handb是一个纯Java编写的小型的关系数据库管理系统。 其中的“数据处理核心”由一为MIDP设计的关系数据查询程序更改而来； 数据存储管理在MIDP系统中由系统提供，而在该系统中提供一简单的实现； SQL语句解析部分，采用拆分和取关键字的方式实现，支持SQL-92中常用的一些语句； 用户接口由一简单的Java服务器更改而来，能够应付普通的访问； 请求调度部分的主要原则是以表为中心，保证表的原子访问。
上传时间： 2015-05-10
上传用户：15736969615
中国联通GSM直放站系统统一监控管理协议规范1.0 本技术规范规定中国联通GSM直放站网络管理协议和直放站设备的网管接口技术要求。 直放站网管系统一般由监控中心、通信信道和直放站三部分组成。监控中心的主要职能是对众多厂家提供的多类型、多数量的直放站进行“集中控制，统一监管”。监控中心对直放站的操作主要包括参数设置、数据查询、告警处理三种主业务；直放站作为被监管对象，在被动应答来自监控中心的命令外还必须将当前故障信息以告警命令的形式主动上报给监控中心。监控中心和直放站的通信方式可以是RS232串口直连、有线MODEM拨号和GSM短信方式等
上传时间： 2015-08-26
上传用户：fnhhs
符号标准化既是组织数据生产的重要手段，又是科学管理数据的重要组成部分。建立标准的符号体系， 对于实现数据的规范管理和社会化信息共享服务具有十分重要的意义。 福建省国土资源信息中心于 2003年 1月着手基于MAPGIS 地理信息系统的部分标准符号库建设，经过 一年多的努力，克服了技术上的种种困难，至目前为止已制作完成适用于土地利用现状、土地利用规划， 矿产资源规划及城镇地籍等数据库建设的符号库，共计约 2400 多个符号。此项目开展初期就得到国土资源 部信息中心的关注和支持，并与武汉大学等科研单位的有关学者和专家进行过技术交流。 2005年 1月20 日，此项目正式通过专家组验收，专家们一致认为：符号库内容丰富、结构模式合理、 编码科学，参数设置合理，并附有使用说明，方便用户使用，建议尽快在全省国土资源系统进行应用。
上传时间： 2014-08-06
上传用户：cjf0304
主要介绍新出现的短距离无线通信标准ZigBee 在单兵综合作战系统生命子系统中的应用。利用生物传感器对 单兵生命体征数据进行采集,利用ZigBee 无线传输模式将这些数据传至单兵穿戴式计算机,计算机对这些数据进行分析整 理后,利用卫星通信将上述结果传回后方指挥中心,为指挥员对部队战斗力的准确判断提供依据。
上传时间： 2015-10-26
上传用户：manlian
iSnamp是宁波中科集成电路设计中心无线通信事业部在Snamp基础上研发的新一代无线传感器网络可视化系统，该系统能够从传感器网络的汇聚(sink)节点获得传感器网络的数据包。
上传时间： 2014-02-14
上传用户：yan2267246
添加商品进入中心数据库，并为报表中心提供基础数据。
上传时间： 2014-01-07
上传用户：独孤求源
洗浴中心管理系统源码 1、SANGNA目录中S_MAIN.EXE为系统收银程序，WYJ目录中J_MANAGER为后台管理模块。 2、系统数据库采用Access2000数据库jiu.mdb，打开密码为wyj7410260912jyw，BDE连接方式，ODBC设置 如下： 在ODBC中添加Microsoft Access Driver (*.mdb)，数据源名称为HOTEL，按选择按钮，选择SANGNA目 录中的JIU.MDB，确定即可。 3、SANGNA中IMAGE目录中存放*.bmp文件为贵宾卡号码对应签名扫描文件。 4、lsh表中Sn_Account字段为单号流水。 5、冗余清除功能是为了防止数据传输错误而设置。
上传时间： 2014-01-17
上传用户：yzy6007
混合高斯模型 对于给定的数据，可以自动选择最佳聚类数目和聚类中心，并根据判决规则进行收敛，运算很快，非常方便
上传时间： 2016-07-22
上传用户：hn891122
K-MEANS算法: k-means 算法接受输入量 k ；然后将n个数据对象划分为 k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小。聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”（引力中心）来进行计算的。 k-means 算法的工作过程说明如下：首先从n个数据对象任意选择 k 个对象作为初始聚类中心；而对于所剩下其它对象，则根据它们与这些聚类中心的相似度（距离），分别将它们分配给与其最相似的（聚类中心所代表的）聚类；然后再计算每个所获新聚类的聚类中心（该聚类中所有对象的均值）；不断重复这一过程直到标准测度函数开始收敛为止。一般都采用均方差作为标准测度函数. k个聚类具有以下特点：各聚类本身尽可能的紧凑，而各聚类之间尽可能的分开
上传时间： 2016-07-31
上传用户：youlongjian0
K-MEANS算法: k-means 算法接受输入量 k ；然后将n个数据对象划分为 k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小。聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”（引力中心）来进行计算的。 k-means 算法的工作过程说明如下：首先从n个数据对象任意选择 k 个对象作为初始聚类中心；而对于所剩下其它对象，则根据它们与这些聚类中心的相似度（距离），分别将它们分配给与其最相似的（聚类中心所代表的）聚类；然后再计算每个所获新聚类的聚类中心（该聚类中所有对象的均值）；不断重复这一过程直到标准测度函数开始收敛为止。一般都采用均方差作为标准测度函数. k个聚类具有以下特点：各聚类本身尽可能的紧凑，而各聚类之间尽可能的分开
上传时间： 2013-12-19
上传用户：chenlong
