第一章 测试基础 7 什么是软件测试： 7 ★软件测试的目的、意义：（怎么做好软件测试） 7 3.软件生命周期： 7 第二章 测试过程 8 1.测试模型 8 H模型： 8 V模型 9 2.内部测试 10 3外部测试： 10 验收测试：（在系统...

近年来，Internet推动了以互联网技术为核心的各项工作蓬勃展开，互联网的强大也大大的促进了社会的发展，整个社会信息化进程逐步加快，网络也变成了我们日常活动中越来越重要的组成成分。为了使得我国公交乘客出行及...

首先，本文的内容不包括商业插件的破解或解密，只是就 MAX 插件的一般安装规律作一简单说明。 同许多优秀的设计软件一样，MAX 在为用户提供了标准的用户开发接口，那些具有开发能力的用户和其他的软件开发商可以为 ...

01. 为什么要在一个团队中开展软件测试工作？ 　因为没有经过测试的软件很难在发布之前知道该软件的质量，就好比ISO质量认证一样，测试同样也需要质量的保证，这个时候就需要在团队中开展软件测试的工作。在测试...

第一部分 总则 第一章 电脑维修的基本原则和方法 第二章 电脑维修步骤与维修操作注意事项 第二部分 常见故障判断 第一章 加电类故障 第二章 启动与关闭类故障 第三章 磁盘类故障 第四章 显示类故障 第五章 安装类...

聚焦行业最佳实践，BDTC 2016完整议程公布 微信小程序实战项目——点餐系统 程序员11月书讯，评论得书啦 Get IT技能知识库，50个领域一键直达 github上的优秀android开源项目 2015-11-17 16:35 1219人阅读 评论(0)...

google_ad_client = "pub-6924533005275861";google_ad_slot = "0030867594";google_ad_width = 300;google_ad_height = 250;<script type="text/javascript"src="http://pagead2.googlesyndication

SQL2005疑难解决方案大全 目录 目录................................................................................................................................. 1 无法连接到服务器...............

今天给朋友们分享一到三年前端最全的面试题。 JS基础题： JS的数据类型有哪些？ 答案见：JS数据类型详解 如何判断JS变量的数据类型？ typeof() instanceof constructor toString typeof求解的可能...

来自：http://cio.ccw.com.cn/solution/htm2008/20080814_483709.aspMapInfo位置服务智能解决方案 一 MapInfo位置智能方案简介什么是位置智能呢，简而言之，位置智能就是将地图与业务数据结合，使用户能够发现基于...

本文详细说明了weblogs 作为一种知识共享方式的优点，同时通过使用Microsoft .NET 技术描述了设计和实现一个已构建好的weblog的一些经验教训。 本页内容 第一部分：Weblog 现象 软件商业中的Weblogs ...

系统默认服务btwdins.exe是为了微软Windows操作系统支持蓝牙技术的程序。　cisvc.exe是微软Windows操作系统自带的程序。它用于监测CIDAEMON.exe内存使用...cidaemon.exe cidaemon.exe是一个索引服务，为了让你更加快

容错(Fault Tolerant) 容错就是当由于种种原因在系统中出现了数据、文件损坏或丢失时，系统能够自动将这些损坏或丢失的文件和数据恢复到发生事故以前的状态，使系统能够连续正常运行的一种技术。 容错FT(Fault ...

首先，本文的内容不包括商业插件的破解或解密，只是就 MAX 插件的一般安装规律作一简单说明。 同许多优秀的设计软件一样，MAX 在为用户提供了标准的用户开发接口，那些具有开发能力的用户和其他的软件开发商可以为 ...

这是一个很常见的布局，当然也可以实现右侧自适应，左侧自适应。比如常见的网页中，左侧导航栏是固定的，右侧的内容区要自适应浏览器的大小。 现在我们来看下HTML布局： &lt;div id="outer"&gt;...

一、网络设置的问题 这种原因比较多出现于需要手动指定IP、网关、DNS服务器联网方式下，及使用代理服务器上网的。仔细检查计算机的网络设置。 二、DNS服务器的问题 当IE无法浏览网页时，可先尝试用IP地址来访问...

H5 的直播协议和视频监控方案一、流媒体主要实现方式二、流媒体技术2.1 流媒体2.2 直播2.3 流协议2.3.1 HLS 协议2.3.2 RTMP 协议2.3.3 RTSP 协议2.3.4 MPEG-DASH2.3.5 WebRTC 协议2.4 服务器端技术2.4.1 GStreamer...

常用知识( 网络安全中起重大作用的 Windows 命令)   常用在线查...GHOST使用备份还原方法 8-9楼 系统文件无法打开故障解决方法:IE无法打开网页的常见原因及解决 10-11 楼 IE常见问题解决方案

第一章概述 项目建设需求 总体需求 机房工程设计施工的安全技术、劳动保护、防火要求应按国家有关部门颁布的现行规定执行。 设计施工单位必须按要求施工。为保证设计和施工程序的严密性，如有设计变更...

请你分别划划OSI的七层网络结构图，和TCP/IP的五层结构图？   OSI的七层网络结构图，和TCP/...在OSI出现之前，计算机网络中存在众多的体系结构，其中以IBM公司的SNA(系统网络体系结构)和DEC公司的DNA(Digital Network

2005年5月，我开始用VIM。此后渐入佳境，原来因版权自律而放弃盗版UltraEdit的遗憾一扫而 空。并且，从VIM我才体会到，什么才是真正的编辑利器。在善用佳软或其他论坛发文，我都是先在VIM中输入，并方便高效...

《BJBR虚拟仿真解决方案(描述精选)》 《BJBR虚拟仿真解决方案(描述精选)》 版本 作者 参与者 完成日期 备注 YanlzVR_BJBR_VIP_V01_1.0 ...

目 录第一章：基础知识部分…………………………………3第二章：高级知识部分…………………………………27第三章：数据库部分……………………………………70第四章：程序设计部分…………………………………113第...

个服务知道名字，不知道是干啥用的啊？ 　好，大家看看下面的列表—— 　在下面的列表里面，大家请注意一下各种颜色， 服务名称 描述　最佳建议 第二建议 服务路径 　 .NET Runtime Optimization Service...

老大突然对我说要搞搞插件方面的东西,于是在网络上搜集了些东西,如下: 什么是插件 　对于广大的3D爱好者来说，想必多数都或多或少的曾学习过Photoshop这个平面设计软件，相信也同样对Photoshop的滤镜有一定的...

Web测试不同于单纯的软件，但是Web的应用和更新也越来越广泛和频繁。一般软件的发布周期以月或以年计算，而Web应用的发布周期以天计算甚至以小时计算。Web测试人员必须处理更短的发布周期，测试人员和测试管理人员...

-+电力电气、电子电路± Atrenta产品: Atrenta GenSys.v5.1.1.1.Linux64 1CD Atrenta SpyGlass vL-2016.06 SP2 Linux64 1DVD(对RTL以及Netlist进行语法检查的工具) Atrenta SpyGlass vL-2016.06 Linux64 1DVD ...

Java系列技术之必学工具Maven是在JavaWeb入门课程的后续课程，也是以后课程里都要用的实用级工具，所以大家一定要学会，Maven 是目前在生产环境下多框架、多模块整合开发的项目自动化构建工具，是我们学习Java的技术人必须要学会的一个工具, 大型项目开发过程中不可或缺的重要工具。 这里将带着大家了解 Maven 的作用，常用命令，配置依赖，以及依赖的范围、依赖的传递性、依赖的排除、生命周期等重要概念，以及继承、聚合、部署的 Maven 配置。全部配置操作，手把手演示操作，绝对能提升大家的实际操作能力！

【目录】- MATLAB神经网络30个案例分析(开发实例系列图书) 第1章 BP神经网络的数据分类——语音特征信号分类1 本案例选取了民歌、古筝、摇滚和流行四类不同音乐，用BP神经网络实现对这四类音乐的有效分类。 第2章 BP神经网络的非线性系统建模——非线性函数拟合11 本章拟合的非线性函数为y=x21+x22。 第3章 遗传算法优化BP神经网络——非线性函数拟合21 根据遗传算法和BP神经网络理论，在MATLAB软件中编程实现基于遗传算法优化的BP神经网络非线性系统拟合算法。 第4章 神经网络遗传算法函数极值寻优——非线性函数极值寻优36 对于未知的非线性函数，仅通过函数的输入输出数据难以准确寻找函数极值。这类问题可以通过神经网络结合遗传算法求解，利用神经网络的非线性拟合能力和遗传算法的非线性寻优能力寻找函数极值。 第5章 基于BP_Adaboost的强分类器设计——公司财务预警建模45 BP_Adaboost模型即把BP神经网络作为弱分类器，反复训练BP神经网络预测样本输出，通过Adaboost算法得到多个BP神经网络弱分类器组成的强分类器。 第6章 PID神经元网络解耦控制算法——多变量系统控制54 根据PID神经元网络控制器原理，在MATLAB中编程实现PID神经元网络控制多变量耦合系统。 第7章 RBF网络的回归——非线性函数回归的实现65 本例用RBF网络拟合未知函数，预先设定一个非线性函数，如式y=20+x21-10cos（2πx1）+x22-10cos（2πx2）所示，假定函数解析式不清楚的情况下，随机产生x1,x2和由这两个变量按上式得出的y。将x1,x2作为RBF网络的输入数据，将y作为RBF网络的输出数据，分别建立近似和精确RBF网络进行回归分析，并评价网络拟合效果。 第8章 GRNN的数据预测——基于广义回归神经网络的货运量预测73 根据货运量影响因素的分析，分别取国内生产总值（GDP），工业总产值，铁路运输线路长度，复线里程比重，公路运输线路长度，等级公路比重，铁路货车数量和民用载货汽车数量8项指标因素作为网络输入，以货运总量，铁路货运量和公路货运量3项指标因素作为网络输出，构建GRNN，由于训练数据较少，采取交叉验证方法训练GRNN神经网络，并用循环找出最佳的SPREAD。 第9章 离散Hopfield神经网络的联想记忆——数字识别81 根据Hopfield神经网络相关知识，设计一个具有联想记忆功能的离散型Hopfield神经网络。要求该网络可以正确地识别0~9这10个数字，当数字被一定的噪声干扰后，仍具有较好的识别效果。 第10章 离散Hopfield神经网络的分类——高校科研能力评价90 某机构对20所高校的科研能力进行了调研和评价，试根据调研结果中较为重要的11个评价指标的数据，并结合离散Hopfield神经网络的联想记忆能力，建立离散Hopfield高校科研能力评价模型。 第11章 连续Hopfield神经网络的优化——旅行商问题优化计算100 现对于一个城市数量为10的TSP问题，要求设计一个可以对其进行组合优化的连续型Hopfield神经网络模型，利用该模型可以快速地找到最优（或近似最优）的一条路线。 第12章 SVM的数据分类预测——意大利葡萄酒种类识别112 将这178个样本的50%做为训练集,另50%做为测试集,用训练集对SVM进行训练可以得到分类模型,再用得到的模型对测试集进行类别标签预测。 第13章 SVM的参数优化——如何更好的提升分类器的性能122 本章要解决的问题就是仅仅利用训练集找到分类的最佳参数，不但能够高准确率的预测训练集而且要合理的预测测试集，使得测试集的分类准确率也维持在一个较高水平，即使得得到的SVM分类器的学习能力和推广能力保持一个平衡，避免过学习和欠学习状况发生。 第14章 SVM的回归预测分析——上证指数开盘指数预测133 对上证指数从1990.12.20-2009.08.19每日的开盘数进行回归分析。 第15章 SVM的信息粒化时序回归预测——上证指数开盘指数变化趋势和变化空间预测141 在这个案例里面我们将利用SVM对进行模糊信息粒化后的上证每日的开盘指数进行变化趋势和变化空间的预测。 若您对此书内容有任何疑问，可以凭在线交流卡登录中文论坛与作者交流。 第16章 自组织竞争网络在模式分类中的应用——患者癌症发病预测153 本案例中给出了一个含有60个个体基因表达水平的样本。每个样本中测量了114个基因特征，其中前20个样本是癌症病人的基因表达水平的样本(其中还可能有子类), 中间的20个样本是正常人的基因表达信息样本, 余下的20个样本是待检测的样本(未知它们是否正常)。以下将设法找出癌症与正常样本在基因表达水平上的区别，建立竞争网络模型去预测待检测样本是癌症还是正常样本。 第17章SOM神经网络的数据分类——柴油机故障诊断159 本案例中给出了一个含有8个故障样本的数据集。每个故障样本中有8个特征，分别是前面提及过的：最大压力(P1)、次最大压力(P2)、波形幅度(P3)、上升沿宽度(P4)、波形宽度(P5)、最大余波的宽度(P6)、波形的面积(P7)、起喷压力(P8)，使用SOM网络进行故障诊断。 第18章Elman神经网络的数据预测——电力负荷预测模型研究170 根据负荷的历史数据，选定反馈神经网络的输入、输出节点，来反映电力系统负荷运行的内在规律，从而达到预测未来时段负荷的目的。 第19章 概率神经网络的分类预测——基于PNN的变压器故障诊断176 本案例在对油中溶解气体分析法进行深入分析后，以改良三比值法为基础，建立基于概率神经网络的故障诊断模型。 第20章 神经网络变量筛选——基于BP的神经网络变量筛选183 本例将结合BP神经网络应用平均影响值（MIV，Mean Impact Value）方法来说明如何使用神经网络来筛选变量，找到对结果有较大影响的输入项，继而实现使用神经网络进行变量筛选。 第21章 LVQ神经网络的分类——乳腺肿瘤诊断188 威斯康星大学医学院经过多年的收集和整理，建立了一个乳腺肿瘤病灶组织的细胞核显微图像数据库。数据库中包含了细胞核图像的10个量化特征（细胞核半径、质地、周长、面积、光滑性、紧密度、凹陷度、凹陷点数、对称度、断裂度），这些特征与肿瘤的性质有密切的关系。因此，需要建立一个确定的模型来描述数据库中各个量化特征与肿瘤性质的关系，从而可以根据细胞核显微图像的量化特征诊断乳腺肿瘤是良性还是恶性。 第22章 LVQ神经网络的预测——人脸朝向识别198 现采集到一组人脸朝向不同角度时的图像，图像来自不同的10个人，每人5幅图像，人脸的朝向分别为：左方、左前方、前方、右前方和右方。试创建一个LVQ神经网络，对任意给出的人脸图像进行朝向预测和识别。 第23章 小波神经网络的时间序列预测——短时交通流量预测208 根据小波神经网络原理在MATLAB环境中编程实现基于小波神经网络的短时交通流量预测。 第24章 模糊神经网络的预测算法——嘉陵江水质评价218 根据模糊神经网络原理，在MATLAB中编程实现基于模糊神经网络的水质评价算法。 第25章 广义神经网络的聚类算法——网络入侵聚类229 模糊聚类虽然能够对数据聚类挖掘，但是由于网络入侵特征数据维数较多，不同入侵类别间的数据差别较小，不少入侵模式不能被准确分类。本案例采用结合模糊聚类和广义神经网络回归的聚类算法对入侵数据进行分类。 第26章 粒子群优化算法的寻优算法——非线性函数极值寻优236 根据PSO算法原理，在MATLAB中编程实现基于PSO算法的函数极值寻优算法。 第27章 遗传算法优化计算——建模自变量降维243 在第21章中，建立模型时选用的每个样本（即病例）数据包括10个量化特征（细胞核半径、质地、周长、面积、光滑性、紧密度、凹陷度、凹陷点数、对称度、断裂度）的平均值、10个量化特征的标准差和10个量化特征的最坏值（各特征的3个最大数据的平均值）共30个数据。明显，这30个输入自变量相互之间存在一定的关系，并非相互独立的，因此，为了缩短建模时间、提高建模精度，有必要将30个输入自变量中起主要影响因素的自变量筛选出来参与最终的建模。 第28章 基于灰色神经网络的预测算法研究——订单需求预测258 根据灰色神经网络原理，在MATLAB中编程实现基于灰色神经网络的订单需求预测。 第29章 基于Kohonen网络的聚类算法——网络入侵聚类268 根据Kohonen网络原理，在MATLAB软件中编程实现基于Kohonen网络的网络入侵分类算法。 第30章 神经网络GUI的实现——基于GUI的神经网络拟合、模式识别、聚类277 为了便于使用MATLAB编程的新用户，快速地利用神经网络解决实际问题，MATLAB提供了一个基于神经网络工具箱的图形用户界面。考虑到图形用户界面带来的方便和神经网络在数据拟合、模式识别、聚类各个领域的应用，MATLAB R2009a提供了三种神经网络拟合工具箱（拟合工具箱/模式识别工具箱/聚类工具箱）。

微信小程序源码，包含：图片展示、外卖点餐、小工具类、小游戏类、演绎博览、新闻资讯、医疗保健、艺术生活等源码。