计算机病毒及预防

随着计算机及计算机网络的发展,伴随而来的计算机病毒传播问题越来越引起人们的关注。本文简要介绍计算机病毒的形成、分类、及特点,重点介绍了计算机病毒的预防方法。     

计算机病毒防范的对策与方法

本文简要介绍了计算机病毒及计算机病毒防范的内涵,分别讨论了对单机和网络计算机病毒攻击的防范对策与方法。     

快速检测计算机病毒的方法

本文根据不同类型计算机病毒的特点，给出了若干检测计算机病毒的实用方法。     

计算机病毒及预防

随着计算机及计算机网络的发展，伴随而来的计算机病毒传播问题越来越引起人们的关注。本文简要介绍计算机病毒的形成、分类、及特点．重点介绍了计算机病毒的预防方法.     

计算机病毒的特征发展趋势及防范措施

本文着重介绍了计算机病毒的特征、分析了计算机病毒的发展趋势以及如何加强防范,使用户对计算机病毒有一个正确的认识,最大限度地减少计算机病毒给用户带来的损失及危害。     

计算机病毒解析

随着计算机及计算机网络的发展,伴随而来的计算机病毒传播问题越来越引起人们的关注。本文简要介绍计算机病毒的概念、特性、存在方式、存储方式、来源渠道。重点介绍了计算机病毒传染原理。     

计算机病毒解析

随着计算机及计算机网络的发展,伴随而来的计算机病毒传播问题越来越引起人们的关注。本文简要介绍计算机病毒的概念、特性、存在方式、存储方式、来源渠道。重点介绍了计算机病毒传染原理。     

计算机病毒检测与清除浅析

本文介绍了计算机感染病毒后的症状,针对几种常见病毒分析了计算机病毒的特点及危害,说明了检测和清除计算机病毒的基本方法,提出了预防计算机病毒的几点意见。     

计算机病毒武器之探讨

本文主要介绍计算机病毒武器的特点及攻击方式,论述了计算机病毒武器在现代军事对抗中的重要性,同时对计算机病毒武器对抗与传统的电子对抗的关系作出了比较.     

计算机病毒的预防与检测技术研究

计算机病毒是一种人为制造的,对计算机信息系统进行破坏的程序。随着网络的迅速普及,计算机病毒的危害越来越严重。本文将介绍如何发现计算机病毒及常见的计算机病毒的预防措施。     

IE上用"Quick Search"免费快查USP和电脑翻译的方法

介绍美国专利的重要特点和作用;美国专利商标局的网址和主页;美国专利的快速检索入口;免费快速检索美国化工专利的步骤、注意点以及把美国化工专利翻译成中文的方法。     

基于Quick Sorting的快速分页排序算法

提出了分页排序的概念和基于Quick Sorting的快速分页排序算法(Quick Page Sorting)以及基于Hinl缓存机制的算法实现技术。实验表明,在数万至数百万数据总量情况下,Quick Pagc Soring的速度比Quick Sorting快10倍左右,大大提高了应用系统的响应速度。     

方便业务维护打造专用FTP工具

介绍了使用Windows系统级DLL对FTP调用的功能,采用C#编程实现了一个专用的FTP工具,用于完成业务系统的上传、更新、同步等功能,并具有提供业务中FTP对比的特色功能。     

快速插入排序法

设法用减少插入序列长度的办法，提出一种快速插入的排序方法。给出了算法思想、算法描述、算法分析和实验结果。其理论意义是改进了插入排序法的时间复杂度，其实用价值是该排序法的排序效率比直接插入排序法提高43％左右。     

一种快速灾难恢复方法

提出并实现了一种在异地容灾系统中的快速灾难恢复方法。通过快速数据恢复和数据更新两步完成数据恢复,其中快速数据恢复采用差异拷贝恢复技术实现;数据更新采用对基于磁盘块的增量备份进行写重放来实现。该方法的实现使得灾难恢复的速度快、网络负载小、系统服务的丢失少。     

快速识读QRCode码

QR Code码除了具有其他二维条码的优点以外 ,还可超高速全方位识读 ,并有效表示汉字。介绍了二维条码 QR Code码的特点、编码和译码方法。该 QR Code码将为我国信息产业的发展和现代化经济建设带来可观的社会和经济效益     

一种有效的快速细化算法

提出一种有效的快速细化算法，包括两个步骤：首先通过建立weight—value的概念对模板进行分类，然后按照分类后的模板对象素进行删除，使之成为由双层点或单层点构成的子图像；为保证能将双层点细化为单层点，提出两个模板，依据这两个模板进行并行细化从而得到单象素骨架,实验证明这个方法是快速有效的．     

超快速排序算法

快速排序算法结构简单,平均性能较佳;基数排序性能较稳定。结合快速排序和基数排序,提出超快速排序算法,通过理论分析和实验表明,新算法的性能优于快速排序算法和基数排序算法。     

一种快速山峰聚类算法

山峰聚类既可以对数据集进行近似聚类,又可以为其他聚类方法提供聚类所需的初始聚类中心。减法聚类是山峰聚类的改进,它避免了山峰聚类中出现的计算量随样本维数增加呈指数增长的情况。但减法聚类对处理大样本集也力不从心。引入了P-tree数据结构,对高维大样本集进行分解,然后用减法聚类对子样本集进行聚类。此算法既避免了山峰聚类的维数灾难问题,也解决了减法聚类中样本数太大的问题。实验结果证明,该算法有效地减少了运算量,提高了聚类的速度。