利用FoxPro建立容户—服务器应用程序

Microsoft Foxpro for Windows自身的编程语言是Xbase,它能通过ODBC连接到SQL服务器。因此FoxPro既可以作为一个独立的桌面数据库系统运行,也可以作为文件服务器上的一个多用户系统运行,还可以作为一个客户一服务器应用程序中的客户。     

DHTML中的数据绑定技术

前言 数据绑定(Data Binding)的概念在很早的RAD开发工具中就已经具备。在当前比较流行的Client/Server开发工具,如Visual Basic、Delphi等开发工具中都提供数据绑定的技术,开发人员只要简单地设置控件的数据源信息,指定表名或SQL语句就可以获得数据并显示在客户端的用户界面中,极大地提高了技术人员的开发效率。在DHTML中利用Windows ActiveX COM技术提供了类似的数据绑定技术,加快了HTML页面的开发速度和数据显示速度,提高了DHTML操作的灵活性。     

利用SQL-DMO操纵MS SQL Server数据库

一、前言 Microsoft SQL Server 7.0提供了丰富的数据库管理的工具,包括SQL Server Enterprise Manager、BCP、Query Analyzer、SQL-DMO等等,其中SQL-DMO是最灵活和最完整的方法。本文用几个例子,以编程序实现Microsoft SQL Server7.0日常管理的一些工作,从而体会SQL-DMO丰-富的功能和极大的灵活性。如果在自己的应用中要管理和调用SQL Server的其他对象,就必须使用SQL-DMO。 关键字:SQL-DMO, COM, MS SQL Server, Visual Basic SQL-DMO是MS SQL Server提供的基于COM的一组编程接     

在Visual Basic中建立非Access格式的数据库

自从Microsoft推出Visual Basic后,得到了众多Windows下编程人员的青睐.特别是Visual Basic3.0专业版推出以后,增加了一些新工具能让你显示、编辑、修改来自现有各种数据库中的数据,这些数据库包括:Microsoft Access、Microsoft Foxpro、Paradox、Btrieve和DBase;还能通过ODBC和各种大型数据库,如Oracle、Sybase和SQL Server等相连。Visual Basic包含了一种叫数据库引擎(database     

利用VisualBasic检测当前系统信息

一个优良的应用程序应该随时让用户知道操作系统及系统资源的有关信息,诸如Windows的版本、剩余的内存、当前目录以及一些硬件方面的型号等信息都很有用。在Windows中提供了丰富的应用程序接口函数(API),这些函数可以与系统进行交互,取得当前系统的一些信息。Visual Basic具有调用这些API函数的能力。调用这些函数时必须经过下列两个步骤:     

浅议军队媒体的国际传播力

军队媒体是对外报道我军、塑造我军形象的重要阵地，是我军军事软实力的重要组成部分，也是我军军事软实力发挥效能的关键。提升军队媒体的国际传播力，是军队媒体更好地履行自身职能、发挥对外传播能力的关键。在数字信息技术飞速发展的今天，提高我军军队媒体的国际传播力，应当成为我们关注的重要课题。     

在FoxPro中调用Windows API函数及实例

FoxPro程序设计语言包含着比大多数用户在数据库管理系统中所需功能的数量还多的功能。但是还是可以发现一些特定的功能需要在FoxPro外部获得。为适应这种需要,FoxPro提供了使用外部API库的能力。 在FoxPro for Windows中,API使用的外部库的形式是.FLL(Fox Link Library:Fox连接库)。.FLL实际上也是一个Windows.DLL文件,它允许FoxPro for Windows与用C/C++或汇编语言写的程序接口。换句话说,.FLL是FoxPro for Windows与Windows两个系统之间的桥梁。 Foxtools.fll是FoxPro for Windows提供的一     

度量空间中基于距离孤立点的快速挖掘

将数据点的k最近邻（k-NN）距离作为孤立程度指标能够有效地发现数据集中的孤立点,但是基本算法需要O(N2)次数据点间的距离计算,不适用于大数据集.为此提出了一种利用度量空间中三角不等式的快速挖掘算法--提前修剪（ADVP）.ADVP利用每次k-NN查询中保存的近邻点到被查询点的距离计算出近邻点的孤立程度上界.孤立程度上界小于已发现最弱孤立点的孤立程度的数据点可被修剪而无须进行k-NN查询.基于抽样方法优化了搜索次序以提高修剪效果.同时将ADVP自然地扩展为增量式算法.在标准大数据集上的实验结果表明,ADVP和现有算法相比明显节省了计算开销,具有更好的伸缩性;增量式ADVP能够有效地处理新增数据.     

数据库中动态关联规则的挖掘

关联规则能挖掘变量间的相互依赖关系,但是不能反映规则本身的变化规律．为此本文提出了动态关联规则．首先将整个待挖掘数据集按时间划分成若干子集,每个子集挖掘得到的每条规则分别生成一个支持度和一个置信度,这样每条规则在全集上就对应了一个支持度向量和一个置信度向量．通过分析支持度向量和置信度向量,不仅可以发现规则随时间变化的情况,也能够预测规则的发展趋势．本文还提出了两个挖掘动态关联规则的算法,且对他们做了比较．并给出了柱状图和时间序列两种方法分析这两个向量．最后给出了一个挖掘动态关联规则的应用实例。