搜索资源列表
UleadGIFAnimator-v5.05
- Gif图象制作软件，关于软件的使用说明和注册，如无特别说明，请用记事本打开压缩包内的NFO文件。 内存注册机的使用方法如下： 把注册机下载后保存或解压到程序所在目录，执行注册机，原程序自动运行，选中注册框，在注册码输入栏内输入任意的字符，点确定，马上被内存注册机拦截，弹出正确的注册码，复制正确的注册码粘贴到注册码输入栏内点击注册便可完成注册！内存注册机只能用于相同版本软件，请注意核对版本号。 破解补丁的使用方法： 把破解补丁拷贝到程序所在目录，执行，便可完成文件的修补丁，
C51
- 1，正如有的朋友所说，这是丁丁原作的改版(并无冒犯丁丁之意)； 2，向丁丁学习，源程序公开，不过上位机界面(VB做的)暂时还不舍得(哈哈)； 3，源程序框架便于大家扩展支持的芯片(编好了别忘了给我一份)，上位机部分用数据库； 4，上下位机的通讯规约源程序里有简单说明，双击下边的组合框能看到发送的报文； 5，公开的动机：受晓奇无私精神感动，也是想得到高手(尤其是版主)的指点批评； 6，硬件增加了发送指示灯、四角增加了大面积焊盘用于焊上四个脚(比如用螺母)； 7，软件修正了原
divide
- 除法器的设计本文所采用的除法原理是：对于八位无符号被除数A，先对A转换成高八位是0低八位是A的数C，在时钟脉冲的每个上升沿C 向左移动一位，最后一位补零，同时判断C的高八位是否大于除数B，如是则C的高八位减去B，同时进行移位操作，将C的第二位置1。否则，继续移位操作。经过八个周期后，所得到的C的高八位为余数，第八位为商。从图(1)可清楚地看出此除法器的工作原理。此除法器主要包括比较器、减法器、移位器、控制器等模块。
数据恢复常识
- 硬盘存储数据是根据电、磁转换原理实现的。硬盘由一个或几个表面镀有磁性物质的金属或玻璃等物质盘 片以及盘片两面所安装的磁头和相应的控制电路组成(图1)，其中盘片和磁头密封在无尘的金属壳中。 硬盘工作时，盘片以设计转速高速旋转，设置在盘片表面的磁头则在电路控制下径向移动到指定位置然后 将数据存储或读取出来。当系统向硬盘写入数据时，磁头中“写数据”电流产生磁场使盘片表面磁性物质 状态发生改变，并在写电流磁场消失后仍能保持，这样数据就存储下来了；当系统从硬盘中读数据时，磁
除法器的设计本文所采用的除法原理
- 除法器的设计本文所采用的除法原理是：对于八位无符号被除数A，先对A转换成高八位是0低八位是A的数C，在时钟脉冲的每个上升沿C 向左移动一位，最后一位补零，同时判断C的高八位是否大于除数B，如是则C的高八位减去B，同时进行移位操作，将C的第二位置1。否则，继续移位操作。经过八个周期后，所得到的C的高八位为余数，第八位为商。从图(1)可清楚地看出此除法器的工作原理。此除法器主要包括比较器、减法器、移位器、控制器等模块。-Divider design used in this paper, the p
puzzle
- 有一个迷宫，用一个二维数组maze[1: m][1: n]表示，其元素值只有两个：0与1。其中以值0表示该位置可以走通，以值1表示该位置阻塞。在迷宫的左上方maze[1][1]处有一入口，右下方maze[m][n]处有一出口，如图1-1所示。现要求探寻从迷宫入口到出口有无通路；若有，则指出其中一条通路的路径：将迷宫数组中通路上的0替换成另一数字(例如8),输出找到通路的迷宫数组；同时按照走通的顺序输出路径上每一步的位置坐标及向下一步前进的方向；若没有，则给出相应的信息。-There is a m
EPC_tag
- 图是一个可以同时读取多个标签的例子。假定标签是被动的，也就是说， 它是无源的。图中，一个识读器同时识读（interrogate）一组标签，识读器包括 一个发射部分，它向标签传送一个识读信号，为标签提供能量，以激活标签。识 读器还包括一个接收部分，接收部分接收标签回复的信号并且对此信号进行解 码。识读器有一个控制器控制，控制器为外部设备提供解码信号，并且管理识读 器与标签之间的通讯过程。-Diagram is to read multiple tags simultaneous
som(Jal.You)
- SOM神经网络（自组织特征映射神经网络）是一种无导师神经网路。网络的拓扑结构是由一个输入层与一个输出层构成。输入层的节点数即为输入样本的维数，其中每一节点代表输入样本中的一个分量。输出层节点排列结构是二维阵列。输入层X中的每个节点均与输出层Y每个神经元节点通过一权值(权矢量为W)相连接，这样每个输出层节点均对应于一个连接权矢量。 自组织特征映射的基本原理是，当某类模式输入时，其输出层某一节点得到最大刺激而获胜，获胜节点周围的一些节点因侧向作用也受到较大刺激。这时网络进行一次学习操作，获胜节点
cmy2
- 本次三维图形设计，我所设计的主题为——荷塘月色。描绘的是一幅在月光下荷塘中荷花开闭的场景，同时还配有雾气和背景音乐，使场景更加梦幻和充满诗情画意。 完成对场景及三维图形的设计，我采用了如下技术。首先，使用一些常见的基本图元去构成场景中的图形元素，指定各顶点的坐标，并用显示列表进行排列；其次，添加时间轴控制函数，对荷花的开闭、月亮的移动、雾气的时有时无进行控制；再次，使用键盘交互进行场景漫游；第四，添加了雾化效果，增加了场景的真实性和梦幻效果；第五，添加了背景音乐，使场景更加生动，有助于表现主
Criticalpath
- 本程序实现了用数据结构中的图形知识编写一个求无循环有向帯权图（即通常所说的AOE网）中从起点到终点所有路径，经分析、比较求出长度最大路径，从而求出关键路径。-This code is used to calculate the every path from the starting piont to the ending piont of an AOE Figure,then carry out the maximum path after analysizing and comparin
qualityjquery
- 高清的网页幻灯片代码，一款基于jQuery的焦点图滚动切换特效，一个偶然的机会以在一个国外网站上看到的，感觉优点是图片无明显滚动切换，利用每张图片的透明隐藏属性来切换，且时有绽放感觉，就是缩放效果了，多张图片同在一个div容器里面，不用分列表形式。左右两侧的箭头可以控制图片向左或向右滚动切换，很大气、漂亮的高清焦点图。 -it is a very special viewer for homepage.
cnmbd
- 计算工程完成的关键路径 说明： AOE 网络是有向无环加权图，其中顶点表示事件，弧表示活动，权表示活动持续的时间，通常可以用来估算工程完成的时间，即图中从开始点到结束点之间最长的路径对应的时间。请完成一个程序，完成下列任务： 1 、计算 AOE 网络对应的拓扑排序。如果排序结果不唯一，请输出按照从小到大的顺序排列的结果。从小到大的顺序就是输入的节点序列顺序（参见下面关于输入格式的说明）。如图1中满足要求的拓扑排序是： a-b-c-d-e-f-g-h-k ,图2中满足要求的拓扑排序
jQueryBanner
- 高清的网页幻灯片代码，一款基于jQuery的焦点图滚动切换特效，图片无明显滚动切换，利用每张图片的透明隐藏属性来切换，且时有绽放感，多张图片同在一个div容器里面，不用分列表形式。左右两侧的箭头可以控制图片向左或向右滚动切换。-HD Web slide code, a focus map based on the jQuery scroll to switch effects, picture no obvious rolling switch, using transparent the hi
account
- 设计一个名为Account类。这个类包含： （1）一个名为id的int型数据域，表示账户的身份号（默认值为0）。 （2）一个名为balance的double型数据域，表示账户余额（默认值为0）。 （3）一个名为annualInterestRate的double型数据域，保存当前年利率（默认值为0）。 （4）一个无实参构造函数，创建一个默认账户。 （5）id、balance和annualInterestRate的访问器和更改器函数。 （6）一个名为getMonthlyInt
slpblym
- 三列瀑布流源码是一个瀑布流的例子源码，因为本例子的图片都是高清无码的大图如果是用流量会很费，建议wifi测试，瀑布流的实现是定义三个linearlayout，然后向里面addView(),如果多了会出现oom异常，所以做了一些处理。1.lrucache缓存2.只显示当前屏的图片3.滑动过程中不加载图片4.大图缩放成小图，项目编码UTF-8默认编译版本4.4.2注释丰富。-The source codes of three columns of waterfall flow is a waterf
校园导游系统2016
- /*校园导游程序*//用无向网表示学校的校园景点平面图，图中顶点表示主要景点， <br>存放景点的编号、名称、简介等信息，图中的边表示景点间的道路，存放路径长度等信息。要求能够回答有关景点介绍、游览路径等问题。(/ * campus tour guide program * / / / / / using undirected network to express the campus scenic spot map of the school. The main attractio
Bayesian-Network-Structure-Learning-master
- 一般贝叶斯网络的构建是首先由相关领域的专家根据事物间的关系来确定出结构模型，即有向无环图，然后再利用其它方法确定每个节点的条件概率，但这样构建的网络模型无法保证其客观性和可靠性．(In general, the construction of Bayesian network is to determine the structural model, i.e. directed acyclic graph, by experts in related fields according to th
StructureLearningLibraries-master
- 贝叶斯网络又称信度网络，是Bayes方法的扩展，是目前不确定知识表达和推理领域最有效的理论模型之一。从1988年由Pearl提出后，已经成为近几年来研究的热点.。一个贝叶斯网络是一个有向无环图(Directed Acyclic Graph,DAG),由代表变量结点及连接这些结点有向边构成(Bayesian network, also known as belief network, is an extension of Bayes method and one of the most effec