搜索结果

找到约 33,214 项符合 大数据 的查询结果

按分类筛选

显示更多分类

嵌入式综合 基于AES和ECC的混合加密系统的设计

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。 ...
https://www.eeworm.com/dl/566/35744.html
下载: 31
查看: 1136

人工智能/神经网络 系统聚类算法K-means 属于聚类分析中一种基本的划分方法

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 ...
https://www.eeworm.com/dl/650/133128.html
下载: 72
查看: 1048

人工智能/神经网络 BP智能岩土工程

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。
https://www.eeworm.com/dl/650/143367.html
下载: 57
查看: 1012

数据库系统 1。使用ASP.NET+C# VS.NET 2003制作

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。 ...
https://www.eeworm.com/dl/523/208826.html
下载: 174
查看: 1046

软件设计/软件工程 oci(oracle call interface)

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。
https://www.eeworm.com/dl/684/248674.html
下载: 35
查看: 1026

Java编程 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 ...
https://www.eeworm.com/dl/633/267284.html
下载: 160
查看: 1070

Internet/网络编程 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

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 ...
https://www.eeworm.com/dl/620/279565.html
下载: 153
查看: 1470

人工智能/神经网络 Birch:这是一种综合的层次聚类的方法

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。
https://www.eeworm.com/dl/650/306461.html
下载: 31
查看: 1057

其他行业 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 ...
https://www.eeworm.com/dl/668/310017.html
下载: 152
查看: 1033

数值算法/人工智能 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

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 ...
https://www.eeworm.com/dl/518/314830.html
下载: 46
查看: 1521