社区
MS-SQL Server
帖子详情
查询语句怎样写?我想在一个表中查询所有包含“程序”这两个字的行,请问怎么写?
hydes
2003-01-17 10:13:01
查询语句怎样写?我想在一个表中查询所有包含“程序”这两个字的行,请问怎么写?
...全文
95
4
打赏
收藏
查询语句怎样写?我想在一个表中查询所有包含“程序”这两个字的行,请问怎么写?
查询语句怎样写?我想在一个表中查询所有包含“程序”这两个字的行,请问怎么写?
复制链接
扫一扫
分享
转发到动态
举报
写回复
配置赞助广告
用AI写文章
4 条
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
愉快的登山者
2003-01-17
打赏
举报
回复
select * from tablename
where col1 like '%程序%'
or col2 like '%程序%'
......
liaolwj
2003-01-17
打赏
举报
回复
select *
from table
where column like '%程序%'
nielisheng
2003-01-17
打赏
举报
回复
1 create fulltextindex
2 select *
from 查询的表
where CONTAINS(*,'程序')
jimmyxing
2003-01-17
打赏
举报
回复
select *
from 查询的表
where 含程序的子字段='程序'
就ok了
知识产权软件著作权归属与侵权判定:核心规则解析及法律实务应用指南
内容概要:本文系统介绍了软件著作权的基础知识、归属规则、侵权判定标准及常见试题解析,涵盖权利继承、转让、司法变更与保护期限等核心内容,详细阐述了软件著作权的产生时间、人身权与财产权的区别、合理使用情形以及GPL开源许可的特点,并通过选择题、简答题和案例分析题等形式强化理解。同时,报告还对比了软件著作权与软件专利的差异,提出了权利确权、内部管理、合作开发保护和侵权应对等实务建议。; 适合人群:从事软件开发、知识产权管理、法律合规等相关工作的专业人员,以及准备参加软件著作权相关考试的学习者。; 使用场景及目标:①帮助理解软件著作权的法律基础与实际应用;②指导企业规范软件开发中的权利归属与风险防控;③辅助备考人员掌握典型试题解题思路与法律依据。; 阅读建议:学习时应结合具体案例深入理解法律规定,重点关注权利归属的认定标准与侵权
行
为的构成要件,并将理论知识应用于实际工作中的合同约定、权利保护与纠纷处理。
三网H5游戏【英雄守卫战】最新整理Linux手工服务端+安卓.zip
三网H5游戏【英雄守卫战】最新整理Linux手工服务端+安卓
基于多目标遗传NSGA-II算法的水火光系统多目标优化调度研究(Matlab代码实现)
内容概要:本文研究了基于多目标遗传算法NSGA-II的水火光复合电力系统的多目标优化调度问题,通过Matlab代码实现,旨在解决
包含
水电、火电与光伏发电的复杂能源系统在经济性、环保性与稳定性等方面的多目标优化难题。研究建立了综合考虑发电成本、碳排放量及系统可靠性的多目标优化模型,采用NSGA-II算法进
行
求解,获得了Pareto最优解集,实现了不同目标之间的权衡分析。文中详细阐述了模型构建、算法设计、约束处理及仿真验证全过程,并通过案例分析展示了该方法在提升可再生能源消纳能力、降低运
行
成本与碳排放方面的有效性。; 适合人群:具备一定电力系统基础知识和Matlab编程能力,从事能源系统优化、智能算法应用研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于含多种电源类型的电力系统调度优化研究;②为多目标优化问题提供NSGA-II算法的实践范例;③支持清洁能源高效利用与低碳电力系统规划决策。; 阅读建议:建议读者结合Matlab代码深入理解算法实现细节,重点关注目标函数设计、约束条件处理及Pareto前沿分析方法,可在此基础上拓展至其他智能算法对比或引入更多实际运
行
约束进
行
深化研究。
基于YOLOv5与Swin Transformer移位窗口注意力的全场景车辆精准检测系统
# 基于YOLOv5与Swin Transformer移位窗口注意力的全场景车辆精准检测系统 本方案构建了一套高精度全场景车辆智能检测系统,核心采用YOLOv5目标检测架构并将主干网络CSPDarknet替换为Swin-Transformer系列。Swin-Transformer通过移位窗口多头自注意力机制,在非重叠局部窗口内计算注意力并实现窗口间信息交互,兼顾全局建模能力与线性计算复杂度。其层级化特征金
字
塔结构天然适配目标检测任务,窗口大小7×7与移位策略有效捕获交通场景中车辆的全局轮廓与局部细节特征。Swin-Transformer中的Tiny、Small、Base、Large型号表示网络规模,Tiny最轻量适合边缘计算设备快速推理,Large精度最高适合云端复杂场景分析。网络采用ImageNet预训练权重初始化,结合分层冻结策略——冻结Swin-Transformer前三个阶段低层特征层,仅微调第四阶段与检测头,在保持底层特征泛化能力的同时高效适配拥堵路口、高速公路、夜间及恶劣天气等多变交通场景下的车辆检测任务。 数据预处理集成光照校正与增强策略,图像统一缩放置640×640。采用自适应直方图均衡化改善阴影与逆光条件下的车辆可见性,结合随机旋转、水平翻转与Mosaic增强提升小目标与小尺寸车辆检测能力。训练采用CIoU边框损失与焦点分类损失平衡正负样本,配合Swin-Transformer的相对位置偏置与层自适应学习率缩放,采用AdamW优化器与余弦退火学习率调度确保收敛稳定。系统通过混淆矩阵实时监控精准率、召回率、F1分数与mAP@0.5:0.95等指标,针对轿车、卡车、公交车、摩托车、自
行
车等多类别独立统计并保存最优权重。训练日志以JSON格式记录,支持损失曲线、精度曲线及学习率衰减曲线可视化。 系统提供完整评估管线,涵盖PR曲线、F1-置信度曲线及混淆矩阵
《Premiere Pro CC视频编辑》课程标准 课程标准.pdf
《Premiere Pro CC视频编辑》课程标准 课程标准.pdf
MS-SQL Server
34,875
社区成员
254,641
社区内容
发帖
与我相关
我的任务
MS-SQL Server
MS-SQL Server相关内容讨论专区
复制链接
扫一扫
分享
社区描述
MS-SQL Server相关内容讨论专区
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章