好久不来这了,发现这里好多凤姐.

C/C++ > 非技术区 [问题点数:300分,结帖人Jinhao]
等级
本版专家分:22290
勋章
Blank
红花 2004年2月 C/C++大版内专家分月排行榜第一
Blank
黄花 2004年1月 C/C++大版内专家分月排行榜第二
结帖率 99.58%
等级
本版专家分:22290
勋章
Blank
红花 2004年2月 C/C++大版内专家分月排行榜第一
Blank
黄花 2004年1月 C/C++大版内专家分月排行榜第二
等级
本版专家分:42313
勋章
Blank
黄花 2008年11月 C/C++大版内专家分月排行榜第二
等级
本版专家分:36248
勋章
Blank
红花 2012年4月 专题开发/技术/项目大版内专家分月排行榜第一
2012年3月 专题开发/技术/项目大版内专家分月排行榜第一
2011年2月 C/C++大版内专家分月排行榜第一
Blank
黄花 2012年5月 专题开发/技术/项目大版内专家分月排行榜第二
2010年3月 C/C++大版内专家分月排行榜第二
Blank
蓝花 2012年4月 Linux/Unix社区大版内专家分月排行榜第三
2011年7月 Linux/Unix社区大版内专家分月排行榜第三
2010年2月 C/C++大版内专家分月排行榜第三
等级
本版专家分:25837
勋章
Blank
黄花 2003年10月 C/C++大版内专家分月排行榜第二
Blank
蓝花 2004年3月 C/C++大版内专家分月排行榜第三
等级
本版专家分:8274
等级
本版专家分:706
等级
本版专家分:39
等级
本版专家分:152
等级
本版专家分:2470
等级
本版专家分:885
Jinhao

等级:

Blank
红花 2004年2月 C/C++大版内专家分月排行榜第一
Blank
黄花 2004年1月 C/C++大版内专家分月排行榜第二
凤姐讲学英语

凤姐说自己学英语主要是单词一个一个的背。比如拿一本小说,一直翻,碰到不会的单词就背下来;也看电影,在看电影的时候碰到不会的单词也背下来;也看新闻网站,比如纽约时报、CNN、福克斯等网站,碰到不会的单词也...

5对复杂的条件验证唯一_总结我的验证思路:代码检视是最容易发现问题的步骤...

我知道很多人都认同这样的观点,正如我明白为什么有些扫一遍代码就能发现的问题,有些验证人员还那么兴致勃勃、废寝忘食地编写TC,然后再辛辛苦苦跑TC来发现一样。正因为我做过设计人员,所以我感受非常深刻,...

qtreewidget同行显示不同的格式_黄简讲书法:屏风的历史,各种不同的屏风格式...

砚台上磨好墨,风一吹或者阳光一晒就容易干,也可以用个屏风挡一挡,这种小屏风就是砚屏。《史记·孟尝君列传》(曰)· 汉·司马迁· 孟尝君待客坐语,而屏风后常有侍史,主记君所与客语,问亲戚居处。这么说,战国...

再读“凤姐

小时排行榜中,凤姐再次以“晒iphone6s,批评好用”而位居第二名,于是,我又百度了一下位如雷贯耳的“凤姐”, 看到一篇文章写的很不错,鞭辟入里,百度知道原文地 址是这里凤姐为什么这么出名? ...

凤姐和绿卡

 敝人的长篇小说《美漂》,写的是一位华裔女律师在美国,如何...”有的甚至八卦地问:“凤姐是怎么获取绿卡的?连她都拿到绿卡了,我肯定也能拿到美国绿卡”。信心满满。在下不是律师,只是因帮做律师的先生老丹做翻

用Python绘制红楼梦词云图,竟然发现个!

2019独角兽企业重金招聘Python工程师标准>>> ...

python红楼梦人物词频统计_用Python绘制红楼梦词云图,竟然发现个!

原标题:用Python绘制红楼梦词云图,竟然发现个! Python在数据分析中越来越受欢迎,已经达到了统计学家对R的喜爱程度,Python的拥护者们当然不会落后于R,开发了一个个好玩的数据分析工具,下面我们看看如何...

Java JNA (三)—— 结构体使用及简单示例

JNA简介 ...JNA提供一组Java工具类用于在运行期动态访问系统本地库(native library:如Window的dll)而需要编写任何Native/JNI代码。开发人员只要在一个java接口中描述目标native library的...

python红楼梦人数统计结果_Python学习分析红楼梦社交网络,意外发现一个有影响力的神秘人物...

看看都有哪些有趣的发现吧。社交网络据统计,红楼梦中出场人数共有四百四十八人。一次,我们分析大约三百六十人。为了增加统计的准确率,我们将人物的一些不同表达拎出来,放到一个人物中。比如林黛玉,林妹妹,...

宝黛呢喃

一直迷《红楼梦》,每年必定要读上多次,里面的美句恨不得摘抄下来。虽说曹公文心锦绣,把个荣国府写的枝丫满树,也有海棠诗社、栊翠饮杯、举案齐眉、芦雪联诗、紫鹃试玉、寿宴群芳、...

NLP自然语言处理系列-词汇挖掘与实体识别

NLP自然语言处理系列-词汇挖掘与实体识别 词汇挖掘 关键词提取 同义词挖掘 缩略词挖掘 新词挖掘 实体识别(NER) 基于概率图模型 ...目录 关键词提取主题模型PageRankTextRank智能摘要案例同义词挖掘缩略词挖掘新词...

高并发编程学习(2)——线程通信详解

前序文章高并发编程学习(1)——并发基础 - https://www.wmyskxz.com/2019/11/26/gao-bing-fa-bian-cheng-xue-xi-1-bin...

智能车制作——从元器件、机电系统、控制算法到完整的智能车设计|文末赠书

麻雀虽小,五脏俱全,虽然竞赛智能车没有现实生活中的无人驾驶技术的那么复杂,但是也需要相应的传感器、执行器、控制器以及硬件电路并进行控制算法的设计与调试等。 一般需要数月才能较为系统地掌握上述知识,而...

平面排版时,教你突出中文美感的几种方法

学习banner设计的同学开始可能最难琢磨透的就是中文的排版了,有同学是直接凭直觉给文字排版的,其实排版作为平面设计中的一种具体的手段,本质是对于画面中元素的关系的处理。那在平面设计中,到底什么样的排版能...

python图形化方式模块安装_python3怎么安装sympy和matplotlib模块!python安装教程和界面化...

ActivePython刚安装,现在应该打开哪个文件运行IDE,新人求教!ActivePython中的IDE就是IDLE,运行IDLE就行不过通常都是自己另外编辑器,比PyCharm,PyScripter,Python(x,y),Sublime Text 2/3等。个人感觉:...

学习Hibernate5一篇就够了

目录第一章 Hibernate5快速入门1.1、Hibernate5概述1.2、Hibernate5下载1.3、Hibernate5工程搭建1.4、Hibernate5测试代码1.5、Hibernate5工具类第二章 Hibernate5核心配置2.1、两种配置方式2.1.1、属性文件的方式...

混淆的艺术-(苍井空变凤姐)Proguard源码分析(三)Proguard配置解析~上

ConfigurationParser会将我们的 ...个功能的主要处理逻辑放在ConfigurationParser的parser中: if (ConfigurationConstants.AT_DIRECTIVE.startsWith(nextWord) || ConfigurationConstants.INCLUDE_DIREC...

从《红楼梦》看 IT 团队管理

很多 IT 团队都是既有 Manager 又有 Tech Lead,在具体管理中,往往是 Tech Lead 在对日常的工作做决定。 ...这些看起来时代感很强的问题,其实只要把具体的问题域变化一下,就发现,其实都...

混淆的艺术-(苍井空变凤姐)Proguard源码分析(一)前言和计划

Progurad是一款非常常用的java混淆程序...刚开始不得吐槽一下,Proguard的源码写的比较难以阅读,或者是我第一次读这么大的一个项目,很多时候不免有点力不从心。但是就像老罗-@罗升阳说的那样"读这些操蛋的代码".这样

A020-列表容器之ListView

概述前面介绍了Android UI中的五大布局容器,本节课介绍实际...案例上面的效果图就是我们在app中常见的列表,这里只是简单的示例,更加复杂的ListView项效果根据产品需求做。常见的功能需求有: - 根据视觉稿搭建

混淆的艺术-(苍井空变凤姐)Proguard源码分析(二)Proguard参数解析

Proguard作为一个java的程序,它的入口在ProGuard.main()中 章节我们讲Proguard的参数解析。实际上Proguard的处理无非分两步,解析参数和处理逻辑。解析参数一步的主要类是: ...我们打开Configuration 看,发现Con

ML学习分享系列(2)_计算广告小窥[中]

广告作为一项商业活动,是需要资本滋养的。作为整个产业链的金主,只有广告主花钱...所谓关键技术,就是那些能让广告主觉得“钱花的值”,让媒体网站觉得“钱挣的快”的技术。具体都有哪些呢?下面我们一一表。

[乐意黎转载]JavaScript原型彻底理解2---继承中的原型链

上一篇 JavaScript中原型的彻底理解1 一、继承的概念 ​ 继承是所有的面向对象的语言最重要的特征之一。...​ 但是对JavaScript说,没有类和接口的概念(ES6之前),所以只支持实现继承,而且继承在 原型链

Flex实现

因此,传统的,基于页面的系统已经越来越适应使用者的全方位提要要求。富因特网应用程序(Rich Internet Application)便应运而生了。Flex是一个针对RIA企业级应用的表示层解决方案,是一种应用程序框架,使用Flex...

垃圾分类数据集及代码

资源说明: 数据集主要包括6类图片:硬纸板、纸、塑料瓶、玻璃瓶、铜制品、不可回收垃圾 代码运行说明: 1、 安装运行项目所需的python模块,包括tensorflow | numpy | keras | cv2 2、 train.py用于训练垃圾分类模型,由于训练的数据量过于庞大,因此不一并上传 3、 predict.py用于预测垃圾的类别,首先运行predict.py,然后输入需要预测的文件路径,即可得到结果。

计算机图形学基础

该课程是计算机图形领域的基础的课程,包含了计算机图形学的数学原理,例如在计算机图形学中的重要坐的标变换的原理。该课程也是游戏开发、VR/AR等开发的基础课程。在该课程中除了讲授数学原理,还包括了C++实践,实现3D数学类。 该课程的主要内容包括:向量、向量空间、矩阵、矩阵空间、仿射空间、齐次坐标系、仿射变换、刚体变换、四元数等。 掌握游戏编程和计算机图形学的基本数学知识。 掌握线性代数、几何变换、运动学、3D物理和相关数值运算的基本方法。

2021年前端面试题汇总 高清pdf完整版

《2021年前端面试题汇总》主要介绍了js基础到入门、css和常用的web框架的一些常用面试题目。学完这个题库,把此题库都理解透彻应对各家企业面试完全没有问题。

大唐杯资料+题库(移动通信)

大唐杯资料+题库(移动通信)

计算机设计大赛作品开发文档

参加的是2020年的计算机设计大赛,软件应用与开发赛道。我们的开发文档仅供参考。(20页)

matlab神经网络30个案例分析

【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)。

相关热词 c# 无法打开设计 c# 时间转换成int c#批量读取ini信息 c# 打包msi c# eval绑定 c#字母开头 uuid c#创建html文件 c# 逻辑练习 c#调用dll后释放 c# 扫描串口