如何让Windows98快速启动

有一个朋友跟我说：最近买了一台 ＰＩＩＩ ７３３电脑。可是启动时还是很慢。其实,要让 Ｗｉｎｄｏｗｓ ９８快速启动是可以的,最好进行如下设置。ＩＣＭＯＳ设置 在Ｓｔａｎｄａｒｄ ＣＭＯＳ ｓｅｔｕｐ里将没有连接ＩＤＥ设备的端口设置为 Ｎｏｎｅ。将 ＣＰＵ Ｉｎｔｅｒｎａｌ ｃａｃｈｅ, Ｅｘｔｅｒｎａｌ ｃａｃｈｅ设为 Ｅｎ－ａｂｌｅｄ。将 Ｑｕｉｃｋ ｐｏｗｅｒ ＯＮ ｓｅｌｆＴｅｓｔ设为 Ｅｎａｂｌｅｄ。将 ＳｙｓｔｅｍＢｏｏｔ ｕｐ ｓｐｅｅｄ设为 Ｈｉｇｈ。将 Ｂｏｏｔ ｓｅｑｕｅｎｃｅ设为 Ｃ ｏｎｌｙ。将Ｆｌ…     

功能强大的POWER TOY

ＰＯＷＥＲＴＯＹ这个软件包 ,包括了１５个“玩具”！它们是ＴｗｅａｋＵＩ,ＦｉｎｄＸ,ＳｅｎｄｔｏＸ,ＳｈｏｒｔｃｕｔＴａｒｇｅｔＭｅｎｕ,ＥｘｐｌｏｒｅｒＦｒｏｍＨｅｒｅ,ＤＯＳＰｒｏｍｐｔＨｅｒｅ,ＲｏｕｎｄＣｌｏｃｋ,ＤｅｓｋＭｅｎｕ,ＣａｂＦｉｌｅＶｉｅｗｅｒ,ＦｌｅｘｉＣＤ,ＦａｓｔＦｏｌｄｅｒＣｏｎｔｅｎｔｓ,ＴａｐｉＴＮＡ（ＴｅｌｅｐｈｏｎｙＴａｓｋｂａｒＮｏｔｉｆｉ ｃａｔｉｏｎＡｐｐｌｉｃａｔｉｏｎ）,Ｑｕｉｃｋｅｒ,ＸＭｏｕｓｅ,Ａｕｔｏｐｌａｙ。由ＭｉｃｒｏｓｏｆｔＷｉｎ９５…     

WinISO 4.0.0.104文件管理软件

现在网上有许多光盘镜像文件。比较常见的文件格式有ＩＳＯ和ＮＲＧ。这些镜像文件大多是由Ｅａｓｙ ｃｄ ｃｒｅａｔｏｒ、ＣＤＲＷｉｎ、Ｎｅｒｏ等刻录软件制作的,虽然我们可以通过刻录软件来查看这些镜像文件里的内容,但一来不能修改里面的内容,二来操作烦琐,另外没有刻录机的朋友只能望“洋”兴叹了。 ＷｉｎＩＳＯ除了可以直接打开ＩＳＯ、ＢＩＮ（ＣＤＲＷｉｎ）、ＮＲＧ（Ｎｅｒｏ）、ＩＭＧ（ＣｌｏｎｅＣＤ）,ＣＩＦ（Ｅａｓｙ ｃｄ ｃｒｅａｔｏｒ）等光盘镜像文件以及 ＦＣＤ（Ｖｉｒｔｕｒａｌ ＣＤ－ＲＯＭ）、ＶＣＤ（…     

PRODUCT MODELLING TO SUPPORT PRODUCT DEVELOPMENT IN A VIRTUAL ENTERPRISE

ＰＲＯＤＵＣＴＭＯＤＥＬＬＩＮＧＴＯＳＵＰＰＯＲＴＰＲＯＤＵＣＴＤＥＶＥＬＯＰＭＥＮＴＩＮＡＶＩＲＴＵＡＬＥＮＴＥＲＰＲＩＳＥＺｈａｎｇＤａｎ；ＺｈａｎｇＷｅｎｊｕｎＡｂｓｔｒａｃｔ：ＴｈｅｃｏｎｃｅｐｔｏｆＶｉｒｔｕａｌＥｎｔｅｒｐｒｉｓｅ（ＶＥ）...     

A NOVEL DEFINITION OF FORM FEATURE

ＡＮＯＶＥＬＤＥＦＩＮＩＴＩＯＮＯＦＦＯＲＭＦＥＡＴＵＲＥＧａｏＦｅｉ；ＹｅＳｈａｎｇｈｕｉＡＮＯＶＥＬＤＥＦＩＮＩＴＩＯＮＯＦＦＯＲＭＦＥＡＴＵＲＥ￥ＧａｏＦｅｉ；ＹｅＳｈａｎｇｈｕｉＡｂｓｔｒａｃｔＢｅｉｎｇａｎｅｓｓｅｎｔｉａｌｃｏｎｃｅｐｔｉ...     

双边障碍问题的迭代法

双边障碍问题的迭代法李董辉，曾金平（湖南大学应用数学系）ＩＴＥＲＡＴＩＶＥＳＯＬＵＴＩＯＮＦＯＲＴＷＯ－ＳＩＤＥＤＯＢＳＴＡＣＬＥＰＲＯＢＬＥＭＳ￥ＬｉＤｏｎｇ－ｈｕｉ；ＺｅｎｇＪｉｎ－ｐｉｎｇ（ＨｕｎａｎＵｎｉｖｅｒｓｉｔｙ）Ａｂｓｔｒａｃｔ：Ｉｎ...     

A FEATURE－BASED PRODUCT MODELLING SYSTEM ON PC （CASE STUDY OF PARTS DESIGN FOR PRESS MACHINE）

ＡＦＥＡＴＵＲＥ－ＢＡＳＥＤＰＲＯＤＵＣＴＭＯＤＥＬＬＩＮＧＳＹＳＴＥＭＯＮＰＣ（ＣＡＳＥＳＴＵＤＹＯＦＰＡＲＴＳＤＥＳＩＧＮＦＯＲＰＲＥＳＳＭＡＣＨＩＮＥ）ＹｏｎａｓＨａｇｏｓ；ＴｏｎｇＢｉｎｇｓｈｕＡｂｓｔｒａｃｔ：Ｔｈｉｓａｒｔｉｃｌｅｒｅｐｏ...     

新闻追踪

［综合新闻］ＡＦＣ提出ＳＡＡ概念 ＡＰＣ公司今日在全球范围内做出重要战略调整,提出了ＳＡＡ（Ｓｔｒａｔｅｇｙ Ａｐｐｌｉｃａｔｉｏｎ Ａｒｅａ——战略应用领域）概念。根据这个概念,ＡＰＣ把主要市场分为４个ＳＡＡ,分别是ＳＯＨＯ（小型办公和家用市场）、 Ｂｕｓｉｎｅｓｓ Ｎｅｔｗｏｒｋ（中小企业市场）、 Ｅｎｔｅｒｐｒｉｓｅ（大企业市场）和ＤＣ Ｎｅｔｗｏｒｋ（直流电源市场）。与这四个市场相对应的产品是Ｓｕｒｇｅ Ａｒｒｅｓｔ浪涌保护插座和 Ｂａｃｋ－ＵＰＳ、 Ｓｍａｒｔ－ＵＰＳ和 Ｍａｔｒｉｘ－ＵＰＳ、Ｓ…     

AutoCAD 2000二次开发中ADS及AutoLISP旧有程序的处理

1　已有ＡＤＳ程序的利用在ＡｕｔｏＣＡＤ 2 0 0 0中 ,ＡＤＳ部分有下面的变化 :1、源程序是用ＯｂｊｅｃｔＡＲＸ的函数库进行编译的 ,生成的是以“ .ＡＲＸ”为扩展名的动态连接库文件 (ＤＬＬ)。2、加载ＡＤＳ的应用程序和加载ＯｂｊｅｃｔＡＲＸ应用程序的方法是一样的。3、“ａｄｓ”函数已被改名为ａｃｄｂＦｕｎｃＮａｍｅ()、ａｃｅｄＦｕｎｃＮａｍｅ()或ａｃｕｔＦｕｎｃＮａｍｅ() ,这些函数的名字显示了它们在Ｏｂｊｅｃ ｔＡＲＸ系统里的功能。以“ａｄｓ”为前缀的函数不再被单独提供。4、ＡＤＳ已成为ＯｂｊｅｃｔＡＲＸ的…     

连续媒体服务中的数据替换算法研究

在研究连续媒体服务性的基础上提出了一种新的数据替换算法ＥＬＦＵ（ｅｘｔｅｎｄｅｄｌｅａｓｔ ｆｒｅｑｕｅｎｔｌｙ ｕｓｅｄａｌｇｏｒｉｔｈｍ）,该算法结合预约服务采用主动替换策略,预先将待访问页面替换到磁盘子系统,从而大大降低系统缺页率,提高系统效率,首先对连续媒体服务如ＶＯＤ的特性进行了研究,其次讨论了连续媒体的存储模型,然后结合连续媒体服务的特性和存储模型,提出了数据替换算法ＥＬＦＵ,并对其基     

集群VOD系统中磁盘Cache替换算法研究

根据VOD的特点开发了两种基于访问频率的替换算法：LFRU(least frequeney and recently used)和PLFU(period least frequency used)算法,它们都试图将访问频率大的视频数据保留在Cache中。LFRU算法结合了数据的访问频率和访问时间信息,对访问模式的变化具有一定的适应性。PLFU算法用周期法和预测法解决TLFU算法中的Cache“污染”问题。     

Window‐LRFU: a cache replacement policy subsumes the LRU and window‐LFU policies

Replacement algorithms have been widely used as key technologies for cache management in areas such as file systems or database management. A replacement algorithm determines which page to be evicted when the cache is full and a new page is referenced. Because replacement policies considering only recency or frequency such as LRU (Least Recently Used) and LFU (Least Frequently Used) do not perform well, replacement polices that take both recency and frequency into account have been intensively studied. As a classical replacement policy, LRFU (Least Recently/Frequently Used) policy subsumes the LRU and LFU policy. However, because LFU is not able to adapt to the change of page accessing pattern and it is hard to select a suitable λ for each certain trace, LRFU cannot always guarantee a good performance. In this paper, we propose a Window‐LRFU policy, to subsume the LRU and Window‐LFU policies. Experimental results show that the Window‐LRFU policy outperforms LRFU and has at least competitive performance than other classical algorithms. Copyright © 2015 John Wiley & Sons, Ltd.     

面向网络流量的缓存替换算法比较与分析

缓存替换算法对优化网络处理应用的性能起到关键作用，但目前面向网络流量的缓存替换算法研究主要集中在算法设计和领域应用方面，较少有文献对现有的缓存替换算法在网络环境下的性能进行分析比较。对此，本文针对主要的6种缓存替换算法进行分析和比较。通过分析网络流量的新近度与频度特征，为基于最近最少使用(Least Recently Used, LRU)和最近最不常使用(Least Frequently Used, LFU)的缓存替换算法给出实际依据。对仿真环境和实际系统的实验结果表明，类LRU算法较LFU算法更适用于网络流量，而缓存空间较大时，随机替换算法较LRU算法更适用于多核环境。     

Neuro-fuzzy system in partitioned client-side Web cache

This paper proposes a novel contribution in Web caching area, especially in Web cache replacement, so-called intelligent client-side Web caching scheme (ICWCS). This approach is developed by splitting the client-side cache into two caches: short-term cache that receives the Web objects from the Internet directly, and long-term cache that receives the Web objects from the short-term cache. The objects in short-term cache are removed by least recently used (LRU) algorithm as short-term cache is full. More significantly, when the long-term cache saturates, the neuro-fuzzy system is employed efficiently in managing contents of the long-term cache. The proposed solution is validated by implementing trace-driven simulation and the results are compared with least recently used (LRU) and least frequently used (LFU) algorithms; the most common policies of evaluating Web caching performance. The simulation results have revealed that the proposed approach improves the performance of Web caching in terms of hit ratio (HR), up to 14.8% and 17.9% over LRU and LFU. In terms of byte hit ratio (BHR), the Web caching performance is improved up to 2.57% and 26.25%, and for latency saving ratio (LSR), the performance is better with 8.3% and 18.9% over LRU and LFU, respectively.     

基于序列模式的Servlet容器缓存替换

Servlet缓存能够有效地提高Servlet容器的吞吐量,缩短用户请求的响应时间.然而,Servlet缓存的性能受到缓存替换算法的影响.Servlet容器中的Servlet对应着一定的业务功能,挖掘Servlet之间的业务关联来指导缓存替换算法的设计可以提高Servlet缓存的命中率,进而提高Servlet容器的性能.然而,目前常见的LRU(least recently used),LFU(least frequently used),GDSF(greedy dual size frequency)等缓存替换算法均没有考虑上述问题.将Servlet对应的业务关联定义为Servlet容器序列模式,并提出k步可缓存转移概率图的概念加以表示,给出了序列模式发现算法KCTPG_Discovery.最后,基于Servlet容器序列模式设计了缓存替换算法KP-LRU(k-steps prediction least recently used)和KP-GDSF(k-steps prediction least frequently used).实验结果表明,KP-LRU与KP-GDSF算法比对应的LRU算法和GDSF算法具有更高的缓存命中率,有效地提高了Servlet容器的性能.     

基于对象角色的高精度缓存替换算法*

现有的Web缓存器的实现主要是基于传统的内存缓存算法,由于Web业务请求的异质性,传统的替换算法不能在Web环境中有效工作。研究了Web缓存替换操作的依据,分析了以往替换算法的不足,考虑到Web文档的大小、访问代价、访问频率、访问兴趣度以及最近一次被访问的时间对缓存替换的影响,提出了Web缓存对象角色的概念,建立了一种新的基于对象角色的高精度Web缓存替换算法(ORB算法);并以NASA和DEC的代理服务器数据为例,将该算法与LRU、LFU、SIZE、Hybrid算法进行了仿真实验对比,结果证明,ORB算     

视频点播中视频服务器节目替换算法研究

提出了一种分布集群式的视频点播体系结构,针对视频点播系统特点设计了两种适用于系统不同的运行阶段的视频服务器节目替换算法。在视频点播系统初始化时间段内使用改进的LFRU算法进行节目替换;系统达到稳定状态后使用最小加权周期频率替换算法进行节目替换。对比实验表明两种替换算法适合分布集群式视频点播系统,其替换效率较高。     

大规模层次化视频点播存储系统的设计与管理

近来计算机和通信技术的发展使得视频点播（video-on-demand,简称VOD)在技术和经济上成为可能.连续媒体的特性使得VOD系统需要大规模的存储服务器.层次化存储体系是减少系统费用的合理方案.文章提出了一种层次化的存储模型和磁盘cache的概念.根据这个模型,提出了基于访问频率的替换算法,并对算法的有效性进行了模拟和分析.结果表明,这种算法解决了LFU(least frequently used)算法中的“cache污染”（cache pollution）问题,能较好地适用于连续媒体数据应用.     

一种面向工业边缘计算应用的缓存替换算法

工业应用对数据传输的确定性有严格要求,有必要通过合理的缓存策略保障工业边缘网络的实时服务性能保障.首先面向工业边缘计算应用场景阐述了边缘缓存问题模型.然后分析了工业应用中用户请求的动态性特点,结合工业用户请求的特征属性,给出用户请求内容流行度变化的预测方法.在此基础上提出了基于属性特征流行度预测的缓存替换(combing periodic popularity prediction and size caching strategy, PPPS)算法,根据最近周期窗口内主导属性特征的热度预测值,和尺寸参数一起确定缓存内容价值.实验结果表明：与MPC(most-popular content)、贪婪双尺寸(greedy dual size, GDS)、最近最久未使用(least recently used, LRU)、最近最少访问频次(least frequently used, LFU)、先进先出(first in first out, FIFO)这5种经典算法相比,提出的PPPS算法在缓存命中率和平均延迟2种性能指标下,在不同的用户请求模型、内容大小分布、内容种类参数下均取得最优性能,有效提升了边缘缓存的命中率,提高了缓存利用效率,降低了用户请求内容的延迟.     

A weighted segment-based caching algorithm for video streaming objects over heterogeneous networking environments

Traditional caching technology is not applicable to cache video streaming objects over heterogeneous networking environments. The popularity of mobile devices in the heterogeneous networking environments make the access of Internet content become a common phenomenon. To support different mobile devices in the heterogeneity networking environments, a transcoding proxy is used to transcode different versions of the streaming videos according to clients’ requests. In this paper, we propose a weighted caching replace strategy for video streaming objects over heterogeneous networking environments. A new caching algorithm with static weight transcoding graph and dynamic caching relation tree is introduced. The proposed algorithm is compared with LRU, LFU, CP and PF cache algorithms in three parts: hit ratio, byte hit ratio, and average transmission delay. Experimental results show that the proposed algorithm outperforms than traditional LRU, LFU, CP and PF cache algorithms.