中文版技术书是不是不靠谱? [问题点数:150分]

Bbs1
本版专家分:0
结帖率 0%
Bbs2
本版专家分:240
Bbs5
本版专家分:4073
Blank
红花 2019年1月 Java大版内专家分月排行榜第一
Blank
黄花 2019年2月 Java大版内专家分月排行榜第二
2018年12月 Java大版内专家分月排行榜第二
Bbs1
本版专家分:5
Bbs1
本版专家分:0
Blank
红花 2019年2月 其他开发语言大版内专家分月排行榜第一
2019年1月 Delphi大版内专家分月排行榜第一
2018年8月 Delphi大版内专家分月排行榜第一
2018年7月 Delphi大版内专家分月排行榜第一
2018年4月 Delphi大版内专家分月排行榜第一
2018年3月 Delphi大版内专家分月排行榜第一
Blank
黄花 2016年11月 Delphi大版内专家分月排行榜第二
Blank
蓝花 2011年10月 其他开发语言大版内专家分月排行榜第三
2010年8月 其他开发语言大版内专家分月排行榜第三
2007年5月 其他开发语言大版内专家分月排行榜第三
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Bbs1
本版专家分:32
Bbs1
本版专家分:0
Bbs5
本版专家分:4973
Bbs5
本版专家分:2719
Bbs5
本版专家分:2719
Bbs1
本版专家分:15
Bbs1
本版专家分:0
Bbs1
本版专家分:100
Bbs1
本版专家分:34
Bbs5
本版专家分:3533
Blank
铜牌 2019年2月 总版技术专家分月排行榜第三
Blank
红花 2019年2月 Java大版内专家分月排行榜第一
2018年11月 Java大版内专家分月排行榜第一
Bbs1
本版专家分:5
Bbs1
本版专家分:0
Bbs1
本版专家分:5
Bbs1
本版专家分:0
Bbs4
本版专家分:1538
区块链概念股是什么 区块链概念股是骗局吗
区块链的大火,一部分原因是因为被引用到各大投资应用中,例很典型的“区块链+共享经济”的商业化应用模式,共享单车、电车的出现便是如此。还有一部分人是跟风炒作,并不真正理解区块链,但也不妨碍他们跟风炒作。无论是真正的懂区块链应用,还是跟风炒作,都使得区块链队伍日渐壮大,但不得不防的还是区块链式骗局。要避免区块链骗局必须弄懂的几个问题:区块链是什么?区块链的大火是作为比特币的底层<em>技术</em>,具有分布式数据储存...
mt4交易平台哪个好?不妨试试福瑞斯外汇平台
对于从事外汇交易的人来说,肯定对MT4不会陌生,众所周知,MT4是全球外汇交易中,最被广泛应用于零售客户市场的交易软件。界面简洁,容易上手等都是MT4潜在的优势,新手上路还得看MT4的指导。不过外汇交易中,盗版的MT4平台仍然数目庞大,如何选择正版的mt4交易平台已经是广大投资者所比较担心的问题。所以今天我就来为大家说一说mt4交易平台哪个好 说到mt4交易平台,不得不提的就是福瑞斯了。福瑞斯Fo...
SEO快速排名,关键词快速排名软件,到底靠谱不靠
网络市面上常见的SEO 3-7天上百度首页,3天做到百度第一,5天排名首页等等,这样的网站优化快排推广口号<em>是不是</em>深深的吸引过你?如果你目前还在痴迷快排,还在傻傻听所谓的网络大咖的seo快排课程,结果肯定是花了冤枉钱,走了冤枉路,所获寥寥。我可以很清楚的告诉你,快排是真正存在的,但是远远没有广告说的那么神奇,对于每一个网站不同的状态:百度抓取、审核、给予排名...
脚本引流的效果是因人而异的,为什么?
引流脚本怎么样?这是很多将要选择引流脚本的人都非常关心的问题,不为别的,只为自己能够选择对引流的方法,为自己带来可观的流量,从而促使销量增加,为自己带来可观的收益。往往你越是观望,越是错失机会,所以你已经决定要用引流脚本,那就不要有那么多的顾虑,这样的话,你就离成功更近一步了。但是不代表你可以盲目的去选择,不去了解,那样叫傻b。好了,下面就给大家讲一下快客引流的引流脚本怎么样吧。 关于引流脚本怎么...
为什么你看了那么多炒股的书和股评节目你还是亏?
各位投资朋友大家好,欢迎收听《抢财猫股票课堂》,我是你们的老朋友波哥。 今天我们聊聊“为什么你看了那么多炒股的书和股评节目你还是亏?”这个话题   首先我们想想写书的人的他们的真实想法,写一本还是为了赚钱的,要想书赚钱必须好卖才行,需要有卖点吸引读者, 第一类作者就是纯以写书卖书为生的,他们也是从网上找了很多文章和帖子,结合国外的书,编一些吸引眼球的书,这些书毫无营养可言,基本上配上精...
区块链的中国骗局
在互联网金融被质疑,被诟病,被打压的时候,区块链概念适时出现,这一脱胎于比特币的神秘数据处理<em>技术</em>被描述的近乎完美。 去中心化、开放性、不可篡改、自治性,除了最有文章可做的金融领域,据说艺术、法律、医疗、房地产、电子商务等领域都可以应用区块链<em>技术</em>,人们似乎期待他拯救地球。 概念就像一张船票,仿佛披上这个外衣,就上了船,可金融领域是最不缺概念的地方,完美的东西又何尝真正存在。说起去中心化,
保险助手APP使用攻略
保险助手APP是一款基于移动端的专门为保险代理人量身定制的展业神器,通过保险助手代理人可大大降低展业成本提高展业效率获取大量准保户。
零基础转行学Python开发,培训还是自学靠谱?
多年IT从业者,用清晰的思路给各位分析一下这个老生常谈的问题。 先不说培训和自学哪个靠谱的问题,先听我下面的分析,然后感觉一下是培训靠谱还是自学靠谱。 第一类人群:假设你是一个已经在社会上工作的人(年纪在24-30之间),无论你是从事电子,机械,还是建筑之类的工作,总之你是觉得现在工资低,以后也涨不了多少,只能够养活自己的人群。 1.第一种学习心态 你受够了现在的工作状态和收入情况,你下定...
快速傅里叶变换的c语言实现
网上找了很多,都<em>不靠</em>谱。这个绝对靠谱,rp保证绝对可以用
MySQL-server-5.5.39-2.el6.x86_64.rpm
64位,rhel6,下载方便,mysql官网<em>不靠</em>谱
在同事和老板眼里,你究竟是不是一个靠谱的程序员?
没人愿意和程序员阿海合作,阿海表面上挺积极勤奋的,每天很早到公司,周末在家加班。可他并不是个靠谱的人:需求逻辑梳理不清,代码注释从不多写,做事有头无尾。有一次他负责的项目临近发布,他以有“重要聚会”为由先走了。结果发布遇到问题,临时拉过来的开发对代码不熟,需重新梳理逻辑,导致全组人加班到深夜。在职场中,没有人不喜欢和专业靠谱的人合作,这样的人能有效率地将工作做好。以下几点,是判断一个程序员是否靠谱...
bxp帮助文档 英文原版
bxp的英文帮助文档,始终觉得翻译的<em>不靠</em>谱
知数堂-叶金荣:你都用了什么方法防止误删数据?
叶问(20180605):今日讨论,你都用了什么方法防止误删数据?答:根据白天大家的讨论,总结共有以下几个措施,供参考:1. 生产环境中,业务代码尽量不明文保存数据库连接账号密码信息;2. 重要的DML、DDL通过平台型工具自动实施,减少人工操作;3. 部署延迟复制从库,万一误删除时用于数据回档。且从库设置为read-only;4. 确认备份制度及时有效;5. 启用SQL审计功能,养成良好SQL习...
ZeroMQ 中文指南 第四章 可靠的请求-应答模式【转载】
第四章 可靠的请求-应答模式 第三章中我们使用实例介绍了高级请求-应答模式,本章我们会讲述请求-应答模式的可靠性问题,并使用ZMQ提供的套接字类型组建起可靠的请求-应答消息系统。 本章将介绍的内容有: 客户端请求-应答 最近最少使用队列 心跳机制 面向服务的队列 基于磁盘(脱机)队列 主从备份服务 无中间件的请求-应答 什么是可靠性? 要给可靠性下定义,我们可以先界定它的相反面——故...
CDN+边缘计算,到底靠不靠谱?
具体而言,边缘计算可以理解为是指利用靠近数据源的边缘地带来完成的运算程序。 传统的 CDN 借助缓存数据,提高近地节点数据传输的性能,但是实际上对动态的计算服务,就只能回源到数据中心,这个成本本身其实是很高的。 边缘计算服务的构建,从<em>技术</em>领域是一种很大的创新! 边缘计算和传统的中心化思维不同,他的主要计算节点以及应用分布式部署在靠近终端的数据中心,这使得在服务的响应性能、还是可靠性方面都是高
程序员的话“不靠谱”?
程序员在时间问题上不是<em>不靠</em>谱,也不是”言而无信“,开发过程实在是非常难评估。
不靠谱的Unity3D
苹果不能用硬件的UUID,用Unity3D 3.5升级到4.0,UUID变了 iOS从6.0升级到7.0,也变了,真是愁啊
“最不靠谱”的运动会
这是一场创业者(成员基本来自牛文文创办的致力于为未来商业领袖创业提供服务的专业机构—黑马营)的盛会,团长、副团长、运动员、队员、裁判全部由互联网众筹、众包产生,奖金和赞助也均来自众筹,冠军团队将会获得15 万奖金,亚军10 万,季军5 万。 有趣的是,这场史上最<em>不靠</em>谱的运动会居然吸引了业界诸位大佬担当各个团队的团长:新东方联合创始人、真格基金创始人徐小平带领教育培训分会,赛富亚洲创始合伙人阎焱带
网盘登录器不靠
我用下载的网盘登录器登陆百度网盘后,几天后发现网盘中东西少了!是否被窃取了在观察!
十大不靠谱网站
感谢“商业<em>不靠</em>谱”网站六哥的分享,看到一个很棒的PPT——由美国咨询机构Board of Innovation所评选的“2010年十大互联网商业模式(10 business models that rocked 2010),介绍了10个很值得关注的网站。即便过去一年,通过“每日一站”介绍了多个国外网站、也看过很多个网站,但在看完这10个后仍旧感觉到自己对国外互联网了解不够,这10个网站中我曾写过K...
不靠谱的自己
今天是星期三,规定的自习的时候啊,我又<em>不靠</em>谱的各种玩了,明明说好今天自己预习复习的,果真不能相信自己,偶的意志力啊~~~ 早上不是照例的一个鸡蛋饼一杯豆浆,换成了一杯豆奶一个葱油饼,啊哈,结果是饿的太早,我明知道我饿的太早,却还是偷偷的吃了一个不二家的棒棒糖,真是上课背对着老师偷偷的吃,会发现自己果真还是一个样纸,各种不敢明目张胆,各种小胆的志向啊~~~就等啊等啊等啊,等待我们点的餐,不要说那么
不靠谱的神经想法
如果一个月没有收获,你会觉得这里怎样的感觉?作为百分之百的吃瓜群众,普通劳苦大众一枚。上没有天来依撑,下没有地来躺着。 看着背景,偶一看还以为是艰苦卓拔的一代。是的,是挺努力的,是挺拼命的。还不是只自己的未来我来主导啊,穷点就拼命的搬砖,早点改变面貌,力求更好的自己。 言归正传,一个月没有收获,真的,是一个月感觉自己没有进步,时间还是老实的交代了,我还在那里停留,貌似是一个过客,只是住的有点久了
不靠谱的专业
排名不分先后: 1、航运:企业年年巨亏,一般5年毕业,毕业进个不错的企业月薪能到1W,不过这个数值20年前就是这样,20年后也不会变,为了将来考虑,慎入。 2、生物:国内很难就业,没有企业需要,一般都进国家研究院,极容易出国,不过等你出国回来发现一大批海龟博士在和你竞争一个岗位。以前有个人类基因组计划,搞了半年发现,基因能测出来了,但是没人读的懂,百无一用是生物啊。 3、法律:就业率极低,年
不靠谱产品经理的特征
靠谱的产品经理打造改变世界的产品,<em>不靠</em>谱的产品经理打造一群愤怒的
待办事项不靠
工具如同浮云,但是你的大脑和内心将会伴随你一生。学会相信它们。如果你办不到,那就想尽办法去锻炼它们,使得你最终可以信赖它们。如果一件事情真的很重要,你会记得去做的。如果你忘记了,也许有一天你还是会记起来的。如果你一直没有记起来,那也不错啊!
不靠谱的彩票
    上大学的时候,学习概率时,我们就了解当事件发生的概率小于0.05%时,这件事就基本是不可能发生的。由于,自己的支付宝里还有4毛钱,真的是只有四毛钱,就看见可以拿这个来和别人合买。只有七星彩的有那么小的份额,就买了两份七星彩。一份是0.2元,刚好买了两份。今天,无聊上了下淘宝,发现自己中了奖,呵呵,0.16元,也就是一毛六,真是不容易啊。我们那组合买的是中了5元的,一种花了12元,不知道怎么
概率不靠
同样是1%的概率, 有的人2次就命中,有的人700次才命中, 这就是命啊
不靠谱的城轨
现在看来,城轨似乎并没有以前想像的那么好,这不仅让普通市民有些失望,可能也让房地产商有些失望,以前的炒作看来都是谎言,至少也只是臆断。珠三角地区有比较发达的公路网,轨道交通如何发挥其作用,看来还有很长的路要走。这让我想到一个故事,换地砖的故事,当人们换了新地砖,会发现家具不配,于是换家具,发现窗帘不配,于是换窗帘,等等。我们有了轨道交通,接下来就发现很多东西都不配,于是,我们还要换很多东西。还是希望城轨发展的越来越好,我们生活越来越好。
不靠谱的排毒周期
今天看到深圳卫视的科学相对论,提到对排毒周期的质疑。排毒周期是所谓的什么晚上11点到凌晨1点肝脏排毒,几点到几点什么器官排毒之类的。一个主要的反驳论据和我一直的想法是一样的:如果在不同时区那器官到底要遵循哪个时间呢?而且医生还指出肝脏只有在有需要的时候才开始排毒,也并没有什么时间段什么器官比较重点休息或工作的情况。另外,所谓的规律睡眠,早睡早起比晚睡晚起是否要健康,也没有实验能够证明这点...
暂停更新了,不靠
发现我最近发布的一个非<em>技术</em>BLOG被ITEYE直接给删除了,一点消息都没有得到,就直接删除了,太<em>不靠</em>谱了,以后不想再把东东放到这里了。 决定暂停更新BLOG,知道找到其它的<em>技术</em>BLOG站点为止。...
linux不靠谱的sleep
首先感谢如下两篇的blog,让我走出了很大的一个误区: http://www.cppblog.com/kongque/archive/2011/01/18/138765.aspx http://blog.csdn.net/zjwoody/article/details/7882240 在我的一个项目中,因为需要与串口通信,每次读写都需要延时usleep(1000)=1
不靠谱的生命三角
 转载自:http://discover.news.163.com/special/dropcoverholdon/  每次地震之后,一种名叫“生命三角救生法”的理论都会以各种形式在中文互联网上广泛传播。近日,随着云南盈江、日本东北部接连发生地震,关于“生命三 角”的信息又开始在论坛、微博上传播开来。“生命三角救生法”的流行,表明了人们对于地震自救的关注,但众多证据表明,在地震中寻找“生命三角”并非合理 有效的做法。 何谓“生命三角”“生 命
不靠谱的tooltip
typedef struct tagTOOLINFOA {     UINT cbSize;     UINT uFlags;     HWND hwnd;     UINT_PTR uId;     RECT rect;     HINSTANCE hinst;     LPSTR lpszText; #if (_WIN32_IE >= 0x030
不靠谱的treeview节点
版权声明:可以任意转载,转载时请务必以超链接形式标明如下文章原始出处和作者信息及本声明rnrnrn作者:xixirnrn出处:http://blog.csdn.net/slowgrace/archive/2008/10/30/3185834.aspxrnrn前几天看到篇文章说VC++是垃圾,如果非要用,就用VC。原因大概其说是VC++的某些模板库充满bug且效率低下。当时看了,觉得这是OOP编程的问题。用对象来搭建应用的思想很迷人,可是当代码出错的时候,你整不清是自己的错,还是你用的别人的对象的错的时候,还会觉得OOP好么?rnrn想起来不应该有这样的情况,因为对象都有接口属性方法的嘛,如果测试对象的属性、方法都对的,那就是你的错嘛?可是如果问题反过来呢?如果经测试,对象的属性值不对,这是你的代码导致的、还是对象内部的bug?这时候你就傻眼了吧?rnrn我现在就想小哭一场,因为我刚就遇到这么一桩。rnrn话说,我有两棵几乎一模一样的树,我要在树B上找到((与(树A上选定节点)相对应的节点)的父亲节点)的key,用这么多括号是为了防止您看这句话理解上出现歧义。rnrn一开始我这么写:rnrn'下面这种写法会引起runtime error, 也许是太长的引用把VBA绕晕了 rnrn strParentKey = m_tree.Nodes.Item(objNode.Key).Parent.Keyrn之后我只好拆成两截这么写:rnrnSet objRelatedNode = m_tree.Nodes.Item(objNode.Key) rnstrParentKey = objRelatedNode.Parent.KeyrnF5之后过了。rnrn可过了一阵儿,又出错了。在我的测试用例中,实际上不止2棵几乎一模一样的树,而是5棵,我给它们分别发消息,它们都重复上面的动作,其中4棵能够正常通过,唯有一棵不能通过,显示“对象变量或with块变量未设置”。我跟进去,发现objRelatedNode.Parent为nothing,而实际上我肯定的知道这个node的爹不是nothing。靠。它自己都存在,它的爹是nothing,天下有这种事么?哪儿说理去?再说,这树是我一行一行代码自己生成的,都是先生成爹,再add child的,怎么可能它的爹是nothing呢?rnrn我反复地试了几次,发现出问题的树总是位于属性页上压在下面的那个属性卡上的树。貌似没显示在画面上treeview控件就不能正确的返回某node的parent,我用了node.ensurevisible也不灵。rnrn靠,你现在明白我前面说的“如果经测试,对象的属性值不对,这是你的代码导致的、还是对象内部的bug?”那种心情了吧?这就像你遇到一个很坏的压根儿不爱你的人,他抛弃了你,可因为你很喜欢他,所以你虽然隐隐觉得错的是他,可还是不停地在那儿找自己的错,怎么找也找不着,那个郁闷、那个委屈以及之后那个怨恨!!!rnrn最让人吐血的是,我添了如下代码之后,竟然就过了:rnrn' If objRelatedNode.Parent Is Nothing Then rn' Stop rn' objRelatedNode.EnsureVisible rn' objRelatedNode.Expanded = True rn' End Ifrn你看我在里面写了一句stop,可自打我加了这段代码之后,就再也没有stop过,也就是说人家就再也不说自己个儿没爹了!!!rnrn更吐血的是,之后我把ACCESS整个关掉,重新打开,注释掉上述代码,也不再出任何错了。rnrn气死人了。合着刚才费了半天心思猜原因、耽误了瑜伽又耽误了晚饭,都是白跟那儿废功夫啊,这什么编程工具呀?rnrn教训:以后遇到莫名其妙的错,不妨重启应用程序、甚至重启系统试一哈。rnrn唉。缓缓神,吃点水果准备睡觉去了。我觉得代码都这么写,软件可太<em>不靠</em>谱了,说起来这控件还是MS的呢。如果软件巨商的产品都是这样,这软件工业的整体质量<em>是不是</em>都很难有效地保障了呢?唉。歇歇先rnrn
不靠谱的翻译
昨天在pps上看了《时间旅行者的妻子》,雷着了~字幕常有如下字样:[不知道]、[没听清]、[太罗嗦不翻了],还有一段压根不翻这都行,出来混得,还是要讲点职业素质的
小米越来越不靠谱了
前文说到,小米手机的主要目标受众就是所谓的“发烧友”。那么作为发烧友,最关心的莫过于拆机、刷机、抢鲜、提前搞到工程样机等等这些事情了。好了,小米的营销人员来满足您,我们慢慢来造势:先在雷锋网搞个拆机大典,然后炒作炒作;再弄个“小米手机工程纪念版秒杀活动”,学学iphone4工程机
十大不靠谱的话
1.老婆:我就逛逛,什么都不买;2.同事:改天请你吃饭;3.领导:我只讲两句;4.服装店:这衣裳就是为你设计的;5.老公:在开会呢;6.售票员:下一辆马上就来;7.朋友:真的没钱借给你;8.餐厅:菜马上就好;9.孩子:妈妈,我就吃一个;10.广告:用了都说好。
某些不靠谱的创业者
自从去年我注册过某创业网站,就不时有各类创业者加我qq找我聊聊。而聊下来,发现现在想要创业的人实在太多了,以至于有个别创业者着实有点<em>不靠</em>谱。 <em>不靠</em>谱的创业者一     某专注于当前一热门领域的创业者想找我兼职做个app。     我问道:这个,好像已经有很多人在做了,你们的优势是什么呢?      答:我们的优势是执行力。(这句话好耳熟)。     又问:那你们当前要做什么呢?
不靠谱的InetAddress.isReachable,解决办法
项目需求,判定节点是否可达! 1、InetAddress.isReachable()方法 public static final boolean isNodeReachable(String hostname) { try { InetAddress address = InetAddress.getByName(hostname); ...
不靠谱的事
最近几天接连发生了几件<em>不靠</em>谱的事情,记录一下: 1:爱枣报目前是看不了了,要么搬家,要么关门,要么听话。 2:饭否绑定的QQ,也不能用了,估计是腾讯发神经了。 3:Firefox升级到3.0之后,好多插件都不能用。 4:利用一个网络项目申报平台进行项目的申报,在生成PDF文件的时候,系统会像孙悟空的72变一样,一会这样,一会那样,让人摸不到头脑。 总结,这个年头互联网是<em>不靠</em>谱的,要想靠谱...
condition_variable_any 如此的不靠
在工程中使用了condition_variable_any::timed_wait, 由于当时对此完全不了解。出现了BUG。rnrnrn如下代码,请猜测, 输出的nRecv的值。 rn请注意,我先启动的testcallback_consumer。 rnrn[code=c]#include rn#include rn#include rnusing namespace std;rnrnboost::recursive_mutex g_mtx;rnboost::condition_variable_any g_cnd;rnbool g_bCOntinue = true;rnrnvoid testcallback_product()rnrn //模拟生产者1000次rn for (int i = 0; i < 1000; i++)rn rn //boost::this_thread::sleep(boost::posix_time::milliseconds(1));rn rn boost::unique_lock lock (g_mtx);rn g_cnd.notify_one();rn rnrn g_bCOntinue = false;rnrnrn// 首先启动该函数rnvoid testcallback_consumer()rnrn int nRec = 0;rn bool bRet = false;rnrn while( g_bCOntinue )rn rn bRet = false;rnrn boost::unique_lock lock (g_mtx);rn while(!bRet)rn rn bRet = g_cnd.timed_wait(lock, boost::posix_time::milliseconds(50));rn if (bRet)rn rn nRec++;rn rn rn rnrn cout<<
【自然语言处理】良心资源,不点开会后悔的那种
一些会让你眼前一亮的资源,不用费心找了,这全有
我们就差一个写代码的了,记一次不靠谱的创业冲动
一个真实的故事。那年我24岁,他也24岁。 这是去年的事情吧,当时自己还年轻不懂事。过年时候突然接到之前公司一个同事的电话,他想做一个斗地主的游戏,想让我加入团队去帮忙算是<em>技术</em>入股。然后给我讲了一大堆前景光明,还有一个投资人是他发小,挺有钱也挺有路子的,总之肯定能干好挣钱,但是就差一个写代码的人了。 说实话呢,自己当时是想辞职从新找工作了,虽然听他说完不太靠谱,但是也没直接拒绝还跑去看了看现在
数据库“祖传”架构难优化?华为云 MongoDB 社区增强版来帮忙,300% 性能提升
对 IOT 企业而言,IT 架构升级几乎是每个发展阶段都绕不开的坎。当公司飞速发展,在线业务迅猛增长,服务架构一次次承载冲击,高性能需求下,巨额成本也相伴而生。要处理翻倍的并发业务,接入层、后端的计算能力均需要加强,相应的缓存 IO 并发压力也只增不减。如何节省成本保持性能?其实关键点在于最底层的数据库上。   得益于灵活的数据结构和强大的集群扩展能力,文档数据库 MongoDB 分片集群架构...
从外包行业谈文化中的服务歧视
前段时间自己接了一个外包,jQuery+css+html+php+nginx+mysql+redis+icon&amp;amp;logo design加起来才一千多块钱,虽说不会让我接触什么核心的东西,都是些敲敲打打修修补补,也算是个体力活,钱少就不说了,还要看甲方的各种脸色,内心有无数的草泥马在一个隔壁叫玛丽的草原上呼啸而过:我是来接单子做事情,不是给来舔你脸的!! 外包行业似乎一直都被冠以“廉价”,...
分享解决vs2015调试asp.net程序出现无法连接到已配置的开发 Web 服务器问题
解决此问题费了九牛二虎之力, 刚开始被一些网上说的<em>不靠</em>谱的方法误导,实在气人 下面说说解决方法。 先说网上<em>不靠</em>谱的方法,尽量不要相信,不过你可以试试 <em>不靠</em>谱方法1)什么关闭打开防火墙 <em>不靠</em>谱方法2)什么按照windwos日志缺失asp.net core.Dll文件,到什么网址下载此类安装文件等等, <em>不靠</em>谱方法3)什么在注册表增加什么键值,具体不说了 靠谱方法如下: 分析,因为前提是你的vs2015能用,并且新建asp.net程序可以正常启动,好那咱们接着说, 1)出现此问题是由于你的项目是从别的地方拷贝过来,而在文件夹中有个.vs文件
是时候该搭建自己的私有云盘了——nextcloud 12-腾讯云资讯
点击上传资源即表示您确认该资源不违反资源分享的使用条款,并且您拥有该资源的所有版权或者上传资源的授权 • 您上传的资源如果因版权、使用、内容完整度 等原因被举报并通过官方审核,将扣除通过该资源获得的全部积分
数据挖掘_概念与技术(中文第3版).pdf
数据挖掘_概念与<em>技术</em>(中文第3版).pdf,本人还有其他各种高清pdf资源,查看我账号下载
数据挖掘:概念与技术原书第3版(中文)_高清扫描版
数据挖掘 概念与<em>技术</em> 第三版<em>中文版</em> pdf 出版者的话 <em>中文版</em>序 译者序 译者简介 第3版序 第2版序 前言 致谢 作者简介 第1章 引论 1.1 为什么进行数据挖掘 1.1.1 迈向信息时代 1.1.2 数据挖掘是信息<em>技术</em>的进化 1.2 什么是数据挖掘 1.3 可以挖掘什么类型的数据 1.3.1 数据库数据 1.3.2 数据仓库 1.3.3 事务数据 1.3.4 其他类型的数据 1.4 可以挖掘什么类型的模式 1.4.1 类/概念描述:特征化与区分 1.4.2 挖掘频繁模式、关联和相关性 1.4.3 用于预测分析的分类与回归 1.4.4 聚类分析 1.4.5 离群点分析 1.4.6 所有模式都是有趣的吗 1.5 使用什么<em>技术</em> 1.5.1 统计学 1.5.2 机器学习 1.5.3 数据库系统与数据仓库 1.5.4 信息检索 1.6 面向什么类型的应用 1.6.1 商务智能 1.6.2 Web搜索引擎 1.7 数据挖掘的主要问题 1.7.1 挖掘方法 1.7.2 用户界面 1.7.3 有效性和可伸缩性 1.7.4 数据库类型的多样性 1.7.5 数据挖掘与社会 1.8 小结 1.9 习题 1.10 文献注释 第2章 认识数据 2.1 数据对象与属性类型 2.1.1 什么是属性 2.1.2 标称属性 2.1.3 二元属性 2.1.4 序数属性 2.1.5 数值属性 2.1.6 离散属性与连续属性 2.2 数据的基本统计描述 2.2.1 中心趋势度量:均值、中位数和众数 2.2.2 度量数据散布:极差、四分位数、方差、标准差和四分位数极差 2.2.3 数据的基本统计描述的图形显示 2.3 数据可视化 2.3.1 基于像素的可视化<em>技术</em> 2.3.2 几何投影可视化<em>技术</em> 2.3.3 基于图符的可视化<em>技术</em> 2.3.4 层次可视化<em>技术</em> 2.3.5 可视化复杂对象和关系 2.4 度量数据的相似性和相异性 2.4.1 数据矩阵与相异性矩阵 2.4.2 标称属性的邻近性度量 2.4.3 二元属性的邻近性度量 2.4.4 数值属性的相异性:闵可夫斯基距离 2.4.5 序数属性的邻近性度量 2.4.6 混合类型属性的相异性 2.4.7 余弦相似性 2.5 小结 2.6 习题 2.7 文献注释 第3章 数据预处理 3.1 数据预处理:概述 3.1.1 数据质量:为什么要对数据预处理 3.1.2 数据预处理的主要任务 3.2 数据清理 3.2.1 缺失值 3.2.2 噪声数据 3.2.3 数据清理作为一个过程 3.3 数据集成 3.3.1 实体识别问题 3.3.2 冗余和相关分析 3.3.3 元组重复 3.3.4 数据值冲突的检测与处理 3.4 数据归约 3.4.1 数据归约策略概述 3.4.2 小波变换 3.4.3 主成分分析 3.4.4 属性子集选择 3.4.5 回归和对数线性模型:参数化数据归约 3.4.6 直方图 3.4.7 聚类 3.4.8 抽样 3.4.9 数据立方体聚集 3.5 数据变换与数据离散化 3.5.1 数据变换策略概述 3.5.2 通过规范化变换数据 3.5.3 通过分箱离散化 3.5.4 通过直方图分析离散化 3.5.5 通过聚类、决策树和相关分析离散化 3.5.6 标称数据的概念分层产生 3.6 小结 3.7 习题 3.8 文献注释 第4章 数据仓库与联机分析处理 4.1 数据仓库:基本概念 4.1.1 什么是数据仓库 4.1.2 操作数据库系统与数据仓库的区别 4.1.3 为什么需要分离的数据仓库 4.1.4 数据仓库:一种多层体系结构 4.1.5 数据仓库模型:企业仓库、数据集市和虚拟仓库 4.1.6 数据提取、变换和装入 4.1.7 元数据库 4.2 数据仓库建模:数据立方体与OLAP 4.2.1 数据立方体:一种多维数据模型 4.2.2 星形、雪花形和事实星座:多维数据模型的模式 4.2.3 维:概念分层的作用 4.2.4 度量的分类和计算 4.2.5 典型的OLAP操作 4.2.6 查询多维数据库的星网查询模型 4.3 数据仓库的设计与使用 4.3.1 数据仓库的设计的商务分析框架 4.3.2 数据仓库的设计过程 4.3.3 数据仓库用于信息处理 4.3.4 从联机分析处理到多维数据挖掘 4.4 数据仓库的实现 4.4.1 数据立方体的有效计算:概述 4.4.2 索引OLAP数据:位图索引和连接索引 4.4.3 OLAP查询的有效处理 4.4.4 OLAP服务器结构:ROLAP、MOLAP、HOLAP的比较 4.5 数据泛化:面向属性的归纳 4.5.1 数据特征的面向属性的归纳 4.5.2 面向属性归纳的有效实现 4.5.3 类比较的面向属性归纳 4.6 小结 4.7 习题 4.8 文献注释 第5章 数据立方体<em>技术</em> 5.1 数据立方体计算:基本概念 5.1.1 立方体物化:完全立方体、冰山立方体、闭立方体和立方体外壳 5.1.2 数据立方体计算的一般策略 5.2 数据立方体计算方法 5.2.1 完全立方体计算的多路数组聚集 5.2.2 BUC:从顶点方体向下计算冰山立方体 5.2.3 Star-Cubing:使用动态星树结构计算冰山立方体 5.2.4 为快速高维OLAP预计算壳片段 5.3 使用探索立方体<em>技术</em>处理高级查询 5.3.1 抽样立方体:样本数据上基于OLAP的挖掘 5.3.2 排序立方体:top-k查询的有效计算 5.4 数据立方体空间的多维数据分析 5.4.1 预测立方体:立方体空间的预测挖掘 5.4.2 多特征立方体:多粒度上的复杂聚集 5.4.3 基于异常的、发现驱动的立方体空间探查 5.5 小结 5.6 习题 5.7 文献注释 第6章 挖掘频繁模式、关联和相关性:基本概念和方法 6.1 基本概念 6.1.1 购物篮分析:一个诱发例子 6.1.2 频繁项集、闭项集和关联规则 6.2 频繁项集挖掘方法 6.2.1 Apriori算法:通过限制候选产生发现频繁项集 6.2.2 由频繁项集产生关联规则 6.2.3 提高Apriori算法的效率 6.2.4 挖掘频繁项集的模式增长方法 6.2.5 使用垂直数据格式挖掘频繁项集 6.2.6 挖掘闭模式和极大模式 6.3 哪些模式是有趣的:模式评估方法 6.3.1 强规则不一定是有趣的 6.3.2 从关联分析到相关分析 6.3.3 模式评估度量比较 6.4 小结 6.5 习题 6.6 文献注释 第7章 高级模式挖掘 7.1 模式挖掘:一个路线图 7.2 多层、多维空间中的模式挖掘 7.2.1 挖掘多层关联规则 7.2.2 挖掘多维关联规则 7.2.3 挖掘量化关联规则 7.2.4 挖掘稀有模式和负模式 7.3 基于约束的频繁模式挖掘 7.3.1 关联规则的元规则制导挖掘 7.3.2 基于约束的模式产生:模式空间剪枝和数据空间剪枝 7.4 挖掘高维数据和巨型模式 7.5 挖掘压缩或近似模式 7.5.1 通过模式聚类挖掘压缩模式 7.5.2 提取感知冗余的top-k模式 7.6 模式探索与应用 7.6.1 频繁模式的语义注解 7.6.2 模式挖掘的应用 7.7 小结 7.8 习题 7.9 文献注释 第8章 分类:基本概念 8.1 基本概念 8.1.1 什么是分类 8.1.2 分类的一般方法 8.2 决策树归纳 8.2.1 决策树归纳 8.2.2 属性选择度量 8.2.3 树剪枝 8.2.4 可伸缩性与决策树归纳 8.2.5 决策树归纳的可视化挖掘 8.3 贝叶斯分类方法 8.3.1 贝叶斯定理 8.3.2 朴素贝叶斯分类 8.4 基于规则的分类 8.4.1 使用IF-THEN规则分类 8.4.2 由决策树提取规则 8.4.3 使用顺序覆盖算法的规则归纳 8.5 模型评估与选择 8.5.1 评估分类器性能的度量 8.5.2 保持方法和随机二次抽样 8.5.3 交叉验证 8.5.4 自助法 8.5.5 使用统计显著性检验选择模型 8.5.6 基于成本效益和ROC曲线比较分类器 8.6 提高分类准确率的<em>技术</em> 8.6.1 组合分类方法简介 8.6.2 装袋 8.6.3 提升和AdaBoost 8.6.4 随机森林 8.6.5 提高类不平衡数据的分类准确率 8.7 小结 8.8 习题 8.9 文献注释 第9章 分类:高级方法 9.1 贝叶斯信念网络 9.1.1 概念和机制 9.1.2 训练贝叶斯信念网络 9.2 用后向传播分类 9.2.1 多层前馈神经网络 9.2.2 定义网络拓扑 9.2.3 后向传播 9.2.4 黑盒内部:后向传播和可解释性 9.3 支持向量机 9.3.1 数据线性可分的情况 9.3.2 数据非线性可分的情况 9.4 使用频繁模式分类 9.4.1 关联分类 9.4.2 基于有区别力的频繁模式分类 9.5 惰性学习法(或从近邻学习) 9.5.1 k-最近邻分类 9.5.2 基于案例的推理 9.6 其他分类方法 9.6.1 遗传算法 9.6.2 粗糙集方法 9.6.3 模糊集方法 9.7 关于分类的其他问题 9.7.1 多类分类 9.7.2 半监督分类 9.7.3 主动学习 9.7.4 迁移学习 9.8 小结 9.9 习题 9.10 文献注释 第10章 聚类分析:基本概念和方法 10.1 聚类分析 10.1.1 什么是聚类分析 10.1.2 对聚类分析的要求 10.1.3 基本聚类方法概述 10.2 划分方法 10.2.1 k-均值:一种基于形心的<em>技术</em> 10.2.2 k-中心点:一种基于代表对象的<em>技术</em> 10.3 层次方法 10.3.1 凝聚的与分裂的层次聚类 10.3.2 算法方法的距离度量 10.3.3 BIRCH:使用聚类特征树的多阶段聚类 10.3.4 Chameleon:使用动态建模的多阶段层次聚类 10.3.5 概率层次聚类 10.4 基于密度的方法 10.4.1 DBSCAN:一种基于高密度连通区域的基于密度的聚类 10.4.2 OPTICS:通过点排序识别聚类结构 10.4.3 DENCLUE:基于密度分布函数的聚类 10.5 基于网格的方法 10.5.1 STING:统计信息网格 10.5.2 CLIQUE:一种类似于Apriori的子空间聚类方法 10.6 聚类评估 10.6.1 估计聚类趋势 10.6.2 确定簇数 10.6.3 测定聚类质量 10.7 小结 10.8 习题 10.9 文献注释 第11章 高级聚类分析 11.1 基于概率模型的聚类 11.1.1 模糊簇 11.1.2 基于概率模型的聚类 11.1.3 期望最大化算法 11.2 聚类高维数据 11.2.1 聚类高维数据:问题、挑战和主要方法 11.2.2 子空间聚类方法 11.2.3 双聚类 11.2.4 维归约方法和谱聚类 11.3 聚类图和网络数据 11.3.1 应用与挑战 11.3.2 相似性度量 11.3.3 图聚类方法 11.4 具有约束的聚类 11.4.1 约束的分类 11.4.2 具有约束的聚类方法 11.5 小结 11.6 习题 11.7 文献注释 第12章 离群点检测 12.1 离群点和离群点分析 12.1.1 什么是离群点 12.1.2 离群点的类型 12.1.3 离群点检测的挑战 12.2 离群点检测方法 12.2.1 监督、半监督和无监督方法 12.2.2 统计方法、基于邻近性的方法和基于聚类的方法 12.3 统计学方法 12.3.1 参数方法 12.3.2 非参数方法 12.4 基于邻近性的方法 12.4.1 基于距离的离群点检测和嵌套循环方法 12.4.2 基于网格的方法 12.4.3 基于密度的离群点检测 12.5 基于聚类的方法 12.6 基于分类的方法 12.7 挖掘情境离群点和集体离群点 12.7.1 把情境离群点检测转换成传统的离群点检测 12.7.2 关于情境对正常行为建模 12.7.3 挖掘集体离群点 12.8 高维数据中的离群点检测 12.8.1 扩充的传统离群点检测 12.8.2 发现子空间中的离群点 12.8.3 高维离群点建模 12.9 小结 12.10 习题 12.11 文献注释 第13章 数据挖掘的发展趋势和研究前沿 13.1 挖掘复杂的数据类型 13.1.1 挖掘序列数据:时间序列、符号序列和生物学序列 13.1.2 挖掘图和网络 13.1.3 挖掘其他类型的数据 13.2 数据挖掘的其他方法 13.2.1 统计学数据挖掘 13.2.2 关于数据挖掘基础的观点 13.2.3 可视和听觉数据挖掘 13.3 数据挖掘应用 13.3.1 金融数据分析的数据挖掘 13.3.2 零售和电信业的数据挖掘 13.3.3 科学与工程数据挖掘 13.3.4 入侵检测和预防数据挖掘 13.3.5 数据挖掘与推荐系统 13.4 数据挖掘与社会 13.4.1 普适的和无形的数据挖掘 13.4.2 数据挖掘的隐私、安全和社会影响 13.5 数据挖掘的发展趋势 13.6 小结 13.7 习题 13.8 文献注释 参考文献 索引
靠谱推算不靠谱的问题
这本书的原书名是"Guesstimation: Solving the World's Problems on the Back of a Cocktail Napkin",在餐巾纸背面用简单的推算巧妙解答一些问题。 中文书名说是“无厘头问题”,“无厘头”本作“无来头”,故意将一些毫无联系的事儿莫名其妙组合串联或者歪曲,以达到搞笑的目的。书里的问题有趣古怪,包罗万象,有些问题可能你想过、问过、推
信用卡代还靠谱吗,会不会有什么风险啊?
信用卡代还款的操作简单来讲就是中介机构先把即将到期的透支额度还款,然后再通过刷卡消费的形式,将不久前的还款金额全部刷出。其实就是先还再刷出来。有的客户也许会有疑问,还进信用卡里的钱能第一时间刷出来吗?答案是可以的;根据目前各大银行的信用卡章程,信用卡的额度在客户还款之后会第一时间恢复,也就是说,只要客户的卡是正常的。由我们替客户代还进信用卡里的钱就可以马上刷出来。这样不但有了还款记录,还有一笔消费...
gif录屏软件
下了很多<em>不靠</em>谱的录屏软件,这里推荐一款自认为比较好用的gif录屏
人机对话这件事为什么难?| 清华x-lab人工智能研习社
大数据文摘记者 魏子敏 刘涵 “目前市面上人机交互的智能硬件,距离真正的自然交互依然有很长的一段路要走。” 在清华x-lab主办的人工智能研习社第五讲,三角兽的创始人、COO马宇驰如此描述当前的人机交互产品。 在同日举办的百度2017世界大会上,李彦宏的观点与马不谋而合:“我们现在看到很多智能音箱,虽然不需要按住,但是需要一个唤醒词,一般是四个字,这不符合人与人交互方
jflow-core-1.1.0-SNAPSHOT.jar
Failure to find jflow-core:jflow-core:jar:1.1.0-SNAPSHOT 驰骋的MAVEN<em>不靠</em>谱,只能自己编译然后传上来了
中文版PHOTOSHOP CC技术大全 pdf电子书
<em>中文版</em>PHOTOSHOP CC<em>技术</em>大全978-7-115-35822-6_13652992
数据挖掘 实用机器学习工具与技术 第四版 Data Mining Fourth Edition 2017
数据挖掘 实用机器学习工具与<em>技术</em> 第四版 Data Mining Fourth Edition 2017
sort() 的随机排列(不靠谱)
定义和用法 sort() 方法用于对数组的元素进行排序。 如果调用该方法时没有使用参数,将按字母顺序对数组中的元素进行排序,说得更精确点,是按照字符编码的顺序进行排序。要实现这一点,首先应把数组的元素都转换成字符串(如有必要),以便进行比较。 如果想按照其他标准进行排序,就需要提供比较函数,该函数要比较两个值,然后返回一个用于说明这两个值的相对顺序的数字。比较函数应该具有两个
Haxe也不靠谱啊
从hxcpp到mne又到OpenFL,全靠底层支持库写得多。但是对GLES的版本支持不明确,等它的支持谁知道等到啥时候去了。自己修改底层支持库的话,就还不如直接写原生代码了。 看来haxe也是<em>不靠</em>谱,还是算了。 真正的跨平台,还得 c/c++ 啊……
股市预测最不靠
       几乎无人预测到今年上证指数跌至2500多点  虽然今年时间还未过半,但是,各研究机构对今年股市的预测已经全部出错,因为去年底基本上没有人预测到上证指数今年会跌到2500多点。近几年股市的实际走势与专家们的一致预测均相差很远,再次显示股市实际上是无法预测的,投资者不要轻信所谓专家的预测。  去年底市场过于乐观  别看眼下股市跌幅很大,大家十分悲观,但半年前可不是这样,去年底的时候,...
扒谱软件Transcribe! 7.31.0 汉化版
扒谱软件Transcribe! 7.31.0 汉化版
在线编辑太不靠谱了!
因为误操作,我翻译了近两个小时的东西没了。吃了这样的亏不知几次!看来以后要先用编辑器写好后粘贴过来!在线编辑太<em>不靠</em>谱了! 
数据到底靠不靠谱?
目前在互联网领域,“数据”无处不在。数据有着神奇的力量,庞大的数据给各行业带来前所未有的信息和利益。创业公司拿数据争取投资,企业拿数据提高估值,老板拿数据决策,产品和交互拿数据支撑结果...但我们看到的数据都是真实的吗?我们能够依靠数据吗?下面通过项目中的一些案例说明一点关于数据的心得。案例一:前两周有个购物的项目需要改版,为了明确方向,做了一份竞品分析,...
天猫上不靠谱的商品价格
由于小区的水质不好,今天逛了逛净水器,看中了一款配套的管线机。 发现在苏宁和天猫上,同款机器的原价存在非常大的差别,天猫上的价格太<em>不靠</em>谱。 QX-WF-1306管线机,在苏宁和天猫都卖580元,但是天猫的原价是1450,苏宁的原价是699,相差一倍。天猫的价格具有非常明显的诱(qi)导(zha)作用。   下图天猫显示原价1450,促销价580 苏宁显示的原价是699,易购价580...
网上投票为什么不靠
网上投票为什么<em>不靠</em>谱 网络   通信     大卫·塔尔博特(David Talbot)    2012-11-05 22:46:39 计算机安全专家们表示,一些基本的安全问题尚未解决。   图片来源:Laurie Rosenwald   在进入网络革命十五年后的今天,我们在大多数时候使用网上银行和网上购物。那我们为何不能在网
网上的答案经常不靠
通常情况下我会使用 featureCounts 得到表达矩阵是 raw counts, 但总是有人需要我转换成各种形式,比如 RPKM, FPKM and TPM 概念见: https://statquest.org/2015/07/09/rpkm-fpkm-and-tpm-clearly-explained/ 想偷一下懒,就搜索到了 这个答案: http...
为什么移动端跨平台开发不靠谱?
前言 翻墙偶然读到一篇不错的文章,随手翻译,作者是jielse发表于androidHub。 随着智能手机的发明,许多开发人员都提出了同样的问题:如何为多个移动平台构建和发布应用程序? 包括最初的iPhone和BlackBerries,Android,以及Windows Phone和Web。 每个平台单独发布应用程序是很昂贵的。我们最初的想法: 肯定有一个解决方案可以降低开发多个应用的成本。...
什么样的互联网创业者不靠谱?
一直以来,我认为创业者因为怀着一颗创业的心,应该都是很靠谱的人。但随着做缘创派(ycpai.com)的过程,发现的确是“林子大了,什么鸟都有。”每个人都可能会遇到一些浑水摸鱼的人,他们给你的感觉是<em>不靠</em>谱。我也是通过网上交流和线下活动,总结出来以下的一些行为,这样的创业者联系起来需要特别谨慎。一、夸夸其谈谈战略 上来就讲战略、策略的人并不少。我遇到过一位神人,上来就介绍自己是在线教育专家,其他做在...
年中总结不靠谱指南
其实这篇腹稿是昨天三刀在去加班的路上拟定的,然后今天加班趁早“贡献”出来。是的,我周末又在加班,意不意外?惊不惊喜? ** 温馨提示 ** 写在明天年中会议前,本篇纯属胡说八道,请勿参考,如有损失,概不负责。 下面是引文 又到了一年之中,商场到处挂满了年中打折的促销招牌,而不少公司也开始进行年中总结大会。但是往往很多公司的年中总结会议都走形式主义,各自长篇...
WWDC 2018 不靠谱期望
前几天 WWDC 2018 邀请函发出了。这也说明了三月份将没有发布会,有新的产品也就是例行更新一下罢了。 AirPower 也该上市了,iPad 的基础版本进行例行的更新:更好的摄像头、更快的处理器。还有 AirPods 的无线充电盒。基本上就这样子了。 六月的 WWDC 是每年的重头戏,从开发者大会的第一天演讲上就可以看到新系统新特性的预览,也可以从中...
谢谢你,不靠谱的物流公司排行
如果不是因为离婚,我可能不会关注“物流公司排行”这个问题;如果不是因为离婚,我也不会知道我跟她在一起的这三年里,留下了那么多她的东西。 “我告诉你,你送给我的东西都要给我送回来。”妻子在电话里霸道地说:“那个洗衣机是我买的,空调是你买给我的,那张床也是我的。” “都是你的,我直接找物流公司给你打包过去。”撂下电话,我对自己现在的心情感到无所适从。为什么我们都没有出轨,也没有吵架,最后却要离婚呢
医学研究根本不靠
这两天刚看完万维钢老师的《万万没想到》这本书,其中《医学研究能当真吗?》一节讲得是科学研究中的可信度和适用性问题。介绍了学者Ioannidis的两项研究,其中一篇是用数学方法证明了“在医学研究中被广泛使用的统计方法,其实是非常脆弱的体系”,今天就来研读一下这篇大作Ioannidis, John P. A. “Why Most Published...
为什么qthread有点不靠谱~~~~~~~~~~
线程里做事情的时候都没进timer都没有效果,也就是说都没进到timerEvent事件中~~~rn而我屏蔽了线程就可以进去rn高手指点下rn[code=C/C++]rnrnQObject::connect(&Thread, SIGNAL(vdGuiProcess()), this, SLOT(vdGuiProcess()));rnrnvoid MyBusiThread::run ()rnrn emit vdGuiProcess();rn return;rnrnrnvoid CxxWnd::vdGuiProcess()rnrn ...do sometingsrn killTimer(iTimer);rn delete m_progress; rn m_progress = NULL;rnrnrnvoid CxxWnd::timerEvent(QTimerEvent * event)rn rn if(m_progressValue >= 100)rn m_progressValue=0;rn m_progressValue+=1;rn m_progress->setValue(m_progressValue);rn rnrnvoid CxxWnd::DownSyncInfo() rnrn m_textEdit->setText("");rn m_progressValue = 0;rn m_progress = new QProgressDialog(tr("下载数据中..."), "", 0, 100); //需要的话,将对话框设为模态 rn m_progress->setWindowModality(Qt::WindowModal);rn m_progress->show();rn m_progress->setValue(0);rn //新建进度条线程rn iTimer = startTimer(50);rn Thread.start(); rnrn[/code]
《算法设计手册》第2版 中文版.pdf
《算法设计手册》第2版 <em>中文版</em>.pdf 个人收集电子书,仅用学习使用,不可用于商业用途,如有版权问题,请联系删除!
表单的前台验证不靠谱!
表单的前端验证<em>不靠</em>谱,必须同时做后台验证,且尽量不要通过前台的隐藏域传值,通过后台获取值,不然可能存在篡改隐藏域值的问题!        最近在做项目时,由于业务逻辑的改动,修改了之前做好的功能。        之前一对一的逻辑改成了一对多,因为将之前的显示文本改成的下拉框选择并增加了一些隐藏域,这些隐藏域的值会随着下拉框选择的值的变化而变化,自测时功能没有什么问题。但新来的测试人员提了一个b
不靠谱创业者的15个细节
http://www.gameres.com/msg_250254.html
推荐几篇不靠谱的帖子
不知何故,经常看到各种<em>不靠</em>谱帖子满天飞。试举几例:rnrn[url=http://www.csdn.net/article/2012-06-01/2806249]Java编程中“为了性能”需做的26件事[/url]rnrn[url=http://blog.csdn.net/liupeng900605/article/details/7680571]Java父类与子类的 内存引用讲解[/url]rnrn[url=http://blog.csdn.net/aaa1117a8w5s6d/article/details/8251456]java中的各种数据类型在内存中存储的方式[/url]rnrn[url=http://www.csdn.net/article/2012-06-29/2806999]深度解析Java内存的原型[/url]rnrn在论坛经常看到有人引这些帖子上的<em>不靠</em>谱东西来误人子弟,好伤心。rnrn还有哪些<em>不靠</em>谱的,大家一起补充吧……rn
《数据挖掘概念与技术(中文第三版)》 百度网盘链接
数据挖掘概念与<em>技术</em>(中文第三版)》 百度网盘链接 链接:https://pan.baidu.com/s/1ZysVVrr6Xgqo3FZjY3Mr9g  提取码:tx3k   目录如下:          
强连通分量及缩点tarjan算法解析
强连通分量: 简言之 就是找环(每条边只走一次,两两可达) 孤立的一个点也是一个连通分量   使用tarjan算法 在嵌套的多个环中优先得到最大环( 最小环就是每个孤立点)   定义: int Time, DFN[N], Low[N]; DFN[i]表示 遍历到 i 点时是第几次dfs Low[u] 表示 以u点为父节点的 子树 能连接到 [栈中] 最上端的点   int
文章热词 虚拟化技术学习 设计制作学习 机器学习教程 Objective-C培训 交互设计视频教程
相关热词 ios获取idfa server的安全控制模型是什么 sql android title搜索 ios 动态修改约束 java培训机构靠不靠谱 python培训班靠谱不
我们是很有底线的