SQL(Structured Query Language，結(jié)構(gòu)查詢語言)是一個功能強大的數(shù)據(jù)庫語言。SQL通常使用于數(shù)據(jù)庫的通訊。ANSI（美國國家標準學會）聲稱，SQL是關(guān)系數(shù)據(jù)庫管理系統(tǒng)的標準語言。SQL語句通常用于完成一些數(shù)據(jù)庫的操作任務，比如在數(shù)據(jù)庫中更新數(shù)據(jù)，或者從數(shù)據(jù)庫中檢索數(shù)據(jù)。使用SQL的常見關(guān)系數(shù)據(jù)庫管理系統(tǒng)有：Oracle、 Sybase、 Microsoft SQL Server、 Access等等。雖然絕大多數(shù)的數(shù)據(jù)庫系統(tǒng)使用SQL，但是它們同樣有它們自立另外的專有擴展功能用于它們的系統(tǒng)。但是，標準的SQL命令，比如"Select"、 "Insert"、 "Update"、 "Delete"、 "Create"和 "Drop"常常被用于完成絕大多數(shù)數(shù)據(jù)庫的操作。MS SQL Server 就是用的Transact- SQL。SQL語言有著非常突出的優(yōu)點，SQL語言是非過程化的語言、統(tǒng)一的語言、是所有關(guān)系數(shù)據(jù)庫的公共語言。
標簽： Structured Language Query SQL
上傳時間： 2016-07-23
上傳用戶：cc1015285075
vxWorks下基于緩沖隊列的全雙工網(wǎng)絡通訊.pdf 文章針對半自動大型儀器使用半~K．．T--網(wǎng)絡通訊造成的效率下降問題，建立了在嵌入式實時操作系統(tǒng)vxWorks 下全雙工網(wǎng)絡通訊的模式，并特別提出了雙緩沖隊列的流水線處理方法和通訊死時J"l的概念。該方法充分利用vxWorks 對多任務和網(wǎng)絡的良好支持，做到了在操作人員層面上的軟件零死時間，在改善系統(tǒng)響應特性，提高軟件效率上都很有 幫助。因此比半雙工通訊方式更加適用于半自動控制
標簽： vxWorks 網(wǎng)絡通訊 隊列
上傳時間： 2016-07-25
上傳用戶：zhouli
K-means algorithm, written by visual c++ 6
標簽： algorithm K-means written visual
上傳時間： 2014-11-10
上傳用戶：cylnpy
插件點擊功能代碼 C++編寫 市面上絕對沒有 不同霸王 不容易被K號
上傳時間： 2016-07-28
上傳用戶：xlcky
JFreeChart實例22: 基于 OHLCDataset 數(shù)據(jù)集的K線圖表
標簽： OHLCDataset JFreeChart 22 數(shù)據(jù)集
上傳時間： 2016-07-28
上傳用戶：yulg
用matlab語言實現(xiàn)k均值的模式識別的聚類算法
上傳時間： 2014-01-10
上傳用戶：bcjtao
求第k個最小值問題，中間用半快速排序，教師布置的作業(yè)
標簽：
上傳時間： 2016-07-30
上傳用戶：gxrui1991
這是一些分類器的綜合包括貝葉斯K聚類等
上傳時間： 2016-07-31
上傳用戶：daoxiang126
K-MEANS算法: k-means 算法接受輸入量 k ；然后將n個數(shù)據(jù)對象劃分為 k個聚類以便使得所獲得的聚類滿足：同一聚類中的對象相似度較高；而不同聚類中的對象相似度較小。聚類相似度是利用各聚類中對象的均值所獲得一個“中心對象”（引力中心）來進行計算的。 k-means 算法的工作過程說明如下：首先從n個數(shù)據(jù)對象任意選擇 k 個對象作為初始聚類中心；而對于所剩下其它對象，則根據(jù)它們與這些聚類中心的相似度（距離），分別將它們分配給與其最相似的（聚類中心所代表的）聚類；然后再計算每個所獲新聚類的聚類中心（該聚類中所有對象的均值）；不斷重復這一過程直到標準測度函數(shù)開始收斂為止。一般都采用均方差作為標準測度函數(shù). k個聚類具有以下特點：各聚類本身盡可能的緊湊，而各聚類之間盡可能的分開
上傳時間： 2016-07-31
上傳用戶：youlongjian0
K-MEANS算法: k-means 算法接受輸入量 k ；然后將n個數(shù)據(jù)對象劃分為 k個聚類以便使得所獲得的聚類滿足：同一聚類中的對象相似度較高；而不同聚類中的對象相似度較小。聚類相似度是利用各聚類中對象的均值所獲得一個“中心對象”（引力中心）來進行計算的。 k-means 算法的工作過程說明如下：首先從n個數(shù)據(jù)對象任意選擇 k 個對象作為初始聚類中心；而對于所剩下其它對象，則根據(jù)它們與這些聚類中心的相似度（距離），分別將它們分配給與其最相似的（聚類中心所代表的）聚類；然后再計算每個所獲新聚類的聚類中心（該聚類中所有對象的均值）；不斷重復這一過程直到標準測度函數(shù)開始收斂為止。一般都采用均方差作為標準測度函數(shù). k個聚類具有以下特點：各聚類本身盡可能的緊湊，而各聚類之間盡可能的分開
上傳時間： 2013-12-19
上傳用戶：chenlong
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
