基于AES的加密算法具有速度快、强度高、便于实现等优点和ECC加密算法具有密钥分配与管理简单、安全强度高等优点，采用AES加密算法加密大数据块，而用ECC加密算法管理AES密钥，通过集成AES加密算法和ECC加密算法的优点，实现了加密速度快和安全方便管理密钥的优点，有效地解决了密码体制中速度和安全性不能兼顾的问题。
上传时间： 2013-11-26
上传用户：qq521
系统聚类算法K-means 属于聚类分析中一种基本的划分方法，常采用误差平方和准则函数作为聚类准则，该算法在处理大数据集时是相对可伸缩且高效率的，同时具有潜在的数据并行性。但是这种算法依赖于初始值的选择以及数据的输入顺序；此外，当运用误差平方和准则函数测度聚类效果时，如果各簇的形状和大小差别很大，为使误差平方和 Jc 值达到最小有可能出现将大的聚类簇分割的现象。
上传时间： 2015-03-25
上传用户：zhuoying119
BP智能岩土工程，为初学者提供学习。高手可以进行更改程序不能处理大数据量的错误。
上传时间： 2015-04-20
上传用户：13681659100
1。使用ASP.NET+C# VS.NET 2003制作，代码和界面分离，调试维护方便。是用用户控件，大量修改方便。 2。使用SQL2000，支持大数据量的应用。 3。贴图看图功能强； 4。无第三方控件，调试运行方便； 5。代码完全开放，使用技术简单明了，适用于初学者学习，也适用于中高级开发人员发展分支。
上传时间： 2014-11-04
上传用户：thesk123
oci(oracle call interface)，一般调用数据库都用ADO，但是在大数据量频繁操作数据库的情况下，专用接口更可取，尤其是改变数据的情况。
上传时间： 2016-01-19
上传用户：BOBOniu
社区文章采用的是平板、树形自由选择的两种展示方式，社区整体布局采用左右分帧，这样的结构更适合版面较多的网站使用！ 社区支持无限级分类，左侧工具栏静态化再多的版面也不会影响速度。 大量的使用高性能缓存使得软件在高并发下对数据库的压力降到最低！支持分布式Cache! 软件经过优秀的用户体验专家和交互设计师指点注重每一个细节的设计! DIV+CSS架构页面，使得更换样式变得异常简单，让网友浏览大数据量网页没有卡住的感觉！ 细心的人会发现，我们在浏览器兼容方面所做的努力，社区99％以上的页面是完全兼容IE、friefox、oprea等主流浏览器的！ 论坛设置了些好玩的快捷键比如alt+enter发帖、alt+i进入个人信息页、alt+m提取短消息等等... 社区依据SNS理念设计用户，你不仅可以看到最近谁加你为好友，且可以看到好友最近发表的文章、好友最近参与的文章以及你最近被回复的文章等信息，极大的增加了交互性！ 优秀的个性化配置设计，每个人都可以设置Email过滤级别、短消息过滤级别、发表文章成功后跳转到的页面、登录成功后跳转到的页面、收件箱，发件箱每页显示短消息的数量等，增加了软件的友好性，充分体现以用户为中心的产品设计！
上传时间： 2013-12-30
上传用户：iswlkje
UDP安全传输（完整源码） 1、自动分包组包 2、支持一次性发送任意大小的包 3、支持安全控制 4、根据丢包率和网速度动态控制发包速度（因时间的局限此功能未很好的实现） 5、对于用户透明的接口（开发人员不用关心实现细节可以和使用其它UDP控件一样简单的使用本类） 接口的简单说明，使用本类很简单 当想要发送大数据包或者具有安全控制的数据包就使用方法 SafeSendBuff 即可：） 当然接收方必须使用本类（即服务端。因为偶需要自动处理分包、组包、重发等细节） 给事件成员OnDataCase付值即可该事件是接收到数据时触发 具体使用方法请见演示程序 DemoClient.exe 为接收窗体 DemoServer.exe 为发送窗体 发送202575字节的东西需要3秒时间
上传时间： 2016-04-04
上传用户：change0329
Birch:这是一种综合的层次聚类的方法，它介绍了两个概念，聚类特征和聚类特征树，它们是用来表示聚类的。这些结构能够帮助聚类方法能运行得更快，能够处理大数据量。
上传时间： 2014-01-13
上传用户：小宝爱考拉
社区文章采用的是平板、树形自由选择的两种展示方式，社区整体布局采用左右分帧，这样的结构更适合版面较多的网站使用！ 社区支持无限级分类，左侧工具栏静态化再多的版面也不会影响速度。 大量的使用高性能缓存使得软件在高并发下对数据库的压力降到最低！支持分布式Cache! 软件经过优秀的用户体验专家和交互设计师指点注重每一个细节的设计! DIV+CSS架构页面，使得更换样式变得异常简单，让网友浏览大数据量网页没有卡住的感觉！ 细心的人会发现，我们在浏览器兼容方面所做的努力，社区99％以上的页面是完全兼容IE、friefox、oprea等主流浏览器的！
上传时间： 2013-12-10
上传用户：dongqiangqiang
CURE（Clustering Using Representatives）是一种针对大型数据库的高效的聚类算法。基于划分的传统的聚类算法得到的是球状的，相等大小的聚类，对异常数据比较脆弱。CURE采用了用多个点代表一个簇的方法，可以较好的处理以上问题。并且在处理大数据量的时候采用了随机取样，分区的方法，来提高其效率，使得其可以高效的处理大量数据。
标签： Representatives Clustering Using CURE
上传时间： 2016-06-30
上传用户：dongqiangqiang
