磁盘引导记录结构

博客围绕DOS系统展开,介绍了目录项、文件属性字节,建议结合DOS命令ATTRIB理解。还详细阐述了FAT16结构,以及dos3.3、dos4.0和DOS5.0的磁盘引导记录结构,为了解DOS磁盘相关知识提供了参考。

目录项(Directory Entries)

偏移量(offset)

长度(length)

描述(description)

格式(format)

注释(comments)

00H

8字节(8 bytes)

文件名(filename)

ASCII码,但如果第一个字节是以下代码则是条件代码:(ASCII chars,or special code if first char:)

00H=名字不曾被使用(name never used)

05H=第一个字节是E5H(first character or name is realy E5H)

E5H=文件被使用过但已被删除。(file was used,but has been erased)

2EH=登入的是一个目录(entry is a directory)

必须用空格添满(must be padded with spaces to fill field)

08H

3字节(3bytes)

扩展名[file type(extension)]

ASCII码字符(ASCII chars)

必须用空格添满(must be padded with spaces to fill field)

0BH

1字节(byte)

文件属性(file attribute)

每位含义(bit codes):

bit0=只读(read-only)

bit1=隐藏(hidden)

bit2=系统(system)

bit3=卷标(volumn label)

bit4=目录(directory)

bit5=归档(archive)

bit6=备用(unused)

bit7=备用(unused)

0CH

10字节(10 bytes)

保留(reserved)

16H

字(word)

最后一次升级的时间(time file last updated)

代码意义:(无符号16进制整数)时间=小时*2048+分钟*32+秒+2

[coded word:(unsigned 16 bit-bit integer) time=Hr*2048+Min*32+Sec+2]

首先必须是有意义的字节(*:least significant byte first)

18H

字(word)

最后一次升级的日期(date file last updated)

代码意义:(无符号16进制整数)时间=(年份-1980)*512+月份*32+日

[coded word:(unsigned 16 bit-bit integer) time=(Yr-1980)*512+Mon*32+Day]

首先必须是有意义的字节(*:least significant byte first)

1AH

字(word)

开始簇的号码(starting cluster number)

单字二进制整数(word binary integer*)

1CH

双字(dbl word)

文件大小(file size)

双字二进制整数(double word binary integer*)

文件属性字节(File attribute byte)

76543210当其值为“1”时表示(meaning if set to 1)当其值为“0”时表示(meaning if set to 0)
       v只读文件(read-only file)可读写文件(read/write file)
      v 隐藏文件(hidden file)可见文件(visible file)
     v  系统文件(system file)正常文件(regular file)
    v   卷标(volumn name)正常文件(regular file)
   v    目录名(directory name)正常文件(regular file)
  v     文件最后一次备分后有变化(file changed since last backup)文件最后一次备分后无变化(file unchanged since last backup)

这里最好结合DOS命令ATTRIB来看。

 

FAT16结构(FAT16 structure):

Entry

范例(Example Value)

用途(Use)

0

FFF8

硬盘标示符字节(Disk ID byte)

1

FFFF

填充物(Filler)

2

0003

簇的值解释(Cluster value):

0000     =未用的簇(unused cluster)

0002-ffff=下一簇的号码(next cluster number)

fff0-fff6=保留的簇 (reserved cluster)

fff7     =坏簇标记(cluster marked bad)

fff8-ffff=文件中最后的簇 last cluster in file

3

0004

4

0005

5

FFFF

6

0000

 

磁盘引导记录结构(BOOT record layout)

dos3.3 and dos4.0 磁盘引导记录结构(BOOT record layout)

偏移量(offset) 长度(length)描述(description)DOS版本(DOS version)
003字节(3 bytes)JMP to boot code 
038字节(8 bytes)OEM商的名称和版本(OEM name and version)  
0B1字(word)每一扇区包含的字节数(bytes per sector) 
0D1 字节(byte)每一簇包含的扇区数sectors per cluster(must be a power of 2) 
0E1字(word)保留扇区[reserved sectors(for Dir,FAT,etc.)] 
101字节(byte)文件分配表副本的数字(Number of copies of FAT) 
111字(word)根目录的目录最大数个数(Maximum number of root directory entries) 
131字(word)在逻辑影象里的扇区总数(Total number of sectors in logical image) 
151字节(byte)媒体描述字节(Media descriptor byte) 
161字(word)文件分配表的数字(number of sectors in FAT) 
181字(word)每条磁轨包含的扇区(number of sectors per track) 
1A1字(word)头部分的数字number of heads 
1C1字(word)隐藏扇区的数字(number of hidden sectors) 
1E1字(word)隐藏扇区的数字(HO number of hidden sectors) 
20双字(dbl word)逻辑扇区的数字(number of logical sectors) 

 

DOS5.0磁盘引导记录结构 BOOT sector structrure

偏移量(offset)

长度(length)

描述(description)

DOS版本(DOS version)

1E

双字(dbl word)

隐藏部分的大小(number of hidden sectors)

DOS 5.0 引导扇区格式(boot sector structure)

基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究”展开,提出了一种结合数据驱动方法与Koopman算子理论的递归神经网络(RNN)模型线性化方法,旨在提升纳米定位系统的预测控制精度与动态响应能力。研究通过构建数据驱动的线性化模型,克服了传统非线性系统建模复杂、计算开销大的问题,并在Matlab平台上实现了完整的算法仿真与验证,展示了该方法在高精度定位控制中的有效性与实用性。; 适合人群:具备一定自动化、控制理论或机器学习背景的科研人员与工程技术人员,尤其是从事精密定位、智能控制、非线性系统建模与预测控制相关领域的研究生与研究人员。; 使用场景及目标:①应用于纳米级精密定位系统(如原子力显微镜、半导体制造设备)中的高性能预测控制;②为复杂非线性系统的数据驱动建模与线性化提供新思路;③结合深度学习与经典控制理论,推动智能控制算法的实际落地。; 阅读建议:建议读者结合Matlab代码实现部分,深入理解Koopman算子与RNN结合的建模范式,重点关注数据预处理、模型训练与控制系统集成等关键环节,并可通过替换实际系统数据进行迁移验证,以掌握该方法的核心思想与工程应用技巧。
基于粒子群算法优化Kmeans聚类的居民用电行为分析研究(Matlb代码实现)内容概要:本文围绕基于粒子群算法(PSO)优化Kmeans聚类的居民用电行为分析展开研究,提出了一种结合智能优化算法与传统聚类方法的技术路径。通过使用粒子群算法优化Kmeans聚类的初始聚类中心,有效克服了传统Kmeans算法易陷入局部最优、对初始值敏感的问题,提升了聚类的稳定性和准确性。研究利用Matlab实现了该算法,并应用于居民用电数据的行为模式识别与分类,有助于精细化电力需求管理、用户画像构建及个性化用电服务设计。文档还提及相关应用场景如负荷预测、电力系统优化等,并提供了配套代码资源。; 适合人群:具备一定Matlab编程基础,从事电力系统、智能优化算法、数据分析等相关领域的研究人员或工程技术人员,尤其适合研究生及科研人员。; 使用场景及目标:①用于居民用电行为的高效聚类分析,挖掘典型用电模式;②提升Kmeans聚类算法的性能,避免局部最优问题;③为电力公司开展需求响应、负荷预测和用户分群管理提供技术支持;④作为智能优化算法与机器学习结合应用的教学与科研案例。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,深入理解PSO优化Kmeans的核心机制,关注参数设置对聚类效果的影响,并尝试将其应用于其他相似的数据聚类问题中,以加深理解和拓展应用能力。
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值