搜索资源列表
Principles-of-database-storage
- 数据与信息的联系 数据是信息的符号表示或载体，信息则是数据的内涵，是对数据的语义解释。 如上例中的数据2000、30 被赋予了特定的语义，它们就具有了传递信息的功能。 1.1.2 数据处理 数据处理是将数据转换成信息的过程，包括对数据的收集、存储、加工、检索、传输等一系列活动。其目的是从大量的原始数据中抽取和推导出有价值的信息，作为决策的依据。 可用下式简单的表示信息、数据与数据处理的关系： 信息=数据+数据处理 数据是原料，是输入，而信息是产出，是输出结果。“信息处
choujiang1.2.2
- 公司法年终抽奖奖金的程序。 1. 双击 启动.htm 由于本地运行js会提示安全信息的黄条 请单击选择“允许阻止的内容 ” 2. 接下来会得到一个全屏窗口 继续选择“允许阻止的内容 ” 就启动了抽奖系统。 3. 运行过程中 “空格”=[开始/停止] “回车” = [下一个奖项] 4. 单轮抽奖停止后双击某一数字可对其再次进行单独抽取！（用来重新筛选不在场的号码，一般这个功能用不着！） 5. 到最后一个奖项 点击“查看结果”按钮将显示最终抽奖的全部结果 6. 最后
FH-SS
- 要进行误码率的计算，需要分两步进行，即抽样和判决。假 设信源信息码长度为M，每个信息码包含N 个采样点数，则，先从第一个信 息码的N 个采样点中，随机抽取i 个，判断是否全为1，或全为－1，这样就 确定了此信息码为1 还是－1；以同样的方法对输出的信息码再做一次，最后 将两个信息码的判断结果进行比较，不同就记录下来，进行累加，相同则进 行下一次循环。M 个循环后，把累加和的结果除以M，就得到本系统的误码 率了。 -To calculate the error rate
caipiao
- 谢氏玩法 每注100元，提示玩家输入一个0到9的数字，系统随机抽取10个0到9的系统号码。获奖规则：若玩家输入的数字与系统号码中出现次数最多的数字相同，则获得一等奖，若与出现次数第二多的数字相同，则获得二等奖，若与出现次数第三多的数字相同，则获得三等奖。奖金细则：一等奖200元，二等奖50元，三等奖10元。 Eg: 你现在进行的是谢氏玩法，请输入一个0到9的数字：7 请输入你要玩的注数：20 你选择的数字为：7 本期系统号码为：4 4 7 7 7 5 6 7 1
Ask_Spline_Face_data
- 本示例段演示了从点云创建曲面的操作，然后从曲面上抽取一条等参数线作为加工曲面时的切触点轨迹线，把该切触点轨迹线离散得到单个的切触点。对于曲面上的每个切触点，访问曲面在该点处的信息并采用球头刀加工时刀尖点的位置并从该点画出刀轴所在的直线。在此程序段中，刀轴矢量默认为与z轴平行,对应书中5.8.3中的示例程序。 运行要求: （路径上不能有中文）1、打开UG NX3.0或以上版本，新建一个.prt文件 2、使用快捷键"Ctrl+U"，出现选择对话框，选择程序所在的位置。 使用"Fit"功能
LEMS
- 本系统功能主要分为用户登录、系统管理、设备管理、用户操作四个部分。对于支持该系统的数据库，建立了2张表，分别是登录表和设备表。这对每一项功能，都有必要的驱动信息和功能上的约束。以设备管理功能为例，设备管理分为四部分：添加设备，删除设备，浏览设备，查询设备。添加设备时应该能对一些有限制的信息做好正确的检查，录入的设备信息应包括设备编号、设备名称、购进时间、国别、供应商、价格、存放地点保管人、借用人，并且在信息输入时应及时对信息的合法性进行检查；删除设备可以根据输入设备的名称进行删除；查询设备主要是
1
- 基于遗传算法的PID算法参数研究 以自然选择和基因遗传理论为基础,将生物进化过程中的适者生存规则与群体内部染色体的随机信息交换机制相结合,在问题解空间内进行全局并行、随机的搜索,其结果是向全局最优方向收敛.GA 模仿生物进化的步骤,引入繁殖,交叉,变异等算子. 繁殖是在父母代种群中将适应度较高的个体选择出来,根据适者生存原理,淘汰适应度较低的个体,以优化种群 交叉是从种群中随机地抽取一对个体,并随机地选择一位交叉位进行交叉,生成新样本,达到增大搜索空间的目的 变异是模仿生物的基因突变,为了防止繁
rw4r23er
- 以自然选择和基因遗传理论为基础,将生物进化过程中的适者生存规则与群体内部染色体的随机信息交换机制相结合,在问题解空间内进行全局并行、随机的搜索,其结果是向全局最优方向收敛.GA 模仿生物进化的步骤,引入繁殖,交叉,变异等算子. 繁殖是在父母代种群中将适应度较高的个体选择出来,根据适者生存原理,淘汰适应度较低的个体,以优化种群 交叉是从种群中随机地抽取一对个体,并随机地选择一位交叉位进行交叉,生成新样本,达到增大搜索空间的目的 变异是模仿生物的基因突变,为了防止繁殖和交叉丢失重要的遗传信息 它对
34523-
- 以自然选择和基因遗传理论为基础,将生物进化过程中的适者生存规则与群体内部染色体的随机信息交换机制相结合,在问题解空间内进行全局并行、随机的搜索,其结果是向全局最优方向收敛.GA 模仿生物进化的步骤,引入繁殖,交叉,变异等算子. 繁殖是在父母代种群中将适应度较高的个体选择出来,根据适者生存原理,淘汰适应度较低的个体,以优化种群 交叉是从种群中随机地抽取一对个体,并随机地选择一位交叉位进行交叉,生成新样本,达到增大搜索空间的目的 变异是模仿生物的基因突变,为了防止繁殖和交叉丢失重要的遗传信息 它对
5436546
- 以自然选择和基因遗传理论为基础,将生物进化过程中的适者生存规则与群体内部染色体的随机信息交换机制相结合,在问题解空间内进行全局并行、随机的搜索,其结果是向全局最优方向收敛.GA 模仿生物进化的步骤,引入繁殖,交叉,变异等算子. 繁殖是在父母代种群中将适应度较高的个体选择出来,根据适者生存原理,淘汰适应度较低的个体,以优化种群 交叉是从种群中随机地抽取一对个体,并随机地选择一位交叉位进行交叉,生成新样本,达到增大搜索空间的目的 变异是模仿生物的基因突变,为了防止繁殖和交叉丢失重要的遗传信息-GA
6756745
- 以自然选择和基因遗传理论为基础,将生物进化过程中的适者生存规则与群体内部染色体的随机信息交换机制相结合,在问题解空间内进行全局并行、随机的搜索,其结果是向全局最优方向收敛.GA 模仿生物进化的步骤,引入繁殖,交叉,变异等算子. 繁殖是在父母代种群中将适应度较高的个体选择出来,根据适者生存原理,淘汰适应度较低的个体,以优化种群 交叉是从种群中随机地抽取一对个体,并随机地选择一位交叉位进行交叉,生成新样本,达到增大搜索空间的目的 变异是模仿生物的基因突变-GA in power system
GradeSystem
- 1、实现对两个文件数据进行合并,生成新文件3.txt 2、抽取出三科成绩中有补考的学生并保存在一个新文件4.txt 3、 对合并后的文件3.txt中的数据按总分降序排序(至少采用两种排序方法实现) 4、 输入一个学生学号后,能查找到此学生的其它信息并输出结果(至少采用两种查找方法实现) 5、使用结构体,链或数组等实现上述要求. -1, to achieve the merger of two data files, create a new file 3.txt 2, ext
123
- 25.学生成绩管理系统 现有学生成绩信息文件1.txt，内容如下 姓名 学号 语文 数学 英语 张明明 01 67 78 82 李成友 02 78 91 88 张辉灿 03 68 82 56 王露 04 56 45 77 陈东明 05 67 38 47 学生成绩信息文件2.txt,内容如下: 姓名 学号 语文 数学 英语 陈果 31 57 68 82 李华明 32 88 90
92393982adfaf
- 此程序可在mapinfo与mapbasic中用于抽取地图的X，Y坐标信息-This program can be used to extract the maps X, Y coordinates in mapinfo and mapbasic
metastudio_Linux_gcc_gecko1.8_zh
- MetaSeeker工具包V3是GooSeeker团队自主开发的网页抓取/数据抽取/信息提取软件，经历了垂直搜索、SNS等多个互联网浪潮的实战检验，已经发展到V3版本，并且分成企业版和在线版，对于不愿支付昂贵的企业版费用的用户可以免费下载使用在线版。 MetaSeeker工具包V3版本包括如下软件工具： 1，MetaStudio，网页数据结构定义工具，通过图形界面免编程定义网站数据抓取规则 2，DataScraper，数据抽取工具，能够连续大批量抓取网页内容，不是普通的网络爬虫，而是适应力-Me
xueshengguanlixitong
- 设计题目：学生信息管理系统 设计要求： 设计要求实现如下功能： （1）建立学生信息数据，包括学号、姓名、性别、三科成绩、出生时间、年龄（必须计算得到）。 （2）使用继承的方法构造至少3个类，（即学生类——虚基类，本科生和研究生类——派生类）使用相应的对象放置10个学生信息。 （3）编写同名display()成员函数，用来输出数组的内容。 （4）按不同类别输出学生信息，比如按性别。（可选功能） （5）要求对“＜＜”和“＞＞”运算符进行重载。 （6）抽取并计算学生的平
open-information-extraction-
- 新的抽取信息的方法 新的抽取信息的方法-More than 30 of REVERB’s extractions are at precision 0.8 or higher— compared to virtually none for earlier systems. The paper concludes with a detailed analysis of REVERB’s errors, suggesting directions for future wor
Kernel-for-Relation-Extraction
- 最短的路径依赖关系提取 我们提出了一个新颖的方法来提取关系，根据观察断言之间的关系之间的两个命名实体在同一个句子1所需的信息通常是由两个实体之间的依赖关系图中的最短路径捕获。实验上提取的ACE（自动内容抽取）报纸语料表明，新的最短路径依赖内核外执行最近的做法，根据去依赖树内核顶层的关系-We present a novel approach to relation extraction, based on the observation that the information requir
Objective_test_system
- 客观题考试系统(选择题部分) ， 一. 学生考试及评分 1. 学生通过账号、密码登录系统后，接受页面弹出考试规则； 2. 确认考试科目后，系统根据考试科目对应的科目从题库随机抽取试题（应满足总分为100分，可根据试题难易程度设置随机抽题策略），同时根据考试时长进入倒计时； 3. 学生做完题目后，所选全部答案将记录在分数表中； 4. 当学生提交试卷或考试时间到时，系统将考生答案与正确答案比较，给出最终得分并显示和记录。 二. 教师试题管理 1. 任课教师通
onTextCategorization
- 本文比较研究了在中文文本分类中特征选取方法对分类效果的影响。考察了文档频率DF、信息增 益IG、互信息MI、V2分布CHI 四种不同的特征选取方法。采用支持向量机(SVM) 和KNN两种不同的分类 器以考察不同抽取方法的有效性。实验结果表明, 在英文文本分类中表现良好的特征抽取方法( IG、MI 和 CHI)在不加修正的情况下并不适合中文文本分类。文中从理论上分析了产生差异的原因, 并分析了可能的 矫正方法包括采用超大规模训练语料和采用组合的特征抽取方法。最后通过实验验证组合特征