1. 羊毛细度检测仪显示基线数据不足怎么办
1、首先打开电脑和仪器电源。
2、其次打开软件，调节需要测试的物镜倍率4x，10x，20x，40x，100x等，将备制好的试样载玻片放入载物台上。
3、最后在屏幕中找到需要测试的试样图像，测试出试样的数据即可。
2. Sqlserver数据库存放在服务器上.表中行数很多.查询算法复杂.最终结果数据量很小.delp
总体的方向就是优化，包括索引，查询程序，以及数据库的结构，这个要看具体情况了，关键找到慢的原因估计是有些大的表做了表遍历，仔细分析一下你的sql，每月十几万不算太大应该能解决。
3. 用weka进行数据分析 导入一个arff 数据 报错说内存不够之类的 貌似是数据太大了 有没有什么解决办法
首先，如果数据量大于物理内存没办法使用软件解决的。
weka是基于java的，内存不足指java虚拟机的内存不足，设置方法
打开weka安装目录的RunWeka.ini可以看到：
# The JAVA_OPTS environment variable (if set). Can be used as an alternative way to set
# the heap size (or any other JVM option)
javaOpts=%JAVA_OPTS%
设置环境变量： JAVA_OPTS
例如：JAVA_OPTS=-Xmx2048m -Xms512m
这样weka启动时建立的虚拟机就会变大，但是还是以物理内存为限制的。
4. 数据库中数据量很大，怎么写算法
合理索引，能分区的表分区。做数据库同步，查询与业务分开做。我经常做百万级的数据表。有不明白的地方请留言
5. C++ 优先队列push()时，出现内存不足，怎么办，能又什么办法解决吗
如果你的数据量很大，那就不可避免这种问题。因为你是用内存缓冲数据，但是内存毕竟是有限的。
如果要彻底解决问题，要么控制数据量，要么采用更复杂的手段，例如借助硬盘。
我不太精通这方面技术，但是凭经验感觉用内存映射文件辅以稍微复杂一点的数据结构，是解决大数据量的办法。
简单的说，如果你的数据有两个G，那么就创建2G的内存映射文件，然后将其一部分映射进内存，设计一种算法根据需要每次将需要使用的部分映射进内存。
6. python 循环内要处理大量数据时怎么优化
先尝试优化程序的时间复杂度，寻找更有效的算法
确保了算法复杂度在可接受范围之内后，开始进行常数优化，以下是Python优化的几个小技巧：
实测表明，for语句一般比while语句效率更高
同样实测表明，xrange一般比range要高效
如果要存储动态数据（即有可能频繁变动的数据）少用list和str，多用dict
实测表明，
两个str的连接效率从高到低+=，join，+
多个str的连接效率从高到低join，+=，+
尽可能使用列表解析表达式和生成器表达式代替循环一遍来构建list
避免使用global关键字，无论是从代码效率还是可移植性的方面考虑
7. 海量数据的数据结构和算法，该怎么处理
业务建模、模式、松耦合，高内聚 对付海量并发、存储和运算就需要优秀的算法和数据结构了 还有数据散列阿等等
8. ocpc数据上报，转化量不够怎么办
在提交ocpc数据时，很多用户会碰到刚开始提交数据时，转化量不足的情况，也就是无数据可以提交了，也有想尽快跑过第一阶段，好到二阶段获取更多的流量。
这时应该怎么办了？
利用好多粉新推出的可以回传自定义数据的功能就很好解决了。可以选择从实时访客中导入您想提交的数量，或者自己手动输入提交的链接在进行补量提交就能恨到的完成转化量不足的情况了。
也许你会问？这不是提交的是假的转化数据吗？能有用吗？
当然有用，请问推广后台怎么判断您提交的这条数据是真正的产生转化了？判断不了的，所以只要你提交了它就会觉得这条数据是有效的。）
9. 数据量较小的数据挖掘算法
这的看你想干什么，达到什么母的，才能选择合适的算法，算法和场景有关系，比如财务预测，肯定用决策树无法实现
10. 数据结构中快速排序算法的不足以及改进
一般快速排序算法都是以最左元素作为划分的基准值，这样当数据元素本身已经完全有序（不管正序或者逆序）时，每一趟划分只能将一个元素分割出来，其效率很低：时间复杂度O(n^2)，空间复杂度为O(n)
所以改进方法就是找寻合适的基准值，保证不至于在关键字有序或者接近有序时发生这个情况，一般可以使用三者取中（就是待划分序列的头元素、尾元素、中间元素三者的中间值）、或者随机选择等方法，这样即使关键字完全有序，也可以保证时间复杂度O(nlogn)，空间复杂度O(logn)