdn.net/Article/D/200508/20050808/index.html CSDN Blog 2005年08月08日 帖子列表：成为技术传播者（一）：写在前面CommunityServer研究（一） 安装什么是爱情 CSDN 即兴言论(FengYuanMSFT (袁峰 ...
- MathML: 描述数学表达式
在Web上显示、操作、共享及其它 文档选项 打印本页 将此页作为电子邮件发送 级别： 中级 车皓阳 (grandiose11@msn.com)中科院软件所 ...许多STM（Scientific...
- DNS协议及域名解析过程（每个域名服务器都负责管理下一级域名服务器，保证域名的唯一性）
DNS协议 我们之前已经了解过ARP协议。 如果说ARP协议是用来将IP地址转换为MAC地址，那么DNS协议则是用来将域名转换为IP地址（也可以将IP地址转换为相应的域名地址）。 我们都知道，TCP/IP中使用的是IP地址和端口号来...
- 编程新手导论（转载）
第二部分 导论，这一部分主要是关于编程的导论， (要懂得一点思想具备一点常识)《设计，编码，，与软工》（编程与思想）这一章解释了三种思想，原语，抽象，组合，，和软件开发的二个重要过程，，软件工程的相关...
- 好书整理系列之-设计模式：可复用面向对象软件的基础 3
第3章创建型模式创建型模式抽象了实例化过程。它们帮助一个系统独立于如何创建、组合和表示它的那些对象。一个类创建型模式使用继承改变被实例化的类，而一个对象创建型模式将实例化委托给另一个对象。...
- 我在CSDN参与的3000个帖子
今日偶然翻到，感慨万千 1：申述：版主，是否扣了我的专家分？ 2：100分急求，随机输出十个小写字母，但是，要求这十个字母不相同 3：求Sn=a+aa+aaa+…+aaa…a（n个a）之值 4：数组题 望高手帮忙！...
- 如何快速准备面试中的算法，获得 Offer？
现如今越来越多的公司在面试过程中会考察数据结构和算法。在最近几年，难度颇有上升趋势。因此作为求职者，在面试前刷刷题似乎已经成为准备过程中必不可少的环节了。 在 5 年前，Leetcode 只有 200 道左右的题目，...
- 红黑树(RB-Tree)比AVL强在哪？
前言 以前本科同学在找工作的时候，就被面试官问到过关于红黑树的问题。因为当时我的知识面不广，所以也不知道红黑树是个什么东西，也没放在心上。在看过了STL源码后才知道原来有很多底层实现都用的红黑树。...
- WEB开发文档2 总结
//blog.donews.com/lvjiyong/archive/2006/06/29/931071.aspx怎样将后台生成的在内存中的图象显示到客户端Microsoft IE WebControls下载地址如何在DATAGRID中使用JAVASCRIPT脚本控制DataGrid中连接到下一页显示数据...
- 第三组 通信一班 030 网工知识点总结
2019年软考网络工程师考点一：局域网技术 VTP协议 在VTP域中有个很重要的概念就是交换机的模式，分别是服务器模式、客户端模式、透明模式。 服务器模式的交换机可以添加、修改、删除VLAN以及VLAN的参数，服务器...
- 《软件工程导论》考试复习题集锦
一、单向选择题（四选一、每小题3分，共18分） 1、软件的发展经历了（D）个发展阶段。0102 A. 一 B. 二 C. 三 D. 四 2、需求分析的任务不包括（B）。...A....B....C....D....A....B....C....D....4、当模块中包含复杂的条件
- CSDN回帖得分大全 近两年
CSDN回帖得分大全 近两年
- JMETER学习宝典
1. 简介 Apache JMeter是100%纯java桌面应用程序，被设计用来测试客户端/服务器结构的软件（例如web应用程序）。它可以用来测试包括基于静态和动态资源程序的性能，例如静态文件，Java Servlets，Java 对象，数据库...
- 计算机网络复习资料（前六章谢希仁版）
计算机网络复习 作者：why will kill it 第一章 概述 internet和Internet的区别 以小写字母“i”开始的internet（互联网）是一个通用名词，它泛指由多个计算机网络互连而成的网络 以大写字母“I”开始的Internet...
- 数据库帖子收集
这样的数据列表在存储过程中应该怎么样选择得到？ 请问造成SQL2000服务不能启动的原因有哪些？ sql server中有無類似于if 的函數,即像這樣select if(cancel=1,'cancel','') from sales 这样怎么返回呀！！！！...
- 2020-12-24
x 返回主页 狂乱的贵公子 为你，...如果表中有相关列的索引，MySQL可以快速确定要在数据文件中间查找的位置，而不必查看所有数据。这比顺序读取每一行要快得多。 大多数MySQL索引（PRIMARY KEY，UNIQUE，INDEX和FU
- 来自于Spring-Colud与Dubbo的战争之__Dubbo超入门篇
传统web应用程序客户端发起请求，由业务层执行逻辑业务，获得数据，然后再结合视图展示个用户，但是，在这种体系架构中有一些问题，所有的代码(表示层、业务层、数据访问层)都在同一个项目中维护，虽然逻辑上我们也...
- Claymore-Dual-Miner：下载以太坊矿工（2020年更新）-源码
Claymore-Dual-Miner：下载以太坊矿工（2020年更新）
- 个人简历模板
优质简历模板，目前最前全的模板收藏，需要换工作的小伙伴们可以试试
- matlab神经网络30个案例分析
【目录】- MATLAB神经网络30个案例分析(开发实例系列图书) 第1章 BP神经网络的数据分类——语音特征信号分类1 本案例选取了民歌、古筝、摇滚和流行四类不同音乐，用BP神经网络实现对这四类音乐的有效分类。 第2章 BP神经网络的非线性系统建模——非线性函数拟合11 本章拟合的非线性函数为y=x21+x22。 第3章 遗传算法优化BP神经网络——非线性函数拟合21 根据遗传算法和BP神经网络理论，在MATLAB软件中编程实现基于遗传算法优化的BP神经网络非线性系统拟合算法。 第4章 神经网络遗传算法函数极值寻优——非线性函数极值寻优36 对于未知的非线性函数，仅通过函数的输入输出数据难以准确寻找函数极值。这类问题可以通过神经网络结合遗传算法求解，利用神经网络的非线性拟合能力和遗传算法的非线性寻优能力寻找函数极值。 第5章 基于BP_Adaboost的强分类器设计——公司财务预警建模45 BP_Adaboost模型即把BP神经网络作为弱分类器，反复训练BP神经网络预测样本输出，通过Adaboost算法得到多个BP神经网络弱分类器组成的强分类器。 第6章 PID神经元网络解耦控制算法——多变量系统控制54 根据PID神经元网络控制器原理，在MATLAB中编程实现PID神经元网络控制多变量耦合系统。 第7章 RBF网络的回归——非线性函数回归的实现65 本例用RBF网络拟合未知函数，预先设定一个非线性函数，如式y=20+x21-10cos（2πx1）+x22-10cos（2πx2）所示，假定函数解析式不清楚的情况下，随机产生x1,x2和由这两个变量按上式得出的y。将x1,x2作为RBF网络的输入数据，将y作为RBF网络的输出数据，分别建立近似和精确RBF网络进行回归分析，并评价网络拟合效果。 第8章 GRNN的数据预测——基于广义回归神经网络的货运量预测73 根据货运量影响因素的分析，分别取国内生产总值（GDP），工业总产值，铁路运输线路长度，复线里程比重，公路运输线路长度，等级公路比重，铁路货车数量和民用载货汽车数量8项指标因素作为网络输入，以货运总量，铁路货运量和公路货运量3项指标因素作为网络输出，构建GRNN，由于训练数据较少，采取交叉验证方法训练GRNN神经网络，并用循环找出最佳的SPREAD。 第9章 离散Hopfield神经网络的联想记忆——数字识别81 根据Hopfield神经网络相关知识，设计一个具有联想记忆功能的离散型Hopfield神经网络。要求该网络可以正确地识别0~9这10个数字，当数字被一定的噪声干扰后，仍具有较好的识别效果。 第10章 离散Hopfield神经网络的分类——高校科研能力评价90 某机构对20所高校的科研能力进行了调研和评价，试根据调研结果中较为重要的11个评价指标的数据，并结合离散Hopfield神经网络的联想记忆能力，建立离散Hopfield高校科研能力评价模型。 第11章 连续Hopfield神经网络的优化——旅行商问题优化计算100 现对于一个城市数量为10的TSP问题，要求设计一个可以对其进行组合优化的连续型Hopfield神经网络模型，利用该模型可以快速地找到最优（或近似最优）的一条路线。 第12章 SVM的数据分类预测——意大利葡萄酒种类识别112 将这178个样本的50%做为训练集,另50%做为测试集,用训练集对SVM进行训练可以得到分类模型,再用得到的模型对测试集进行类别标签预测。 第13章 SVM的参数优化——如何更好的提升分类器的性能122 本章要解决的问题就是仅仅利用训练集找到分类的最佳参数，不但能够高准确率的预测训练集而且要合理的预测测试集，使得测试集的分类准确率也维持在一个较高水平，即使得得到的SVM分类器的学习能力和推广能力保持一个平衡，避免过学习和欠学习状况发生。 第14章 SVM的回归预测分析——上证指数开盘指数预测133 对上证指数从1990.12.20-2009.08.19每日的开盘数进行回归分析。 第15章 SVM的信息粒化时序回归预测——上证指数开盘指数变化趋势和变化空间预测141 在这个案例里面我们将利用SVM对进行模糊信息粒化后的上证每日的开盘指数进行变化趋势和变化空间的预测。 若您对此书内容有任何疑问，可以凭在线交流卡登录中文论坛与作者交流。 第16章 自组织竞争网络在模式分类中的应用——患者癌症发病预测153 本案例中给出了一个含有60个个体基因表达水平的样本。每个样本中测量了114个基因特征，其中前20个样本是癌症病人的基因表达水平的样本(其中还可能有子类), 中间的20个样本是正常人的基因表达信息样本, 余下的20个样本是待检测的样本(未知它们是否正常)。以下将设法找出癌症与正常样本在基因表达水平上的区别，建立竞争网络模型去预测待检测样本是癌症还是正常样本。 第17章SOM神经网络的数据分类——柴油机故障诊断159 本案例中给出了一个含有8个故障样本的数据集。每个故障样本中有8个特征，分别是前面提及过的：最大压力(P1)、次最大压力(P2)、波形幅度(P3)、上升沿宽度(P4)、波形宽度(P5)、最大余波的宽度(P6)、波形的面积(P7)、起喷压力(P8)，使用SOM网络进行故障诊断。 第18章Elman神经网络的数据预测——电力负荷预测模型研究170 根据负荷的历史数据，选定反馈神经网络的输入、输出节点，来反映电力系统负荷运行的内在规律，从而达到预测未来时段负荷的目的。 第19章 概率神经网络的分类预测——基于PNN的变压器故障诊断176 本案例在对油中溶解气体分析法进行深入分析后，以改良三比值法为基础，建立基于概率神经网络的故障诊断模型。 第20章 神经网络变量筛选——基于BP的神经网络变量筛选183 本例将结合BP神经网络应用平均影响值（MIV，Mean Impact Value）方法来说明如何使用神经网络来筛选变量，找到对结果有较大影响的输入项，继而实现使用神经网络进行变量筛选。 第21章 LVQ神经网络的分类——乳腺肿瘤诊断188 威斯康星大学医学院经过多年的收集和整理，建立了一个乳腺肿瘤病灶组织的细胞核显微图像数据库。数据库中包含了细胞核图像的10个量化特征（细胞核半径、质地、周长、面积、光滑性、紧密度、凹陷度、凹陷点数、对称度、断裂度），这些特征与肿瘤的性质有密切的关系。因此，需要建立一个确定的模型来描述数据库中各个量化特征与肿瘤性质的关系，从而可以根据细胞核显微图像的量化特征诊断乳腺肿瘤是良性还是恶性。 第22章 LVQ神经网络的预测——人脸朝向识别198 现采集到一组人脸朝向不同角度时的图像，图像来自不同的10个人，每人5幅图像，人脸的朝向分别为：左方、左前方、前方、右前方和右方。试创建一个LVQ神经网络，对任意给出的人脸图像进行朝向预测和识别。 第23章 小波神经网络的时间序列预测——短时交通流量预测208 根据小波神经网络原理在MATLAB环境中编程实现基于小波神经网络的短时交通流量预测。 第24章 模糊神经网络的预测算法——嘉陵江水质评价218 根据模糊神经网络原理，在MATLAB中编程实现基于模糊神经网络的水质评价算法。 第25章 广义神经网络的聚类算法——网络入侵聚类229 模糊聚类虽然能够对数据聚类挖掘，但是由于网络入侵特征数据维数较多，不同入侵类别间的数据差别较小，不少入侵模式不能被准确分类。本案例采用结合模糊聚类和广义神经网络回归的聚类算法对入侵数据进行分类。 第26章 粒子群优化算法的寻优算法——非线性函数极值寻优236 根据PSO算法原理，在MATLAB中编程实现基于PSO算法的函数极值寻优算法。 第27章 遗传算法优化计算——建模自变量降维243 在第21章中，建立模型时选用的每个样本（即病例）数据包括10个量化特征（细胞核半径、质地、周长、面积、光滑性、紧密度、凹陷度、凹陷点数、对称度、断裂度）的平均值、10个量化特征的标准差和10个量化特征的最坏值（各特征的3个最大数据的平均值）共30个数据。明显，这30个输入自变量相互之间存在一定的关系，并非相互独立的，因此，为了缩短建模时间、提高建模精度，有必要将30个输入自变量中起主要影响因素的自变量筛选出来参与最终的建模。 第28章 基于灰色神经网络的预测算法研究——订单需求预测258 根据灰色神经网络原理，在MATLAB中编程实现基于灰色神经网络的订单需求预测。 第29章 基于Kohonen网络的聚类算法——网络入侵聚类268 根据Kohonen网络原理，在MATLAB软件中编程实现基于Kohonen网络的网络入侵分类算法。 第30章 神经网络GUI的实现——基于GUI的神经网络拟合、模式识别、聚类277 为了便于使用MATLAB编程的新用户，快速地利用神经网络解决实际问题，MATLAB提供了一个基于神经网络工具箱的图形用户界面。考虑到图形用户界面带来的方便和神经网络在数据拟合、模式识别、聚类各个领域的应用，MATLAB R2009a提供了三种神经网络拟合工具箱（拟合工具箱/模式识别工具箱/聚类工具箱）。
- 微信小程序源码-合集6.rar
微信小程序源码，包含：图片展示、外卖点餐、小工具类、小游戏类、演绎博览、新闻资讯、医疗保健、艺术生活等源码。