搜索资源列表
Java 基础语法
- 一个Java程序可以认为是一系列对象的集合，而这些对象通过调用彼此的方法来协同工作。下面简要介绍下类、对象、方法和实例变量的概念。(A Java program can be thought of as a collection of objects that work together by calling each other's methods. The following sections briefly describe th
全国赛近10年电源题
- 全国大学生电子设计竞赛电源类试题集合(Competition power test)
Struts03OGNL
- OGNL表达式是(Object-Graph Navigation Language)是对象图形化导航语言。OGNL是一个开源的项目，struts2中默认使用OGNL表达式语言来显示数据。与serlvet中的el表达式的作用是一样的。OGNL表达式有下面以下特点： 支持对象方法调用，例如：objName.methodName(); 支持类静态的方法调用和值访问，表达式的格式为 @[类全名（包括包路经）] @[方法名 | 值名]
Kyle Simpson You Dont Know JS ES6 & Beyond
- 有了这本书，你会： 学习新的语法，简化编程常用成语的痛点 用迭代器、生成器、模块和类组织代码 承诺结合发电机表示异步流控制 使用集合以结构化方式更有效地处理数据 利用新的API助手，包括数组、对象、数学、数字和字符串 通过元编程扩展程序的功能(No matter how much experience you have with Javascr ipt, odds are you dont fully understand
ebookSpyder
- 小说类爬虫的集合，这类网页的特征是需要提取的文本特别多， 特别是中文，解析却相对简单，涉及的js较少 **思路**：爬目录页，解析各章节链接，爬各章节，解析，保存到txt里 大部分的小说当然不是自己看啦，主要拿来练习爬虫和做文本分析用(Novel collection of reptiles, the characteristics of such pages is the need to extract the text in
dbscan
- DBSCAN(Density-Based Spatial Clustering of Applications with Noise)是一个比较有代表性的基于密度的聚类算法。与划分和层次聚类方法不同，它将簇定义为密度相连的点的最大集合，能够把具有足够高密度的区域划分为簇，并可在噪声的空间数据库中发现任意形状的聚类。(Classical clustering algorithm)
Random Forest
- 在机器学习中，随机森林是一个包含多个决策树的分类器， 并且其输出的类别是由个别树输出的类别的众数而定。 Leo Breiman和Adele Cutler发展出推论出随机森林的算法。 而 "Random Forests" 是他们的商标。 这个术语是1995年由贝尔实验室的Tin Kam Ho所提出的随机决策森林（random decision forests）而来的。这个方法则是结合 Breimans 的 "
MLInActionCode-master
- 机器学习实战的源代码集合，第一部分主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树（CART）算法等。第三部分则重点介绍无监督学习及其一些主要算法：k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些附属工具(Machine learning
DLL Studio
- 包含Fraction类（分数的计算），lib.dll（常用自定义库函数集合），String类（自定义字符串处理类），以及其他拓展的头文件。(It includes Fraction class (fraction calculation), lib.dll (commonly used custom library function set), String class (custom string processing class),
1 文件系统的Watcher
- 在MFC环境下① 与ListView控件相关的类：ColumnHeaderCollection，ListViewItem，ListView控件的成员：ColumnHeaderCollection，Items，…… ② clsFile和clsFiles的设计方法。Files()存储的是文件名集合，临时(clsFile类的)对象，根据文件名查询文件参数，建立Item对象，由Item对象组成了clsFiles对象中的Items()。 ③ Tu
双峰法阈值分割
- 双峰法阈值分割。阈值分割法是一种基于区域的图像分割技术，原理是把图像象素点分为若干类。图像阈值化分割是一种传统的最常用的图像分割方法，因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术。它特别适用于目标和背景占据不同灰度级范围的图像。它不仅可以极大的压缩数据量，而且也大大简化了分析和处理步骤，因此在很多情况下，是进行图像分析、特征提取与模式识别之前的必要的图像预处理过程。图像阈值化的目的是要按照灰度级，对像素
dbscan
- 有代表性的基于密度的聚类算法 ，将簇定义为密度相连的点的最大集合，能够把具有足够高密度的区域划分为簇，并可在噪声的空间数据库中发现任意形状的聚类。(DBSCAN(Density-Based Spatial Clustering of Applications with Noise))
2.2 图像分割技术
- FCM算法是一种基于划分的聚类算法，它的思想就是使得被划分到同一簇的对象之间相似度最大，而不同簇之间的相似度最小。模糊C均值算法是普通C均值算法的改进，普通C均值算法对于数据的划分是硬性的，而FCM则是一种柔性的模糊划分。在介绍FCM具体算法之前我们先介绍一些模糊集合的基本知识。(The FCM algorithm is a partition-based clustering algorithm. Its idea is to mak
test1.3.1
- 设计文法类，实现对文法G[S]=(Vt, Vn, P, S)的文件读写 文法的文件表示形式以及内存表示形式可自定义 文法就是3个集合+1个符号，重点（难点）就是产生式集合 产生式具有结构，可用于推导，是要特别注意的地方 如约定只读写产生式集合，一个示例如下（文件内容）： S -> a S -> aSb 也即首个非终结符S为开始符号，然后分析得到里面的终结符集={a, b}，非终结符集={S}，产生式集(略）。
AGVS
- 能实现AGV调度，AGV是动态添加的，有AGV无线连接成功时显示在表格中的第一行，连接失败时移除表格中。交通管制集合在一个类中，简化了交通管制算法（交通管制将循环队列改为动态队列），类中有获取交通管制区号、计算车辆的运行状态的控制参数。(To achieve AGV scheduling, AGV is dynamically added.)
Random-Forests-Matlab-master (2)
- 要说随机森林，必须先讲决策树。决策树是一种基本的分类器，一般是将特征分为两类（决策树也可以用来回归，不过本文中暂且不表）。构建好的决策树呈树形结构，可以认为是if-then规则的集合，主要优点是模型具有可读性，分类速度快。(In machine learning, a random forest is a classifier that contains multiple decision trees, and its output c
马丁系列EA（精简版）
- 马丁类的集合，参数请自行设置。汇市有风险，入市需谨慎(This EA is for reference only, not for commercial use.)
Kotlin实战
- kotlin实战 本书将从语言的基本特性开始，逐渐覆盖其更多的高级特性，尤其注重讲解如何将 Koltin 集成到己 有 Java 工程实践及其背后的原理。本书分为两个部分。第一部分讲解如何开始使用 Kotlin 现有的库和 API，包括基本语法、扩展函数和扩展属性、数据类和伴生对象、 lambda 表达式，以及数据类型系统（着 重讲解了可空性和集合的概念）。第二部分教你如何使用 Kotlin 构建自己的 API，以及一些深层次特性一一