搜索资源列表
safeOper
- 这是国内首本在网站系统安全开发规范方面的应用手册，由动易软件安全工程师们耗时近6个月精心编制而成。手册基于.NET 2.0 的网站系统开发环境进行编写，共分为十三大项，30个小项，介绍了输入验证、输出编码、SQL注入、跨站脚本攻击、跨站请求伪造、越权操作、IO操作安全、缓存泄漏、系统加密、信息批漏、日志和监测、Web.config安全配置等方面的内容，并列明具体的防御手段和方法，从而为网站开发人员提供了一本深具实操性的工具书。 -This is the first site of the s
Agenda-manager
- 议程管理系统(Agenda Service)的业务逻辑主要包括两方面，一是用户(User)的管理，二是 会议(Meeting)的管理。根据需求，用户管理需要做到的只是注册和校验密码两项工作，而会 议管理需要做的是增加、查询、删除和清空会议，两者交叉部分较少（只在会议双方必须是 已注册用户这点上存在交叉）。因此可以将用户 User 与会议Meeting分离。 -Agenda management system (Agenda Service) of the business logic
BarcodeGenerator
- 条码打印程序： 本程序用VC++6编写，是一个一维条码的打印演示程序，目的是为了验证和学习各种条码的编码算法。本程序可以打印各种一维条码如：code39,code93,code128,EAN13,交叉25码I2of5，codabar码。里面打包了dll可以在任何windows环境下解压运行。 目前二维条码的开发正在进行中，有兴趣的大虾们欢迎加入共同学习，共同进步。由于程序源代码比较大，有需要的可以给我发邮件： luhang33@126.com 或者QQ：2807
3DBeam_fre
- 空间梁验证算例 算例1 计算一空间圆杆形悬臂梁，截面尺寸为，直径 厘米，长度 米，弹性模量 质量密度 。 -Spatial beam validation example calculation of a space for example a rod-shaped cantilever beam, cross-sectional size, diameter cm, length m, elastic modulus, mass density.
CRC16Csharp
- C#原码CRC验证,决的很好就穿上来和大家分享,老鸟非过这个只适合新手.-C# code CRC validation, decision well put on and to share the fields and non-cross-this is only suitable for novice.
asp-Universal-Network-System-
- asp万能网络问卷调查系统是一套方便你将调查问卷、民意调查、投票海选转移到互联网进行的应用系统。支持单选、多选、自定义文本、以及多种题型交叉等类型的问题 限制问卷IP范围（分为黑白两种方式） 每份问卷支持无限多个题目 支持问卷密码（凭密码进行问卷调查 ） 可设置是否允许同一IP重复提交 可设置问卷提交IP范围 可设置问卷开始以及结束日期 智能表单验证 问卷明细数据列表查看 柱状图分析-asp Universal Network System is a conv
m11223
- 与其它高级语言相比较，MATLAB具有独特的优势：(1) MATLAB是一种跨平台的数学语言。(2) MATLAB是一种超高级语言。MATLAB平台本身是用C语言写成的，所以在编程效率，程序的可读性、可靠性和可移植性上远远超过了常规的高级语言。(3) MATLAB语法简单，编程风格接近数学语言描述，是数学算法开发和验证的最佳工具。(4) MATLAB计算精度很高。与其它语言相比，MATLAB对计算机内存、硬盘空间的要求也是比较高的。-Compared with other high-level
validateemail
- jQuery实现简单的无刷新邮件地址验证功能，验证email输入是否正确，这是表单验证中的其中之一，Email验证当然是比较实用的一种验证了，当输入正确的时候，文本框的后面会显示一个小对号，如果正在输入或者格式错误的时候，会显示红叉，适时提示用户是否输入正确。-jQuery to achieve a simple no-refresh-mail address authentication, verification email entered is correct, this is one f
sen11link
- 1、链接页面每页可加入30个网站，是同类链接程序中最多的。 2、页面经过美化处理，框架更合理。 3、加入的网站需经过验证后方可在首页出现，更有利于网站的互链 管理ID：sen11 默认密码：sen-1, links can be added to 30 pages per site is similar in most of the linker. 2, page landscaping after treatment, more reasonable framework.
LoonAndroid3-master
- 超低耦合框架全自动注入自动分发框架基本功能 InLayer注解 InPlayer 注解 Activity生命周期注解 InView注解 综合功能集合 网络请求模块 输入验证 跨进程通讯 Json格式化类 倒计时类-The basic function of the automatic injection framework for the super low coupling frame InLayer annotation InPla
matlab贝叶斯分类(2)-10折10次交叉验证
- 利用matlab实现贝叶斯分类，采用10折10次交叉验证法选取训练集和测试集，进行循环测试，最后返回准确率为0.9184.另外，文件内含数据源。(The Bias classification is realized by MATLAB, and the training set and test set are selected by 90% off 10 times cross validation method, and the cycle test is carried out. Fin
itoolbox
- 协同区间偏最小二乘 siPLS算法是 N rgaard等对其提出 的 iPLS方法的改进, 其基本算法步骤如下:(1)对原始谱图进行 预处理;(2)在全谱范围内建立全局偏最小二乘模型, 即上节的 模型;(3)在整个光谱区间采用 iPLS建立多个等窗口宽度的子 区间, 假设为 n个;(4)在每个子区间上建立偏最小二乘法模型, 即可得到 n个局部模型;(5)以交叉验证时的均方根误差 RMSE 值为各模型的精度衡量标准, 比较全光谱模型和各局部模型的 精度;(6)组合精度最高的局部子区间
gcv
- 本程序为广义交叉验证（GCV）的matlab代码，在一些场合有比交叉验证（OCV）更好的特性(This program is a generalized cross validation (GCV) matlab code, in some cases than cross validation (OCV) better characteristics)
classification
- 实现PCA分类.1、进行PCA的交叉检验。2、对数据进行PCA降维。3、进行分类，交叉检验。4、构造训练和测试的数据(PCA classification,Cross validation of PCA,PCA dimensionality reduction for data.)
交叉验证及svr
- 交叉验证及带例子的支持向量机回归代码，修改可用。(Cross validation and support vector machine regression code with examples can be modified.)
classifier_D
- 使用SVM分类器来预测乳腺癌病人的预后(特征选择；分类器构建)，评价模型时使用无被交叉验证，性能评价指标包括准确率，AUC，灵敏度，特异度。学会最基本的机器学习方法。可查看分发给大家的代码，以后遇到类似的问题，可用相似的思路和代码。(The SVM classifier was used to predict the prognosis of breast cancer patients (feature selection; classifier construction), and the
SRGTSToolbox
- SURROGATES工具箱是一个多维函数逼近和优化方法的通用MATLAB库。当前版本包括以下功能： 实验设计：中心复合设计，全因子设计，拉丁超立方体设计，D-optimal和maxmin设计。 代理：克里金法，多项式响应面，径向基神经网络和支持向量回归。 错误和交叉验证的分析：留一法和k折交叉验证，以及经典的错误分析（确定系数，标准误差;均方根误差等;）。 基于代理的优化：高效的全局优化（EGO）算法。 其他能力：通过安全裕度进行全局敏感性分析和保守替代。(SURROGATES Toolbox
KRR
- 核岭回归算法 输入数据集(需要分开存放训练集和测试集) 利用4重交叉验证法调参 最后输出分类准确率(Kernel ridge regression algorithm Input data set (training set and test set need to be stored separately) Parameter adjustment by 4-fold cross validation Final output classification accuracy)
Python机器学习基础教程(完整电子版)
- 本书是机器学习入门书，以Python语言介绍。主要内容包括：机器学习的基本概念及其应用；实践中最常用的机器学习算法以及这些算法的优缺点；在机器学习中待处理数据的呈现方式的重要性，以及应重点关注数据的哪些方面；模型评估和调参的高级方法，重点讲解交叉验证和网格搜索；管道的概念；如何将前面各章的方法应用到文本数据上，还介绍了一些文本特有的处理方法。(This book is an introduction to machine learning, introduced in Python langua