小调查,有多少兄弟使用Source Insight?

C/C++ > 非技术区 [问题点数:100分,结帖人orbit]
等级
本版专家分:45
结帖率 94.12%
等级
本版专家分:16567
勋章
Blank
黄花 2005年3月 C/C++大版内专家分月排行榜第二
2004年10月 C/C++大版内专家分月排行榜第二
2004年7月 C/C++大版内专家分月排行榜第二
Blank
蓝花 2005年2月 C/C++大版内专家分月排行榜第三
等级
本版专家分:17655
勋章
Blank
红花 2006年4月 扩充话题大版内专家分月排行榜第一
等级
本版专家分:13199
勋章
Blank
黄花 2006年7月 C/C++大版内专家分月排行榜第二
Blank
蓝花 2006年8月 C/C++大版内专家分月排行榜第三
等级
本版专家分:49
等级
本版专家分:9731
勋章
Blank
蓝花 2005年5月 C/C++大版内专家分月排行榜第三
等级
本版专家分:20
等级
本版专家分:314
等级
本版专家分:314
等级
本版专家分:629
等级
本版专家分:167
sourceinsight的 project window窗口调整

每次用Source Insight在看代码时,每次为要看此文件在项目中位置而烦心,因为在某人的情况下,项目窗口中是显示3列,分别是文件路径、大小、修改日期,要是文件路径过长的话,每次还要调整列的宽度,很费时(如下图...

Source Insight 3.X 标签插件v1.0发布

Source Insight可以说是一款程序员必备的开发/阅读源码工具,美中不足的是SI没有标签栏,多个源码之间切换很不方便,于是我就乘闲暇之余写了该作品sihook:标签插件;不过严格意义上来说sihook并不算是插件,而是一个内挂:...

source insight 3.5中文乱码_干货分享中文线上课教学实用APP资源推荐

点击蓝字关注我们了解更多受疫情影响,中文教学由线下转为线上,而老师们在匆匆忙忙的“被迫营业”中,急需一些线上课教学经验和工具来提升线上课堂效果,让学生在线上学习中,可以享受到中文的乐趣。...

华为C语言编程规范(精华总结)

“编写程序应该以人为本,计算机第二。” ...

Gradle2.0用户指南翻译——第十一章. 使用Gradle命令行

第十一章. 使用Gradle命令行 本章介绍了Gradle命令行的基础知识,正如你在前面...每个任务只会被执行一次,无论它们是如何被包含在构建中的:即无论是在命令行中指定的,还是另一个任务的依赖,抑或两者都。来看下

源码值多少钱_您的网站值多少钱?

源码值多少钱Every day, we hear of yet another enormous company that’s paid an even more unbelievable sum for an online entity that — it often seems from where you and I are sitting — doesn’t ...

terraform_有关使用terraform优化云成本的权威指南

terraformThis article was cross-published on the HashiCorp Blog.本文是在HashiCorp博客上交叉发布的。 The Problem — An Engineers New Role Cloud “Financial Controller” 问题—工程师的新角色云“财务控制...

Paper:《A Few Useful Things to Know About Machine Learning》翻译与解读

Paper:《A Few Useful Things to Know About Machine Learning》翻译与解读 ...《A Few Useful Things to Know About Machine Learning》翻译与解读了解机器学习的一些有用的东西 ...Learning = Representation ...

【CV-Paper 16】目标检测 03:R-CNN-2014

Rich feature hierarchies for accurate object detection and semantic segmentation;论文被引:14188(06/09/2020)

杨明翰的英国硕士常见词汇与固定搭配V0.8(持续更新)

文章目录传送门正文`熟词僻义`学术词汇`论文词汇`学校词汇计算机词汇生活词汇健康饮食犯罪网络用语口语俚语 传送门 杨明翰英语教学系列之方法篇 杨明翰英语教学系列之音标篇 杨明翰英语教学系列之名词篇 ...

渗透之——Metasploit命令及模块

show exploits 列出metasploit框架中的所有渗透攻击模块。 show payloads 列出metasploit框架中的所有攻击载荷。 show auxiliary 列出metasploit框架中的所有辅助攻击载荷。 search name 查找metasploit框架中所有的...

卡内基梅隆大学机器人研究所课程分享

机器翻译如下: 课程大纲 目前已经开设和即将开设的机器人课程的完整和准确的时间表,更多大学...所有带“16-”前缀的课程均由机器人部门提供。其他提供机器人学教授课程的部门是计算机科学(CS),电气和计...

软件工程客户满意度调查表_测试工程学的反模式:通过使用这9种简单的组织实践来破坏客户满意度并提高质量

软件工程客户满意度调查表A recent podcast episode reminded me that it's a good idea to examine things from different perspectives. Doing so can expose behaviors that appear purposeful as consequences ...

彩票假设调查

Metaphors are powerful tools to transfer ideas from one mind to another. Alan Kay introduced the alternative meaning of the term ‘desktop’ at Xerox PARC in 1970. Nowadays everyone — for a glimpse ...

terraform 腾讯云_使用Terraform优化云成本的权威指南

terraform 腾讯云The Problem — An Engineers New Role Cloud “Financial Controller” 问题—工程师的新角色云“财务控制器” If you’re reading this, chances are you are in DevOps (or some type of ...

jupyter colab_使用jupyter colab笔记本的推荐系统中基于内容的过滤

jupyter colabRecommender or Recommendation Systems (as used in commercial applications) have been around for quite some time now, evolving from the rise of e-commerce after the dotcom bubble....

数据科学与大数据是什么意思_什么是数据科学?

数据科学与大数据是什么意思What is data science? Is a simple question, but the answers are often confusing. I regularly hear folks say that data science is nothing more than statistics dressed up in ...

什么是SQL Server数据字典?为什么要创建一个?

数据库 (A database) A SQL Server database can be thought of, in and of itself, as a data dictionary. It is self-describing, in that objects can be scripted into Data Definition Language aka DDL ...

three.js 交互_如何使用Three.js创建交互式3D角色

查看演示Download Source 下载源Ever had a personal website dedicated to your work and wondered if you should include a photo of yourself in there somewhere? I recently...

初次使用Rubymine

用单纯的文本编辑器阅读代码实在太低下了,非常需要一个类似Visual Studio或Source Insight 等高效的代码分析工具,调查了一番,最后决定使用Rubymine. 使用Rubymine遇到了一些问题: 如何把现有Rails项目导入到...

大数据ui设计师_为什么设计师应该使用真实数据

大数据ui设计师Software applications don’t directly give you food, water, shelter, affection, or sex — the only thing they do is disseminate information that may lead to all these more basic human ...

使用IBM Rational Application Developer对Java应用程序进行性能分析

总览 在处理能力和存储技术方面,技术的不断进步带来了许多新的有趣的技术。 这些技术将纯粹的应用程序性能换成了次要问题,例如程序员效率或系统灵活性。 其中包括诸如Java™之类的垃圾收集的即时编译语言之类的...

谷歌个性化地图瓦片_对Google广告个性化的调查

谷歌个性化地图瓦片 数字媒体,文化与社会系列 (Digital Media, Culture and Society Series) In January 2020, Alphabet Inc., Google’s parent company, became the third technology company in the world to ...

delphi控件使用

Standard页 1- Tlistbox控件 重要属性items.* 举例,界面设计如下左,执行结果如下右: 代码为 procedure TForm1.Button1Click(Sender: TObject); begin edit1.Text := listbox1....edit2.Text := listbo...

[转]Unix下针对邮件,搜索,网络硬盘等海量存储的分布式文件系统项目(关于GFS、MogileFS分布式文件系统邮件...

Unix下针对邮件,搜索,网络硬盘等海量存储的分布式文件系统项目 :Google是当前最影响的Web搜索引擎,它利用一万多台廉价PC机构造了一个高性能、超大存储容量、稳定、实用的巨型Linux集群。 ...

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)。

VSCode launch.json配置详细教程

主要介绍了vscode 的node.js debugger 的 launch.json 配置详情,本文通过实例代码给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下

OpenGL

课程涵盖了OpenGL开发的方方面面,对开发中经常用到的开发知识点进行讲解,从实战的角度进行编码设计. 第1章-环境建立 第2章-基础图元 第3章-三维世界 第4章-纹理多彩世界 第5章-显存的分配-优化 第6章-场景控制 第7章-光照-真实世界 第8章-模型 第9章-UI制作 第10章-场景编辑器制作 第11章-地形 第12章-脚本引入-lua 教程从最最本的固定管线开始,一节课一个知识点,从实战的角度出发,结合项目开发中经常用到的知识点作深入的讲解,以面向对象的编成方式对知识点进行封装,可以直接引入到项目中使用.通过课程的学习,掌握OpenGL图形编程技巧,并能学以致用.

Microsoft Visual C++ 2015-2019 运行库合集,包含32位64位

Microsoft Visual C++ 2015-2019 运行库合集,32位64位都有,解决缺失dll包问题。

从零基础开始用Python处理Excel数据.pdf

首先学习Python的基础知识,然后使用Python来控制Excel,做数据处理。 Excel使用者、Python爱好者、数据处理人员、办公人员等 第1章 python基础 1.1 什么是python? 1.2 为什么要学习用Python处理Excel表格? 1.3 手把手教你安装python程序 1.3.1 下载python 1.3.2 安装python 1.3.3 验证是否安装成功 1.4 安装Python集成开发工具PyCharm 1.4.1 下载 1.4.2 安装 1.5 Python的输入与输出

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