精华内容
下载资源
问答
  • 华为招聘Java面试题:概念题:1. 描述Struts体系结构?对应各个部分开发工作主要包括哪些?2. JSP有哪些内置对象和动作?它们作用分别是什么?……
  • 早期软件复用主要是代码级复用,被复用知识专指程序,后来扩大到包括领域知识、开发经验、设计决定、体系结构、需求、设计、代码和文档等一切有关方面。 可以被复用软件成分一般称作可复用构件 ...

    软件是计算机系统中与硬件相互依存的另一部分,与计算机系统操作有关的计算机程序、规程、规则,以及可能有的文件、文档及数据。
    软件复用(SoftWare Reuse)是将已有软件的各种有关知识用于建立新的软件,以缩减软件开发和维护的花费。软件复用是提高软件生产力和质量的一种重要技术。早期的软件复用主要是代码级复用,被复用的知识专指程序,后来扩大到包括领域知识、开发经验、设计决定、体系结构、需求、设计、代码和文档等一切有关方面。
    可以被复用的软件成分一般称作可复用构件

    展开全文
  • 对应各个部分开发工作主要包括哪些? Struts 是MVC一种实现,它将 Servlet和 JSP 标记(属于 J2EE 规范)用作实现一部分。Struts继承了MVC各项特性,并根据J2EE特点,做了相应变化与扩展。Struts...
    第二部分:概念题
     
    1.               描述Struts体系结构?对应各个部分的开发工作主要包括哪些?
    Struts 是MVC的一种实现,它将 Servlet和 JSP 标记(属于 J2EE 规范)用作实现的一部分。Struts继承了MVC的各项特性,并根据J2EE的特点,做了相应的变化与扩展。Struts的体系结构与工作原理如下图2所示:
      
      1)模型(Model)  
      在Struts的体系结构中,模型分为两个部分:系统的内部状态和可以改变状态的操作(事务逻辑)。内部状态通常由一组Actinform Bean表示。根据设计或应用程序复杂度的不同,这些Bean可以是自包含的并具有持续的状态,或只在需要时才获得数据(从某个数据库)。大型应用程序通常在方法内部封装事务逻辑(操作),这些方法可以被拥有状态信息的bean调用。比如购物车bean,它拥有用户购买商品的信息,可能还有checkOut()方法用来检查用户的信用卡,并向仓库发定货信息。小型程序中,操作可能会被内嵌在Action类,它是struts框架中控制器角色的一部分。当逻辑简单时这个方法很适合。建议用户将事务逻辑(要做什么)与Action类所扮演的角色(决定做什么)分开。  
      2)视图(View)  
      视图主要由JSP建立,struts包含扩展自定义标签库(TagLib),可以简化创建完全国际化用户界面的过程。目前的标签库包括:Bean TagsHTML tagsLogic TagsNested Tags 以及Template Tags等。
      
      3)控制器(Controller)  
      在struts中,基本的控制器组件是ActionServlet类中的实例servelt,实际使用的servlet在配置文件中由一组映射(由ActionMapping类进行描述)进行定义。对于业务逻辑的操作则主要由ActionActionMappingActionForward这几个组件协调完成的,其中Action扮演了真正的业务逻辑的实现者,ActionMappingActionForward则指定了不同业务逻辑或流程的运行方向。struts-config.xml 文件配置控制器
    展开全文
  • 这些数据结构在存储类型、创建方式和操作方式等方面均有所不同,熟悉它们基本概念和操作技巧,将会让我们能够灵活高效地处理数据。 2.1.1 向量 向量(vector)是用于存储数值型、字符型、逻辑型数据一维数组...

    在大多数情况下,结构化的医学数据是一个由很多行和很多列组成的数据集。在R中,这种数据集被称为数据框。在学习数据框之前,我们先来认识一些用于存储数据的数据结构:向量、因子、矩阵、数组和列表。这些数据结构在存储类型、创建方式和操作方式等方面均有所不同,熟悉它们的基本概念和操作技巧,将会让我们能够灵活高效地处理数据。

    2.1.1 向量

    向量(vector)是用于存储数值型、字符型、逻辑型数据的一维数组。标量可以看作是只含有一个元素的向量。函数c( )可用来创建向量,例如:

    > x1 <- c(2, 4, 1, -2, 5)
    > x2 <- c("one", "two", "three")
    > x3 <- c(TRUE, FALSE, TRUE, FALSE)

    这里x1是数值型向量,x2是字符型向量,而x3是逻辑型向量。每一个向量中的数据类型必须一致。如果想创建有规律的向量,R提供了一些简便的操作和函数,例如:

    > x4 <- 1:5   # 等价于x4 <- c(1, 2, 3, 4, 5)
    > x5 <- seq(from = 2, to = 10, by = 2)   # 等价于x5 <- c(2, 4, 6, 8, 10)
    > x6 <- rep("a", times = 4)   # 等价于x6 <- c("a", "a", "a", "a")

    有时候我们只想使用向量中的某个部分,即选取向量的子集。假设有一个从3到100的步长为7的整数向量,那么第5个数的值是多少呢?

    > x <- seq(from = 3, to = 100, by = 7)
    > x
     [1]  3 10 17 24 31 38 45 52 59 66 73 80 87 94

    请注意,向量x的最后一个数并不是100而是94,因为94再加一个步长7,结果就将超过100了。

    > x[5]
    [1] 31

    在方括号“[ ]”中的数字被称为下标,它指定向量的索引位置。在上面的命令里,x[5]表示向量的第5个元素,其值为31。下面的命令显示向量的第4、第6和第7个元素:

    > x[c(4, 6, 7)]
    [1] 24 38 45

    下标中的向量可以取负值,表示去除指定位置上的元素。例如,要去掉x的前4个元素,可以输入下面的代码(注意命令里的括号):

    > x[-(1:4)]
     [1] 31 38 45 52 59 66 73 80 87 94

    R中的运算都是向量化的,例如:

    > weight <- c(68, 72, 57, 90, 65, 81)
    > height <- c(1.75, 1.80, 1.65, 1.90, 1.72, 1.87)
    > bmi <- weight / height ^ 2
    > bmi
    [1] 22.20408 22.22222 20.93664 24.93075 21.97134 23.16337

    在上面计算bmi的过程中,运算符“^”被循环使用了,所以计算的结果仍然是一个向量。如果参与运算的向量的长度不一致,R会自动补全后计算,同时给出警告信息。

    > a <- 1:5
    > b <- 1:3
    > a + b
    [1] 2 4 6 5 7
    Warning message:
    In a + b : longer object length is not a multiple of shorter object length

    上面向量a的长度为5,向量b的长度为3。在计算a + b时,因为向量b的长度比向量a的短,所以向量b会从第一个元素开始循环使用。因此,在最后的输出中,a中的第四个元素4加上了b的第一个元素1,a中的第五个元素5加上了b的第二个元素2。

    R提供了种类繁多的计算统计量的函数,常用的统计函数见表2-1。用这些函数计算向量的统计量非常方便。下面这段代码演示了其中的几个函数作用于向量bmi后的输出结果。

    > length(bmi)     # 计算向量bmi的长度
    [1] 6
    > mean(bmi)       # 计算向量bmi的均值
    [1] 22.5714
    > var(bmi)        # 计算向量bmi的样本方差
    [1] 1.841265
    > sd(bmi)        # 计算向量bmi的样本标准差
    [1] 1.356932

    表2-1 常用的统计函数

     

    2.1.2 因子

    一般来说,变量有数值型、名义型和有序型之分。名义型变量是没有顺序关系的分类变量,例如人的性别、血型、民族等。而有序型变量是有层级和顺序关系的分类变量,如患者的病情(较差、好转、很好)。名义型变量和有序型变量在R中称为因子(factor)。因子在R中非常重要,它决定了数据的展示和分析方式。数据存储时因子经常以整数向量形式存储。所以在进行数据分析之前,经常需要将它们用函数factor( )转换为因子。例如:

    > sex <- c(1, 2, 1, 1, 2, 1, 2)
    > sex.f <- factor(sex, levels = c(1, 2), labels = c("Male", "Female"))
    > sex.f
    [1] Male   Female Male   Male   Female Male   Female
    Levels: Male Female

    上面的命令先定义了一个变量sex表示性别,假设其取值1表示男性,2表示女性。接着用函数factor( )将变量sex转换成了因子并存为对象sex.f,其中参数levels表示原变量的分类标签值,参数labels表示因子取值的标签。注意,这两个参数在赋值时需要一一对应,R会将它们相关联。因子型变量与一般的字符型变量的区别就是它有一个水平(level)属性。因子的属性可以使用函数levels( )查看:

    > levels(sex.f)
    [1] "Male"   "Female"

    在统计模型中,对于因子型变量,R会将其第一个水平当作参考组。很多时候我们需要改变因子水平的排列顺序以改变参考组,这可以通过两种方法实现。第一种方法是在函数factor( )中改变参数levels和labels的排列顺序,例如:

    > sex.f1 <- factor(sex, levels = c(2, 1), labels = c("Female", "Male"))
    > sex.f1
    [1] Male   Female Male   Male   Female Male   Female
    Levels: Female Male

    第二种方法是使用函数relevel( ):

    > sex.f1 <- relevel(sex.f, ref = "Female")
    > sex.f1
    [1] Male   Female Male   Male   Female Male   Female
    Levels: Female Male

    要表示有序因子,需要在函数factor( )里指定参数ordered = TRUE。例如:

    > status <- c(1, 2, 2, 3, 1, 2, 2)
    > status.f <- factor(status, 
                         levels = c(1, 2, 3), 
                         labels = c("Poor", "Improved", "Excellent"), 
                         ordered = TRUE)
    > status.f
    [1] Poor  Improved  Improved  Excellent  Poor  Improved  Improved 
    Levels: Poor < Improved < Excellent

    2.1.3 矩阵

    矩阵(matrix)是一个由行和列组成的二维数组。矩阵里的每个元素具有相同的模式(数值型、字符型或逻辑型)。在大多数情况下,矩阵里的元素是数值型的,它具有很多数学特性和运算方式,可以用来进行统计计算,例如因子分析、广义线性模型等。函数 matrix( )常用于创建矩阵,例如:

    > M <- matrix(1:6, nrow = 2)
    > M
        [,1] [,2] [,3]
    [1,]   1    3   5
    [2,]   2    4   6

    上面的命令用向量1到6创建了一个行数为2的矩阵,R会根据向量的长度和参数nrow设定的行数自动计算列数。参数byrow默认为FALSE,即按列将数值进行排列,如果需要按行排列,只需将参数byrow设为TRUE。

    常见的矩阵运算都可以在R中实现,如矩阵加法、矩阵乘法、求逆矩阵、矩阵转置、求方阵的行列式、求方阵的特征值和特征向量等。

    矩阵乘法中要求第一个矩阵的列数等于第二个矩阵的行数,其运算符为“%*%”。先创建两个矩阵:

    > mat1 <- matrix(1:6, nrow = 3)
    > mat1
        [,1] [,2]
    [1,]   1    4
    [2,]   2    5
    [3,]   3    6
    > mat2 <- matrix(5:10, nrow = 2)
    > mat2
        [,1] [,2] [,3]
    [1,]   5    7   9
    [2,]   6    8  10

    函数dim( )可以得到矩阵的维数,即行数和列数:

    > dim(mat1)
    [1] 3 2
    > dim(mat2)
    [1] 2 3

    结果表明,mat1是一个3行2列的矩阵,mat2是一个2行3列的矩阵,因此它们可以相乘,结果应该是一个3行3列的矩阵。

    > mat1 %*% mat2
        [,1] [,2] [,3]
    [1,]  29   39  49
    [2,]  40   54  68
    [3,]  51   69  87

    矩阵的转置运算就是把矩阵的行和列互换。例如,求矩阵mat1的转置矩阵:

    > t(mat1)
        [,1] [,2] [,3]
    [1,]   1    2   3
    [2,]   4    5   6

    求方阵的行列式和逆矩阵分别可以使用函数det( )和函数solve( )实现,例如:

    > mat3 <- matrix(1:4, nrow = 2)
    > det(mat3)
    [1] -2
    > solve(mat3)
        [,1] [,2]
    [1,]  -2  1.5
    [2,]   1 -0.5

    此外,我们还可以对矩阵按行、列求和或者求平均,例如:

    > rowSums(mat1)
    [1] 5 7 9
    > colSums(mat1)
    [1]  6 15
    > rowMeans(mat1)
    [1] 2.5 3.5 4.5
    > colMeans(mat1)
    [1] 2 5

    与矩阵运算有关的函数在此无法一一详述,读者有需要时可以通过查阅CRAN的相关文档了解更多矩阵运算函数用法的细节。

    使用索引访问矩阵元素也是矩阵的基本操作,与向量类似,我们可以用“[]”来索引访问矩阵中的元素。不同的是,对于矩阵,在“[ ]”中需要用逗号分隔行号和列号。例如,选取矩阵mat1的前两行和前两列,可以使用下面的命令:

    > mat1[1:2, 1:2]
        [,1] [,2]
    [1,]   1    4
    [2,]   2    5

    如果省略了行号或列号,则表示选取所有行或者所有列,例如:

    > mat1[2:3,]
        [,1] [,2]
    [1,]   2    5
    [2,]   3    6

    2.1.4 数组

    通常所说的数组(array)指的是多维数组,它与矩阵类似,但是维数大于2。数组有一个特殊的维数(dim)属性。下面的命令给一个向量加上维数后定义了一个数组,请注意数值的排列顺序。

    > A <- 1:24
    > dim(A) <- c(3, 4, 2)
    > A
    , , 1
        [,1] [,2] [,3] [,4]
    [1,]   1    4   7  10
    [2,]   2    5   8  11
    [3,]   3    6   9  12
    
    , , 2
        [,1] [,2] [,3] [,4]
    [1,]  13   16  19  22
    [2,]  14   17  20  23
    [3,]  15   18  21  24

    上面的数组还可以通过函数array( )创建,并给各个维度添加名称和标签。

    > dim1 <- c("A1", "A2", "A3")
    > dim2 <- c("B1", "B2", "B3", "B4")
    > dim3 <- c("C1", "C2")
    > array(1:24, dim = c(3, 4, 2), dimnames = list(dim1, dim2, dim3))
    , , C1
      B1 B2 B3 B4
    A1 1  4  7 10
    A2 2  5  8 11
    A3 3  6  9 12
    
    , , C2
       B1 B2 B3 B4
    A1 13 16 19 22
    A2 14 17 20 23
    A3 15 18 21 24

    2.1.5 列表

    列表(list)是R中最灵活也最复杂的一种数据结构,它可以由不同类型的对象混合组成。例如,它可以是向量、数组、表格和任意类型对象的组合。

    > list1 <- list(a = 1, b = 1:5, c = c("red", "blue", "green"))
    > list1
    $a
    [1] 1
    
    $b
    [1] 1 2 3 4 5
    
    $c
    [1] "red"   "blue"   "green"

    注意,函数list( )的参数由一系列新对象组成,这些对象从现有对象或值中分配值。显示列表时,每个新对象名都以符号“$”作为前缀。

    在普通的数据分析中,创建列表并不是一项常见的任务。但是,很多函数的返回值是一个列表。例如:

    > set.seed(123)
    > dat <- rnorm(10) 
    > bp <- boxplot(dat)
    > class(bp)
    [1] "list"

    上面的命令用函数rnorm( )从标准正态分布中生成了一个由10个数组成的随机样本。为了使结果具有可重复性,我们在该命令前用函数set.seed( )设置了生成随机数的种子。如果不设定种子,每次显示的结果很可能不同。然后,用函数boxplot( )对这个随机样本作箱线图,并把结果保存为bp。函数class( )用于查看对象的类型,这里bp是一个列表。查看这个列表里面的内容:

    > bp
    $stats
              [,1]
    [1,] -1.26506123
    [2,] -0.56047565
    [3,] -0.07983455
    [4,]  0.46091621
    [5,]  1.71506499
    
    $n
    [1] 10
    
    $conf
             [,1]
    [1,] -0.5901626
    [2,]  0.4304935
    
    $out
    numeric(0)
    
    $group
    numeric(0)
    
    $names
    [1] "1"

    这里列表bp包含了多个对象,如果想查看或使用某一个对象,只需用“$”符号引用。例如,要查看列表bp中的对象stats的内容,可以输入:

    > bp$stats
              [,1]
    [1,] -1.26506123
    [2,] -0.56047565
    [3,] -0.07983455
    [4,]  0.46091621
    [5,]  1.71506499

    2.1.6 数据框

    数据框(dataframe)是一个由行和列组成的二维结构,其中行表示观测(observation)或记录(record),列表示变量(variable)或指标(indicator)。数据框与Excel、SAS和SPSS中的数据集类似。数据框看起来与矩阵很相似,而且矩阵的很多操作也适用于数据框,如子集的选择。与矩阵不同的是,数据框里不同的列可以是不同模式(数值型、字符型等)的数据。数据框可以通过函数data.frame( )创建。例如,下面的代码创建了一个包含5个观测对象、4个变量的数据框:

    > ID <- 1:5
    > sex <- c("male", "female", "male", "female", "male")
    > age <- c(25, 34, 38, 28, 52)
    > pain <- c(1, 3, 2, 2, 3)
    > pain.f <- factor(pain,
    +                  levels = 1:3,
    +                  labels = c("mild", "medium", "severe"))
    > patients <- data.frame(ID, sex, age, pain.f)
    > patients
      ID    sex  age  pain.f
    1  1   male   25  mild
    2  2 female   34  severe
    3  3   male   38  medium
    4  4 female   28  medium
    5  5   male   52  severe

    数据框本质上也是一种列表,要显示或使用数据框的某一变量(列),可以使用“$”符号加上变量名。例如:

    > patients$age
    [1] 25 34 38 28 52
    > mean(patients$age)
    [1] 35.4

    大部分结构化的医学数据集均以数据框的形式呈现,因此,数据框是本书中最常处理的数据结构。关于数据框的操作将在第3章中详细讨论。

    2.1.7 数据类型的转换

    在进行数据分析时,分析者需要对数据的类型熟稔于心,因为数据分析方法的选择与数据的类型是有密切联系的。R提供了一系列用于判断某个对象的数据类型的函数,还提供了将某种数据类型转换为另一种数据类型的函数。这些函数都存在于基本包base里,表2-2列出了其中的一部分常用函数。

    表2-2 数据类型的判断与转换函数

     

    以“is.”开头的函数的返回值为TRUE或FALSE,而以“as.”开头的函数将对象转换为相应的类型。例如:

    > x <- c(2, 5, 8)
    > is.numeric(x)
    [1] TRUE
    > is.vector(x)
    [1] TRUE
    > y <- as.character(x)
    > y
    [1] "2" "5" "8"
    > is.numeric(y)
    [1] FALSE
    > is.character(y)
    [1] TRUE
    > z <- c(TRUE, FALSE, TRUE, FALSE)
    > is.logical(z)
    [1] TRUE
    > as.numeric(z)
    [1] 1 0 1 0

    本文摘自《 R语言医学数据分析实战》

     

    • 医学统计学入门,华中科技大学同济医学院余松林教授作序推荐
    • 强调实战和应用,突出问题本质和整体结构
    • 包含大量的R程序示例和图形,带你更深入地理解数据分析

    本书共分为14章,第1章~第3章介绍了R语言的基本用法;第4章介绍了数据可视化;第5章介绍了基本的统计分析方法;第6章~第8章介绍了医学研究中最常用的三种回归模型;第9章介绍了生存分析的基本方法;第10章~第12章介绍了几种常用的多元统计分析方法;第13章介绍了临床诊断试验的统计评价指标和计算方法;第14章介绍了在医学科研实践中常用的Meta分析方法。
    本书适用于临床医学、公共卫生及其他医学相关专业的本科生和研究生使用,亦可作为其他专业的学生和科研工作者学习数据分析的参考书。阅读本书,读者不仅能掌握使用R及相关包快速解决实际问题的方法,还能更深入地理解数据分析。

    展开全文
  • 数据模型包括数据结构,对数据操作和约束。 例如:关系模型(数据模型之一),关系模型所有模式都可以抽象为表(数据结构形式,而每一个具体模式都是具有不同列名具体表 3.数据模型有哪些? 常见...

    1.什么是模式?

    模式是对数据的抽象。模式:对数据库的描述被称为数据库模式(database scheme)
    例如:在这里插入图片描述
    表格1的模式就是姓名,年龄,班级

    在这里插入图片描述
    上面这张表的模式就是:ID,职位,工资

    2.什么是数据模型?

    数据模型是对模式的抽象
    数据模型是 规定了模式统一描述方法的模型。数据模型包括数据结构,对数据的操作和约束。
    例如:关系模型(数据模型之一),关系模型的所有模式都可以抽象为表(数据结构)的形式,而每一个具体的模式都是具有不同列名的具体的表

    3.数据模型有哪些?

    常见的数据模型有:
    关系模型(以表为数据结构)
    层次模型(以树为数据结构)
    网状模型(以图为数据结构)
    

    4.数据库系统的三层模式体系结构

    4.1外模式(外部视图,局部模式,用户模式)对局部数据的结构描述叫做外模式
    4.2概念模式(全局模式,逻辑模式)从全局的角度理解管理的数据的结构描述,体现在数据之间的内在本质联系
    4.3内模式:存储在介质上的数据的结构描述,含有存储路径,存储方式,索引方式等。
    4.4两层映射:由外部试图到概念模式的映射叫做E-C映射
    由概念模式到内模式的映射叫做C-I映射
    

    5.数据独立性:

    数据独立性是为了,如果数据发生改变,由数据制作的应用程序仍然可以正常运行,而不必重新修改应用程序,即外模式不变。

    数据独立性包括物理数据独立性逻辑数据独立性

    5.1 物理数据独立性:当内部模式发生变化时,可以不改变概念模式,只改变(C-I映像)从而也不需要改变外部模式
    5.2 逻辑数据独立性:当概念模式变化时,可以不用改变外部模式(只需要改变E-C映像),从而无需改变外模式。
    

    6.数据库管理系统语言:

    6.1 DDL( Data DEfinition language)用于数据定义,例如:在关系数据库中定义一张表。
    6.2 DML( Data Manipulation language)用于对数据的操作,例如:增删改查
    6.3 DCL( Data Control Language)访问控制,控制哪些用户可以访问数据库的哪些部分。
    

    三者结合起来既现在常用的SQL

    展开全文
  • 第9章 面向对象分析设计与实现 主要学习内容 传统方法学缺点 面向对象基本概念 面向对象分析 面向对象设计 面向对象实现 9.1 传统方法学存在缺点 1存在问题 生产率提高幅度远不能满足需要传统软件工程...
  • 第 4 章 类与对象 4.1 基本概念 4.1.1 面向对象编程简介 面向对象编程或面向对象设计均可称为 OOP 它是目前 占 主流地位的一种程序设计方式取代了先前的所谓结构化 面向过程的编程技术 传统的结构化编程是设计一组...
  • 从HBase架构图上可以看出,HBase中存储包括HMaster、HRegionServer、HRegion、Store、MemStore、StoreFile、HFile、HLog等,本篇文章统一介绍他们作用即存储结构。 以下是网络上流传HBase存储架构图: ...
  • (1)结构化数据,简单来说就是数据库。...(2)非结构化数据库是指其字段长度可变,并且每个字段记录又可以由可重复或不可重复子字段构成数据库,用它不仅可以处理结构化数据(如数字、符号...
  • task_struct是Linux内核一种数据结构,它会被装载到RAM(内存)里并且包含着进程信息。 task_ struct内容分类 标示符: 描述本进程唯一标示符,用来区别其他进程。 状态: 任务状态,退出代码,退出信号等。 ...
  • 搜索引擎优化SEO一般有哪些步骤或环节? SEO并不是简单几个秘诀或几个建议,而是一项需要足够耐心和细致脑力劳动。大体上,SEO包括六个环节: ...网站结构符合搜索引擎爬虫喜好则有利于SEO。网站...
  • 一棵非空包括一个根结点,还(很可能)有多个附加结点,所有结点构成一个多级分层结构。 文章目录二叉树二叉树遍历方法AVL树红黑树B树B+树 二叉树 每个结点至多拥有两棵子树(即二叉树中不存在度大于2结点),...
  • ElasticSearch基本概念

    2020-11-08 16:55:20
    Elasticsearch 是一个分布式开源搜索和分析引擎,适用于所有类型数据,包括文本、数字、地理空间、结构化和非结构化数据。 可以在承载了pb级数据成百上千服务器上运行 具有横向扩展性,高可用性,使用简单...
  • WebKit 布局标准和概念

    千次阅读 2010-09-19 13:30:00
    其主要数据结构及流程都包括哪些呢?其布局基本概念及标准都有哪些呢?下面分别介绍WebKit对其实现及运用。我们首先从关于布局基本概念及标准认识开始。 一、CSS布局相关标准介绍 其实我们对要素布局都...
  • 目录 计算机网络定义 协议定义 计算机网络功能 计算机网络分类 ...计算机网络定义 ...计算机网络是互连、自治计算机集合 ...语义就是定义实体之间交换信息中需要发送或包含哪些控制信息,这些...
  • UML基本概念

    千次阅读 2013-04-23 00:13:35
    什么是uml? UML统一建模语言,图形化语言... 反应一个软件系统基础、固定框架结构。  创建相关问题域主要元素视图 静态建模包括:用例图、类图、对象图、组件图、部署图。 动态建模包括:时序图、协作图、
  • J2EE官方说是一套全然不同于传统应用开发技术框架,包括许多组件,主要可简化且规范应用系统开发与部署,进而提高可移植性、安全与再用价值。简单一句话就是“统一系统开发和部署一种规范,让不同系统开发...
  • 对于广大用户来说,只有从自身应用需求出发,破除技术和概念的神秘性,奉行“拿来主义”,避虚就实,密切关注技术发展的方向,方可获得满意的产品、解决方案和经济效益。 <br> 总之,数据仓库并非是一个仅仅...
  • 7.1基本概念

    2018-08-19 22:47:00
    94.XML文档结构包括哪些  XML就是可扩展性标记语言,XML是一种简单数据存储语言,使用一系列简单标记描述数据。在逻辑上,XML文档组成部分包括声明、元素、注释、字符引用和处理指令。 95.简述XML优缺点  ...
  • 第3章~第15章详细讲解了C语言相关知识,包括数据类型、格式化输入/输出、运算符、表达式、语句、循环、字符输入和输出、函数、数组和指针、字符和字符串函数、内存管理、文件输入输出、结构、位操作等。...
  • 明确操作系统包括哪些功能 明确用户模式和内核模式的概念及作用 内核模式拥有更高权限 用户模式通过陷阱或中断进入内核模式 了解操作系统提供服务有哪些 明确系统调用工作机制 程序员更偏爱使用api ...
  • C#数据结构

    2013-12-10 11:49:54
    数据存储结构包括顺序存储结构和链式存储结构两种。顺序存储结构 (Sequence Storage Structure)是通过数据元素在计算机存储器中相对位置来表 示出数据元素逻辑关系,一般把逻辑上相邻数据元素存储在物理位置...
  • 现代教育技术课程内容结构学习目标与习题 第9 章 教学过程设计与评价 内容结构 学习目标 1... 谈谈你对教学设计概念的理解 2. 教学设计过程模式包括哪些核心要素 3. 教学设计的前期分析包括哪些工作 4. 试对一个你所
  • 包括Web页面的结构、Web的外观视觉表现以及Web层面的交互实现。 web前端分为网页设计师、网页美工、web前端开发工程师。首先网页设计师是对网页的架构、色彩以及网站的整体页面代码负责网页美工只针对UI这块的东西,...
  • redis 数据结构及常见命令

    千次阅读 2019-07-05 23:36:53
    目前为止,我们所知道Redis构成仅包括命令、关键字和值,还没有接触到关于数据结构的具体概念。当我们使用set命令时,Redis是怎么知道我们是在使用哪个数据结构?其解决方法是,每个命令都相对应于一种特定数据...
  • 7.3 结构化文档表示

    2011-06-06 18:28:00
    7.3 结构化文档表示 ...图 7.3 显示了带注释示例文档,它可以给你一个概念,格式包括哪些内容。 有两种不同部分。简单部分,如 TextPart 和 ImagePart,包含内容,但是不能包含嵌套部分。在另一...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 442
精华内容 176
关键字:

概念的结构包括哪些