社区
非技术版
帖子详情
这次的网络蠕虫病毒是和MS SQL 2000 Server 有关系的
mayaxteam
2003-01-27 09:32:53
这次的网络蠕虫病毒是和MS SQL 2000 Server 有关系的,真为MS SQL 2000 Server 的未来感到担心。
...全文
468
5
打赏
收藏
这次的网络蠕虫病毒是和MS SQL 2000 Server 有关系的
这次的网络蠕虫病毒是和MS SQL 2000 Server 有关系的,真为MS SQL 2000 Server 的未来感到担心。
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
5 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
wolfAone
2003-01-28
打赏
举报
回复
论安全性,Linux绝对比不上Windwos,毕竟源代码是公开的。
chenchangfu
2003-01-28
打赏
举报
回复
没有直接的影响,但间接的影响可能很大
cainiao000
2003-01-28
打赏
举报
回复
right.
mayaxteam
2003-01-27
打赏
举报
回复
JSJS.
abcddcba
2003-01-27
打赏
举报
回复
个人认为,微软的东西一直定位在个人计算机,所以它一直把易用性看得很重要,而安全性则没有其他操作系统做得好。
:)
【信息科学与工程学】【通信工程】【企业网、园区网、数据中心、广域网】各类业务
网络
及其
网络
演算算法
本文系统阐述企业网、园区网、数据中心网和广域网四类业务
网络
的数学建模方法,重点围绕确定性
网络
演算(DNC)与随机
网络
演算(SNC)展开,涵盖服务曲线建模、时延上界推导、多租户流量预测(LSTM vs ARIMA)、自相似流量分析(FBM、Hurst参数)、排队论应用及零信任动态阈值等核心算法。内容深度融合图论、概率论、优化理论、微分方程与随机过程等数学工具,服务于QoS保障、拥塞控制、安全态势建模与自治
网络
设计。
YOLO算法电子显微镜下微米级标尺与文本目标检测数据集-200张-包含 VOC 和 Yolo 格式标签-支持多种算法训练模型.zip
页面底部可查看数据集可视化效果; 该数据集可直接接入YOLOv5s/v5m/v5l、YOLOv8n/v8s/v8m、YOLOv10n/v10s、yolo11等轻量级至中型骨干
网络
进行端到端训练,支持从零训练(from scratch)与迁移学习(fine-tuning)两种模式;包含voc格式和yolo格式标签可直接使用
导航html , 单个html的极简导航
导航html , 单个html的极简导航
电子工程电赛硬件设计与控制算法实战指南:STM32模块化开发及系统调试优化
内容概要:本文档是一份针对全国大学生电子设计竞赛(NUEDC)的“保姆级”实战指导手册,系统涵盖赛题解析与方案库、模块化代码与电路实现、以及测试报告范例三大核心部分。手册深入剖析了电赛七大赛题类别及其命题规律,强调“基本要求+发挥部分”的结构特点、指标逐年收紧趋势及测量与控制复合型题目的增加。通过数控直流电流源和频率特性测试仪两个典型案例,展示了从系统方案设计、关键器件选型到软硬件实现的完整路径。同时,提供了基于STM32 HAL库的ADC采样、PWM生成、OLED显示、无线通信等常用模块的详细电路原理与驱动代码,并辅以测试报告范例和评分标准解析,帮助参赛者规范撰写高质量设计报告。; 适合人群:参加全国大学生电子设计竞赛的本科生及指导教师,尤其适合有一定单片机和电路基础、希望在短时间内高效备赛并提升获奖概率的团队。; 使用场景及目标:①帮助参赛者快速掌握电赛命题规律与主流技术方案,精准应对电源类、控制类、仪器仪表类等高频赛题;②提供可复用的模块化代码与电路设计,加速硬件搭建与软件开发进程;③指导撰写符合评审标准的设计报告,强化误差分析与测试数据呈现,提升综合得分。; 阅读建议:建议按照“赛题分析→方案设计→模块实现→报告撰写”的流程顺序阅读,重点学习典型案例的整体设计思路与关键器件选型依据。对于代码与电路部分,应在实际开发板上动手验证,结合示波器、逻辑分析仪等工具进行调试。撰写报告时,务必参考文中测试表格与误差分析模板,确保数据完整、分析定量,避免因报告不规范而失分。;
图像分割基于局部质心的无监督的2D 和 3D 图像分割(Matlab代码实现)
内容概要:本文提出了一种基于局部质心的无监督图像分割方法,适用于2D和3D图像,通过Matlab代码实现。该方法不依赖标注数据,利用图像内部的局部质心信息进行聚类分析,从而实现对图像关键区域或物体边界的自动提取。文中系统阐述了算法的核心原理、实现流程及其在多种图像类型上的应用表现,重点展示了其在处理复杂结构图像时所具备的高鲁棒性与分割精度,尤其适用于缺乏先验标签的实际场景。; 适合人群:具备一定图像处理理论基础和Matlab编程能力,从事计算机视觉、医学影像分析、工业检测或遥感图像研究等相关领域的科研人员及研究生。; 使用场景及目标:①实现医学图像(如MRI、CT)中病灶区域的无监督自动分割;②应用于工业领域中三维物体表面缺陷的识别与定位;③完成遥感或生物显微图像在无标签条件下的像素级分割任务;④为后续高级视觉任务(如目标识别、行为追踪)提供高质量的前期特征支持; 阅读建议:建议读者结合所提供的Matlab代码进行动手实践,深入理解局部质心计算机制与聚类分割过程,尝试在不同模态图像上调整参数以优化分割效果,并可将其与K-means、Mean Shift等经典算法进行对比实验,全面掌握该方法的优势与适用边界。
非技术版
11,847
社区成员
33,667
社区内容
发帖
与我相关
我的任务
非技术版
MS-SQL Server 非技术版
复制链接
扫一扫
分享
社区描述
MS-SQL Server 非技术版
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