原文地址：http://blogs.msdn.com/b/oldnewthing/archive/2006/08/21/710754.aspx 大家也许经常盯着调用栈，寻找捕捉到的异常以及在哪里发生的异常。 ChildEBP RetAddr Args to Child 030c21d0 76df3448 00000000 030c6138 76db6b0d ntdll!DbgBreakPoint

题目链接：http://acm.hdu.edu.cn/showproblem.php?pid=1133 怎么说呢，做这道题还是感觉很艰难的，最开始我一直没有想明白，到底是怎么排列的。虽然知道是用卡特兰数，但是感觉自己的推理能力还是有限，搞了一下午，终于弄好了。 大概的理解是这样的：跟数的进栈出栈是一样的原理，不过这里用位来分析，可能更直观。假设50的表示为0,100表示为1.一共有m个0和n个1.

威威猫系列故事——过生日 Time Limit: 500/200 MS (Java/Others)    Memory Limit: 65535/32768 K (Java/Others) Total Submission(s): 640    Accepted Submission(s): 160 Problem Description 　　2月29号是威威猫的生日，由于这个日子非常特殊，4年才

BI的体系架构与相关技术 一个BI系统为了满足企业管理者的要求，从浩如烟海的资料中找出其关心的数据，必须要做到以下几步： 1)为了整合各种格式的数据，清除原有数据中的错误记录——数据预处理的要求。 2)对预处理过数据，应该统一集中起来——元数据(Meta Data)、数据仓库(Data Warehouse)的要求； 3)最后，对于集中起来的庞大的数据集，还应进行相应的专业统计，从中发掘出对企业决策

什么是BI？   商业智能也称作BI，是英文单词Business Intelligence的缩写。商业智能的概念最早在1996年提出。当时将商业智能定义为一类由数据仓库（或数据集市）、查询报表、数据分析、数据挖掘、数据备份和恢复等部分组成的、以帮助企业决策为目的技术及其应用。目前，商业智能通常被理解为将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具。这里所谈的数据包括来自企业业务

一个典型的BI系统介绍 　　商业智能系统应具有的主要功能： 读取数据——可读取多种格式（如Excel、Access 、 以Tab分割的txt和固定长的txt等）的文件，同时可读取关系型数据库 (对应ODBC)中的数据 。 　分析功能——关联/限定 关联分析主要用于发现不同事件之间的关联性，即一个事件发生的同时，另一个事件也经常发生 。 关联分析的重点在于快速发现那些有实用价值的关联发生的事件 。

BI的选型 　　要选型，首先要了解目前市场上主流的BI产品： 数据库方面，有DB2、Oracle、SQL Server、Teradata，早先还有专门用于数据仓库的Redbrick（被IBM收编以后，退出历史舞台） 。 　　ETL工具上，像Datastage、Powercenter都是比较主流的，此外，还有很多公司也有自己的ETL产品，例如SAS的ETL Server 、 BO的Data Inte

为了让读者更加清晰地把BI与MIS系统区别开来，本文讨论了BI与DSS（决策支持系统）、EIS（经理执行系统）的主要区别。最后，本文分析了制约BI健康发展的若干因素。     引言　　     商业智能（BI）是目前在国外企业界和软件开发界受到广泛关注的一个研究方向。可以用两点来总结这种研究热点出现的原因：一、信息技术的高速发展带来了企业利用信息技术提高本身竞争力的巨大空间：信息技术不但使企业获取

本文从数据仓库的组成入手，系统的分析了数据仓库的整个体系结构；着重地介绍了在数据仓库的设计过程中必须注意3个关键的问题：选择数据仓库的目标数据库、数据抽取和转换工具及前端数据访问和分析工具。     数据仓库体系结构中存在三个关键问题，即数据仓库的目标数据库选择、数据抽取和转换工具及前端数据访问和分析工具。   一、数据仓库的组成部分       数据仓库技术从本质上讲，是一种信息集成技术，它从多

下沙的沙子有几粒？ 题目描述： http://acm.hdu.edu.cn/showproblem.php?pid=1267 2005年11月份，我们学校参加了ACM/ICPC 亚洲赛区成都站的比赛，在这里，我们获得了历史性的突破，尽管只是一枚铜牌，但获奖那一刻的激动，也许将永远铭刻在我们几个人的心头。借此机会,特向去年为参加ACM亚洲赛而艰苦集训了近半年的各位老队员表示感谢。 实际上，除了获奖以

/* 复习大数问题； */ #include <iostream> #include <cstdlib> #include <cstdio> #include <cstring> #include <algorithm> #include <cmath> #include <string> #include <iomanip> using namespace std; int num[1005]

1、http://poj.org/problem?id=3974 2、题目大意： 给定一串字符串，输出最长回文串的长度，此题难点在于字符串长度1000000，用二维dp会超时，在此用Manacher算法解决，见上一篇博客 Palindrome Time Limit: 15000MS   Memory Limit: 65536K Total Submissions: 2225   Accepted:

#include<iostream> #include<ctime> using namespace std; void main() { int Data[6000]; //存储6000位数的整数数组 int Digit; //数据位数 for(int i = 1;i < 6000;i++) //数组初始化 Data

string add(string s1,string s2) { int j,l,la,lb; string max,min; max=s1;min=s2; if(s1.length()<s2.length()) {max=s2;min=s1;} la=max.size();lb=min.size(); l=la-1;

           首先声明一下，之所以开通这个博客，然后写点东西，真是有点被逼无奈的味道。想下载别人的资源，可是手头没分，不想再麻烦别人帮忙下载，索性自己动手，丰衣足食吧。            在硕士期间，一直做机载LiDAR数据处理方面的相关算法研究。后来发现做着做着跑偏了，跑到三维数据后处理那一块了，基本和LiDAR没了关系，因为获取点云的方式，LiDAR只是其中一种。我也在想要不要看看

最近一个热门话题是雅虎以3000万美元收购了移动阅读应用Summly，真正让人吃惊的不是3000万美元的价格值不值，而是Summly的开发者--只有17岁的尼克·达洛伊西奥。他12岁开始学习编程，2011年（15岁时）因Summly从李嘉诚基金获得了30万美元的支持，2012年获得多位知名人士123万美元的资金支持，2013年以3000万美元的价格将Summly出售给雅虎。 2010年，移动奖励平

http://www.cocoachina.com/applenews/devnews/2013/0329/5914.html 最近一个热门话题是雅虎以3000万美元收购了移动阅读应用Summly，真正让人吃惊的不是3000万美元的价格值不值，而是Summly的开发者--只有17岁的尼克·达洛伊西奥。他12岁开始学习编程，2011年（15岁时）因Summly从李嘉诚基金获得了30万美元的支持，20

int a[105][105]; //大数卡特兰数 int b[105]; //卡特兰数的长度 void catalan() //求卡特兰数 { int i, j, len, carry, temp; a[1][0] = b[1] = 1; len = 1; for(i = 2; i <= 100; i++)

Hard to Believe, but True! The fight goes on, whether to store numbers starting with their most significant digit or their least significant digit. Sometimes this is also called the "Endian War". The

第6章 站点垂直挖掘模型的研究和实现 王晓飞11 (北京邮电大学模式识别实验室) 0  引言 在通过对结构挖掘和内容挖掘的理论研究和方法改进基础上，本章从实际应用的角度出发，分析具体的实际应用需求，设计和实现了基于结构挖掘和内容挖掘的站点垂直挖掘模型。站点垂直挖掘模型由一系列科学严谨的信息挖掘理论和方法构成，通过结构挖掘和内容挖掘，逐步将拥挤、充满噪声的无结构化站点信息转换简洁、扼要的结构化信息。

点击打开链接 Integer Inquiry Time Limit: 1000MS   Memory Limit: 10000K Total Submissions: 26112   Accepted: 10141 Description One of the first users of BIT's new supercomputer was Chip Diller. He extended h

这几天小白让我做一个max-miner 最大项集的挖掘，一般的算法有apriori和FP-TREE 考虑到用FP-TREE 可能有点复杂就用apriori算法先测试下，在小样本测试的时候速度非常快，当对一个5W行的文本测试效率变得不可承受了，因此对算法进行了分析，假设每行有100个单词当用apriori算法对3-候选集进行count的时候每一个候选集需要： 5W * 100*3 = 1500W 次

函数示例：用来计算一个包含64个字的数据包的校验和。 int checksum(int * data) {     char i;     int sum = 0;     for( i = 0; i < 64;i ++)   {     sum += data[i];   }     return sum; } 似乎声明i为char类型是没有什么问题的，甚至可能会觉得一个char类型的数据比in

腾讯编程马拉松一结束，Hdu瞬间被刷爆…… Trie水题刷得差不多了，最近换个专题练练。 十一、从头到尾彻底解析Hash表算法 - 结构之法 算法之道 - 博客频道 - CSDN.NET http://blog.csdn.net/v_july_v/article/details/6256463 哈希表—学习笔记 http://www.360doc.com/content/09/1203/10/11

转自：http://www.voidcn.com/article/p-tucklscf-vb.html     MFC的源代码可以说是微软共享给广大程序员的一笔很宝贵的财富，尤其是调试的时候会调试进去，让我们看到“有代码有真相”。无幻兄弟已经总结过两种方法查看MFC源代码。笔者再在此基础上锦上添花。      一：快速实现类浏览的方法         首先介绍一个快速实现类浏览的方法,使用它不仅可

关联规则挖掘综述 转自：http://www.cnblogs.com/witxjp/archive/2003/09/23/1986213.html   摘  要  本文介绍了关联规则的基本概念和分类方法，列举了一些关联规则挖掘算法并简要分析了典型算法，展望了关联规则挖掘的未来研究方向。   关键词  数据挖掘，关联规则，频集，Apriori算法，FP-树    1 引言  关联规则挖掘发现大量数据

  数据挖掘的一般步骤 从数据本身来考虑，数据挖掘通常需要有信息收集、数据集成、数据规约、数据清理、数据变换、数据挖掘实施过程、模式评估和知识表示8个步骤。 步骤（1）信息收集：根据确定的数据分析对象，抽象出在数据分析中所需要的特征信息，然后选择合适的信息收集方法，将收集到的信息存入数据库。对于海量数据，选择一个合适的数据存储和管理的数据仓库是至关重要的。 步骤 （2）数据集成：把不同来源、格式、

斐波那契数列取模（大数）分治算法 这是算法课程上完分之策略后老师留的一道题目： 菲波那契数列如下：1,1,2,3,5,8,13,21,34......其中a[1] = 1, a[2] = 1, a[n]=a[n-1]+a[n-2]（n>=3）。对给定的下标n，求解a[n]%1997的值. 其中测试数据n是整数范围内。 这个题目，主要是用到很关键的一个数学知识，斐波那契数列的求法，可以转换为矩阵的连

Description The young and very promising cryptographer Odd Even has implemented the security module of a large system with thousands of users, which is now in use in his company. The cryptographic key

在做分类时常常需要估算不同样本之间的相似性度量(Similarity Measurement)，这时通常采用的方法就是计算样本间的“距离”(Distance)。采用什么样的方法计算距离是很讲究，甚至关系到分类的正确与否。 　　本文的目的就是对常用的相似性度量作一个总结。   本文目录： 1. 欧氏距离 2. 曼哈顿距离 3. 切比雪夫距离 4. 闵可夫斯基距离 5. 标准化欧氏距离 6. 马氏距离