搜索资源列表
dRBAC
- dRBAC模型是适应于动态结盟环境的分布式信任管理和访问控制机制,具有第三方委托、值属性和证书预定等三个 特征.但dRBAC模型存在一些不足,体现在以下几个方面:委托的深度没有控制;委托链的循环搜索;角色的隐式提升;职责分 离原则的违背等.源码 针对dRBAC模型存在的问题进行了详细的讨论,提出了合理的解决方案,提高了dRBAC模型的安全性和实用性.本源码是drbac基于角色的访问控制系统的完整源码,实现了基于觉得的访问控制,并修正了规范中存在的bug,程序可以正确运行,上传文件同时
IDCAR1
- 公民身份号码是特征组合码,由十七位数字本体码和一位数字校验码组成.排列顺序从左至右依次为:六位数字地址码,八位数字出生日期码,三位数字顺序码和一位数字校验码。本程序实现了18位身份证号码验证的功能-Feature combination citizenship code number is by the number seventeen digit body code and check code composition. Arranged in order from left to right
12306
- 干扰线去除判断比较挫是导致识别率低的原因,希望高手指点吧~后面的特征提取和训练识别就交给大家了~ (很不幸地告诉大家,上班前12306的验证码干扰又加强了,主要还是干扰线部分) 实现原理很简单: 1.图像灰度化与 二值化 2.去除干扰线(二值化在一定程度上已经消弱部分)-Interference lines to remove judge comparative setback is the reason for the low recognition rate, hope e
testDemo
- 实现二维码扫描识别功能,并进行特征识别以及指纹认证技术-Realization of two-dimensional code scanning recognition, and feature recognition and fingerprint authentication technology
javaKNN
- java KNN 算法源码: 邻近算法,或者说K最近邻(kNN,k-NearestNeighbor)分类算法可以说是整个数据挖掘分类技术中最简单的方法了。所谓K最近邻,就是k个最近的邻居的意思,说的是每个样本都可以用她最接近的k个邻居来代表。 kNN算法的核心思想是如果一个样本在特征空间中的k个最相似的样本中的大多数属于某一个类别,则该样本也属于这个类别,并具有这个类别上样本的特性。该方法在确定分类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。 kNN方法在类别决策
weka
- 机器学习调用weka的jar包实现的源码,包含朴素贝叶斯,决策树,ID3,以及特征选择的源码,数据集使用weka的数据集,需要使用arff文件读入。-Weka machine learning to call the jar package implements the source, including Naive Bayes, decision trees, ID3, and features selected source dataset weka data set, you need t
featureextract
- 图形特征提取的源码,包括图像。可进行灰度值、中值虑波等操作。生成图像的特征集。-feature images feature imagesfeature imagesfeature imagesfeature imagesfeature images