OMG!分区表坏了,我该怎么办!

电脑里什么最重要?显卡,主板,硬盘?都不是,而是硬盘上的数据,它们被我称作"仅次于我生命的东东"。而在日常使用电脑时,系统崩溃不过是系统分区的损失,花点时间重装系统就可以了,但如果分区表损坏,整块硬盘都出现问题,会直接破坏数据分区,那可是相当恐怖的毁灭性打击。来让我们一起修复它吧!     

我的C盘空间咋又不够了?——-Vista瘦身大法

TAG删除、转移系统分区、空间Vista"您在(C:)上磁盘空间不够。想要通过删除在这个驱动器上的旧的或不需要的文件释放一些空间,请单击这……"Vista最近真烦人,总是弹出这个东东来骚扰面条。最可气的是,面条明明老老实实按照它说的"单击这"去释放了一些空间,可过不久这东东就又弹出来了,这到底是怎么回事?     

U盘格式进化论

前两天,突然看到U盘的价格再创新低,容量达到8GB的U盘已经跌入100元大关。依稀记得,2001年当我拥有第一个U盘的时候,容量只有32MB,价格却是2XX元……不过,容量大了,烦恼也来了,FAT32不能容纳大于4GB的单个文件、NTFS速度慢不说,频繁的读写操作还影响U盘寿命,这可怎么是好?     

实用至上,解决易PC的三宗“罪”

易PC用户越来越多,但是它的三宗"罪"让人觉得不爽:一是存贮空间太小、二是分区太少、三是无法使用一键还原精灵。下面,我们就本着"实用至上"的原则,自己动手解决易PC的三宗"罪"。注意:如果没有特别说明,本文测试易PC是指EEEPC 701,存贮设备为4GB闪存硬盘+4GB扩展SD卡。实际上很多品牌本本也有类似易PC的三宗"罪",比如具有隐藏分区、只有单分区等。所以本文介绍的方法也可以在此类本本上尝试。另外,品牌本本大多也是单分区(不过分区空间大,同时有保存备份的隐藏分区),如果重装系统也可以使用上述方法来释放隐藏分区和重新规划分区。     

史上最完美屏蔽QQ迷你首页

我是一名小学六年级的学生,这是我的第一篇稿件。结识CFan是在一次十分偶然的机会,一次老妈借来了本CFan,我随手翻了翻,顿时被CFan里通俗易懂的文章吸引住了。从此,我和CFan结下了不解之缘。     

硬盘分区“头名壮”:Paragon Partition Manager

虽然现在新购买的电脑都由商家替我们做好了硬盘分区、格式化操作而无须自己操心。但是在使用过程中,可能出现分区不合理而需要重新调整的需求。譬如,C盘原来的分区大小为5GB,但最近系统运行时总是提示磁盘空间低,即使清空回收站、删除临时文件、卸载程序,还是不能解决根本问题,而D盘、E盘每个盘都还闲置了几十GB的空间,何必不将这些闲置的空间用到C盘这个刀刃     

戴尔给的预置分区我不要!

今年初购进一台戴尔1420型笔记本电脑。这台电脑预装了VistaHomeBasic版系统,于是将其格式化后换成了XP。系统安装十分顺利,用起来也不错。后来出于好奇,在关机状态下按下了电源键旁边的MediaDirec(t简称MD)键,     

硬盘分区别忽视七大分区原则

看到这个题目,你也许会不屑一顾--硬盘分区谁都会,这还有什么好说的.是的,硬盘分区也许真的是人人都会,但是最佳、最好使的硬盘分区不是人人都会的.特别是掌握一些硬盘分区的原则,可以让你在后续的使用中更加得心应手,也不会在某一个应用无法实现的时候而对最初的分区方案后悔莫及.看似简单的硬盘分区,你可别忽视了!     

基于区域解耦的时空双尺度电动汽车优化调度

考虑配电网不同区域之间的差异性与耦合性,提出一种基于区域解耦的时空双尺度电动汽车优化调度方法。首先,综合考虑分区的电气特性、生产生活特性以及电动汽车出行特性,提出一种新的基于图论法的配电网络分区方法;接着,提出一种时空双尺度的电动汽车分层调度方法。上层为时间尺度的调度,以最小化系统峰谷差和负荷方差为目标,通过优化调度得到配电网各时段的电动汽车最优充放电数目;下层为空间尺度的调度,结合上层优化结果,针对不同区域间电动汽车负荷的差异性,分别在商业区构建考虑充电站拥挤度的动态电价调度模型,在居民区和办公区构建考虑用户意愿指数的动态电价调度模型。最后,针对区域间复杂耦合性造成优化模型难以求解的问题,建立基于信赖域的改进乘子交替方向–序列二次规划(alternating direction method of multipliers-successive quadratic programming,ADMM-SQP)算法,并对各个区域的子模型解耦后并行求解。为验证所提方法的有效性,基于IEEE33节点构建仿真模型,结果表明,所提优化方法能够实现多个区域电动汽车的协调优化调度。     

基于谱聚类的在线数据库垂直分区多阶段生成方法

垂直数据分区技术从逻辑上将满足一定语义条件的数据库表属性存放在同一个物理块中,进而降低数据访问成本,提高查询效率.数据库查询负载中的每条查询通常只与数据库表中的部分属性有关,因此只需使用数据库表的某个属性子集便可以得到准确的查询结果.合理的垂直数据分区方式可以使大多数查询负载不需要扫描完整数据库就可以完成查询任务,从而达到减少数据访问量,提高查询处理效率的目的.传统的数据库垂直分区方法主要基于专家设置的启发式规则,分区策略粒度较粗,且不能根据负载的特征进行有针对性的分区优化.同时,当负载规模较大或者属性个数较多时,现有垂直分区方法执行时间过长,尤其无法满足数据库在线实时调优的性能需求.为此,提出在线环境下基于谱聚类的垂直数据分区方法（spectral clustering based vertical partitioning,SCVP）,采用分阶段求解的思想,减少算法时间复杂度,加快分区执行速度.首先通过增加约束条件缩小解空间（即根据谱聚类生成初始分区）,然后对解空间设计算法进行精细的搜索（即采用频繁项集和贪心搜索相结合的策略对初始分区进行优化）.为了进一步提升SCVP在高维属性下的性能,提出了SCVP的改进版本SCVP-R （spectral clustering based vertical partitioning redesign）.SCVP-R通过引入同域竞争机制、双败淘汰机制和循环机制,对SCVP在分区优化过程中的合并方案进行了进一步优化.在不同数据集上的实验结果表明,相比于目前最好的垂直分区方法,SCVP和SCVP-R有着更快的执行时间和更好的性能表现.