原文:SQLServer索引和表体系结构（非聚集索引）非聚集索引概述对于非聚集索引，涉及的信息要比聚集索引更多一些，由于整个篇幅比较大涉及接下来的要写的“包含列的索引”，“索引碎片”等一些知识点，可能要结合起来阅读理解起来要更容易一些。非聚集索引和聚集索引一样都是B-树结构，但是非聚集索引不改变数据的存储方式，所以一个表允许建多个非聚集索引；非聚集索引的叶层是由索引页而不是由数据页组成，索引行包含索引键值和指向表数据存储位置的行定位器，既可以使用聚集索引来
系统 2019-08-12 01:32:21 2523
原文:SQLServer事务嵌套示例代码：DECLARE@TranCounterINT;SET@TranCounter=@@TRANCOUNT;IF@TranCounter>0--Procedurecalledwhenthereis--anactivetransaction.--Createasavepointtobeable--torollbackonlytheworkdone--intheprocedureifthereisan--error.SAVE
系统 2019-08-12 01:32:20 2523
#include#include/*功能：复制进程參数：无返回值：成功：父进程：返回子进程id子进程：返回0失败：返回－1*/pid_tfork(void);由fork创建的新进程被称为子进程（childprocess）。该函数被调用一次，但返回两次。两次返回的差别是子进程的返回值是0，而父进程的返回值则是新进程（子进程）的进程id。将子进程id返回给父进程的理由是：由于一个进程的子进程能够多于一个，没有一个函
系统 2019-08-12 01:31:59 2523
原文:Installshield自动安装IIS组件一．工程类型：IS2010installscript二．原理：1.XP和Server2003系统：由于系统默认没有自带IIS组件，一般情况我们是需要通过添加删除程序----WINDOWS组件安装界面并插入系统盘来进行安装。实际上我们可以不调出添加删除程序界面，而通过系统可选组件安装管理进程”sysocmgr.exe”（systemstand-aloneoptionalcomponentmanager）来调出
系统 2019-08-12 01:31:58 2523
一、引言在现实生活中，有许多只有正样本和大量未标记样本的例子。这是因为负类样本的一些特点使得获取负样本较为困难。比如：负类数据不易获取。负类数据太过多样化。负类数据动态变化。举一个形象点的例子：比如在推荐系统里，只有用户点击的正样本，却没有显性负样本，我们不能因为用户没有点击这个样本就认为它是负样本，因为有可能这个样本的位置很偏，导致用户没有点。因此，有研究人员开始关注PULearning（Positive-unlabeledlearning），即在只有正
系统 2019-09-27 17:56:04 2522
目录0引言1环境2需求分析3代码实现4后记0引言前几天，星球有人提到贪吃蛇，一下子就勾起了我的兴趣，毕竟在那个Nokia称霸的年代，这款游戏可是经典中的经典啊！而用Python(蛇)玩Snake(贪吃蛇)，那再合适不过了先通过下面这个效果图来感受下吧！1环境操作系统：WindowsPython版本：3.7.32需求分析我们先来回顾下贪吃蛇中的游戏元素及游戏规则。首先呢，需要有贪吃蛇、有食物；需要能控制贪吃蛇来上下移动获取食物；贪吃蛇在吃取食物后，自身长度增
系统 2019-09-27 17:55:04 2522
前言之前做了一个校园交友的APP，其中一个逻辑是通过用户的教务系统来确认用户是一名在校大学生，基本的想法是通过用户的账号和密码，用爬虫的方法来确认信息，但是许多教务系统都有验证码，当时是通过本地服务器去下载验证码，然后分发给客户端，然后让用户自己填写验证码，与账号密码一并提交给服务器，然后服务器再去模拟登录教务系统以确认用户能否登录该教务系统。验证码无疑让我们想使得用户快速认证的想法破灭了，但是当时也没办法，最近看了一些机器学习的内容，觉得对于大多数学校的
系统 2019-09-27 17:52:17 2522
前言使用pytest-cov无法统计用api调用服务的测试脚本所覆盖率，但大部分的项目基本也是使用api调用。所以我们额外需要使用coverage.pyapi来统计。当你安装pytest-cov时，已经默认安装了coverage这个库。服务启动要想扫描到代码，必须在服务启动的时候要插入coverage相关配置。我这边是flask启动的，所以在flask启动的代码上添加，如下：if__name__=='__main__':cov=Coverage()cov.
系统 2019-09-27 17:48:14 2522
【机器学习】隐马尔可夫模型及其三个基本问题（四）状态序列预测算法及python实现一、维特比算法二、python实现参考资料隐马尔可夫模型状态序列预测问题是指给定模型λ=[A,B,∏]\lambda=\left[{A,B,\prod}\right]λ=[A,B,∏]和观测序列X={x1,x2,⋯,xn}X=\left\{{{x_1},{x_2},\cdots,{x_n}}\right\}X={x1,x2,⋯,xn}，求最可能出现的对应状态序列。本篇博
系统 2019-09-27 17:47:13 2522
extend()方法追加序列内容到列表。语法以下是extend()方法的语法：list.extend(seq)参数seq--这是列表的元素返回值此方法不返回任何值，但添加内容到现有列表中例子下面的例子显示了extend()方法的使用#!/usr/bin/pythonaList=[123,'xyz','zara','abc',123];bList=[2009,'manni'];aList.extend(bList)print"ExtendedList:",a
系统 2019-09-27 17:47:01 2522
