前言周五的早高峰, 各地软件园地铁站里中出现了不少穿着长袖加绒格子衫, 背...37 个工作日, 要买火车票的赶紧预约抢, 要租男朋友的赶紧联系我.---前几天我, 张大胖 , Mason 下班约好一起去吃海X捞火锅, 大家去了都...

最近时间又有了新的想法，当我用新的眼光在整理一些很老的知识库时，发现很多东西都已经过时，或者是很基础很零碎的知识点。如果分享出去大家不看倒好，更担心的是会误人子弟，但为了保证此系列的完整，还是选择分享...

黑客的基本技能 １、黑客的精神态度是很重要的，但技术则更是重要。...例如:以往总是会学会用机器码写程序，直到最近我们开始使用HTML。不过，在1996年末,当然，这是基础的hacking技能。在1997年，理所当然的，你必...

http://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...

原贴:http://www.dbanotes.net/MT/mt-search.cgiSearch this siteMatching entries matching “linux” from DBA notes Fotolog.com 的技术信息拾零尽管是世界上最大的图片服务网站, Fotolog.com 在国内的名气并不是...

本文转载连接： http://blog.sina.com.cn/s/blog_87a893360100z0ap.html看完的人10个有9个成了黑客看完的人10个有9个成了黑客还有一个是BC然而看完的人视力全下降1度黑客的...例如:以往总是会学会用机器码写程序，...

  Oracle sql 性能优化调整  1. 选用适合的ORACLE优化器  ORACLE的优化器共有3种： a. RULE （基于规则）  b. COST （基于成本） c. CHOOSE （选择性）  设置缺省的...

技术问题 1. IDC机房的域名怎么维护的 2. 怎么根据nagios报警做出调整的 ...6. 都用过什么系统？ 7. Centos、ubuntu、红旗用吗？ 8. Linux用的什么发行版本？ 9. 做过NAGIOS吗？ 10. 都用它监控什么？ 1...

也许对于小系统来说就比较好，但大系统的话，我看还是够怆。我应该研究这方面的东西如JAVA的一些应用服务器，以及DEPHI如何和它们通信；或。NET的一些解决办法。毕竟企业级应用才是王道。紧跟时代潮流才能前进。——...

达梦8(DM8)数据库入门及使用to 达梦大学刘秀君原创,抄袭必究目录1介绍武汉达梦数据库有限公司成立于2000年，为中国电子信息产业集团(CEC)旗下基础软件企业，专业从事数据库管理系统的研发、销售与服务，同时可为用户...

一. 四种索引(主键索引/普通索引/全文索引/唯一索引) 1.索引的添加  1.1主键索引的添加 当一张表，把某个列设为主键的时候，则该列就是主键索引 [sql] view plain copy ...name v

目录 1.Java运算符优先级... 9 2.HTML，JS，CSS的区别... 10 1、HTML—...2、CSS—Cascading Style Sheet 10 ...3.从输入URL到网页呈现的过程......TCP/IP请求......三次握手的步骤：（抽象派）......为何不是二...

6.尽量使用commit,因为会释放一些资源 例如* 回滚段上用于回复的数据* 被程序语句获得的锁等* oracle管理这些资源的花费外链接面试题大全Oralce数据库的优化(面试必问题)数据库常见面试题SSh三大框架常考面试题...

python面试题 第一章:python基础 数据类型： 1 字典: 1.1 现有字典 dict={‘a’:24，‘g’:52，‘i’:12，‘k’:33}请按字典中的 value 值进行排序？ ...1. sorted(dict.items()，key = lambda x:x[1]) ...

在没有使用Ref关键字的情况下，如何区别方法是按引用传递，还是按值传递？ 答：值类型的变量（结构体、枚举、基本数据类型）是按值传递。引用类型的变量（数组、字符串、类、接口）是按引用传递。利用out关键字...

在没有使用Ref关键字的情况下，如何区别方法是按引用传递，还是按值传递？ 答：值类型的变量（结构体、枚举、基本数据类型）是按值传递。引用类型的变量（数组、字符串、类、接口）是按引用传递。利用out关键字...

C/C++语言基础 extern 关键字作用 参考链接 extern声明变量或者函数时，它告诉编译器去其他文件中寻找定义或者实现。 extern “C”的作用：为了实现C++、C的混合编程，使C++中能够调用C写的函数。...

1、最全的windows操作系统快捷键 一、常见用法： F1　显示当前程序或者windows的帮助内容。 F2　当你选中一个文件的话，这意味着“重命名” F3　当你在桌面上的时候是打开“查找：所有文件”对话框 F10或ALT　激活...

数据库建立索引 数据库、数据表建立索引的原则 数据库建立索引的原则 1，确定针对该表的操作是大量的查询操作还是大量的增删改操作。 2，尝试建立索引来帮助特定的查询。检查自己的sql语句，为那些频繁在where...

mysql 安装配置使用、sql语法 MySQL主键、创建索引、UNION 和 UNION ALL mysql 索引类型以及创建 一、简介 MySQL目前主要有以下几种索引类型： 1.普通索引 2.唯一索引 3.主键索引 4.组合索引 5.全文索引 二、.....

1. 主键 超键 候选键 外键 主 键： 数据库表中对储存数据对象予以唯一和完整标识的数据列或属性的组合。一个数据列只能有一个主键，且主键的取值不能缺失，即不能为空值（Null）。 超 键： ...

关闭CentOS启动进度条，替换为详细信息(转帖) 一些CentOS等Linux系统启动后可能会出现读...使用root用户修改 /boot/grub/grub.conf 文件。 [root@Slyar ~]# vim /boot/grub/grub.conf 找到下面的部分，将"rhgb

目录 摘要 1. Diragram.... 1.1 Context Diagram(范围图).... 1.2 Sequence Diagram（序列图）.......1.3 Dataflow Diagram（数据流图）.......1.4 Component Diagram（组件图）......1.7 Use Case Diagram(用例图). ...

下面的东西都是转贴的，包括那个声明，都跟俺没关系。google搜出来的。在这之前俺的确有点觉得DataSetProvider+ClientDataSet和俺理解中的三层有点差别。看完这些讨论，俺的结论是：DataSetProvider+ClientDataSet...

点击上方 "程序员小乐"关注,星标或置顶一起成长每天凌晨00点00分,第一时间与你相约每日英文Sometimes, if you persist in doing t...

sql server 作者：Sanle 来源：博客园 发布时间：2006-04-27 13:06 阅读：3402 次 原文链接 [收藏]  ...1.清空日志:DUMP TRANSACTION 库名 WITH NO_LOG  ...2.截断事务日志:BACKUP LOG 数据库名 WITH NO_...

一什么是数据仓库 1.1数据仓库概念 数据仓库，英文名称为Data Warehouse，可简写为DW或DWH。数据仓库，是为企业所有级别的决策制定过程，提供所有类型数据支持的战略集合。它出于分析性报告和决策支持目的而...

摘要： 软件需求的获取和分析是软件系统开发中的一项重要任务，正确获取软件需求是软件技术人员必须掌握的基本技能。...1.1需求分析到底做什么？ 需求分析是软件计划阶段的重要活动，也是软件生存周

【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）。