多媒体播放器,利用微软公司在ActiveMovie和Video for Windows的基础上推出的新一代基于COM的流媒体处理的开发包DirectShow与Delphi开发环境编写的多功能影音播放器.与小组成员五人合作完成了可行性研究报告、需求分析、概要设计说明书、详细说明书等开发文档.这是我软件工程实验的一个项目与大家分享,有完整的论文和代码.
标签： ActiveMovie DirectShow Windows Delphi
上传时间： 2017-07-14
上传用户：凤临西北
一般压缩文件都没密码，如有密码，那么默认解压密码为:www.xkxz.com 有任何问题可以加入QQ群：2386359 合作业务联系QQ：986760 一般压缩文件都没密码，如有密码，那么默认解压密码为:www.xkxz.com 有任何问题可以加入QQ群：2386359 合作业务联系QQ：986760 Mail:tianxianjianke@163.com
标签： 密码
上传时间： 2014-01-04
上传用户：gououo
通过在proteus中操作得知这个程序的作用是：显示图形。 使我了解了数组、变量、子程序等的运用。此程序是通过开关键的控制来实现图形的显示形状，我们主要通过定时器来实现图形的显示间隔，按键的次数来显示索要显示胡和图形，使伙熟悉了P0、P1、P3输入/输出口的功能，以及74LS245芯片胡性能等。 在程序开发中有一项编程风格很重要，那就是命名规则。 一个变量的命名如果恰到好处，能够让人望文知意的话。会让别人在阅读你的代码时变得轻松，更加容易理解。这也在无形中提高了团队合作的效率。 判断是按键还是干扰是非常有用的，它体现了一个系统的抗干扰能力。高低电平在瞬间的变换是很正常的，如果没有这条语句，系统很容易出错。
上传时间： 2014-10-14
上传用户：钓鳌牧马
原创：VxWorks操作系统内存分配解析 嵌入式操作系统分配内存的算法有很多，如最先匹配算法，最优匹配算法，最坏匹配算法，伙伴算法，还有很多人研究了各式各样的各有优势的算法。目前，常用的有VxWorks操作系统使用的最先匹配算法，linux操作系统使用的伙伴算法等。
上传时间： 2013-12-24
上传用户：从此走出阴霾
很好用得一个文件，请大家多多支持下,谢谢合作与支持。
标签：
上传时间： 2017-08-21
上传用户：黑漆漆
此项目为企业门户网站，运用数据库，不仅对公司的产品进行介绍，还对企业的合作分配进行了分析
上传时间： 2017-09-10
上传用户：wlcaption
Thinking in embedded （嵌入式编程思想 第一版） 版权声明： 1、 本书遵守GPL国际公约，您可以反汇编、传播和转载本书以及本书部分内容，但是请保留作者信息； 2、 本书面向所有嵌入式爱好者免费发放，任何人不经原作者同意不得用于商业用途，谢谢合作。 3、 本书部分文章来自互联网，由于网上流传的不完整性，本书在编排文章的时候尽可能保留原作者的信息，如果有任何损害原创者权益的行为，请于本书编者联系，我们将尽快按照您的意愿做修正 4、 如果您想加入本书的编写小组来，请于本书的编写者联系，谢谢大家的支持。 5、 暂时给本书取名为：Thinking in embedded（嵌入式编程思想 第一版），嘿嘿，大家不要扔石头呀
标签： Thinking embedded in 嵌入式编程
上传时间： 2014-03-18
上传用户：yuanyuan123
要求报名学习人员有一定的机械模具加工常识，对刀具有一定了解，能吃苦，本课程主要讲解UG数控编程知识，从平面铣 2D平面铣 型腔铣 等高铣 固定轴加工 到钻孔 镗孔 攻丝等逐一进行讲解，授课现场配合数控机床进行练习，边讲解边练习，使你掌握真正的数控加工 UG自动编程技术！ 每天进行大量企业生产工件 产品 模具实例练习，所学即所用，练习即生产！ 省内多家企业合作，最实用的编程技术，花钱学的是真正的技术，不是一些网上就能学到的基础！让你的学费不白花，走进达索科技 走向成功人生，专注方能成功！
标签： UG编程
上传时间： 2015-03-25
上传用户：maxmaxfire
一份文档，仅供参考，完全抄袭，后果自负，谢谢合作
标签： ksvdopencv;
上传时间： 2015-05-11
上传用户：HOLY
遗传算法为群体优化算法，也就是从多个初始解开始进行优化，每个解称为一个染色体，各染色体之间通过竞争、合作、单独变异，不断进化。 优化时先要将实际问题转换到遗传空间，就是把实际问题的解用染色体表示，称为编码，反过程为解码，因为优化后要进行评价，所以要返回问题空间，故要进行解码。SGA采用二进制编码，染色体就是二进制位串，每一位可称为一个基因；解码时应注意将染色体解码到问题可行域内。 遗传算法模拟“适者生存，优胜劣汰”的进化机制，染色体适应生存环境的能力用适应度函数衡量。对于优化问题，适应度函数由目标函数变换而来。一般遗传算法求解最大值问题，如果是最小值问题，则通过取倒数或者加负号处理。SGA要求适应度函数>0，对于<0的问题，要通过加一个足够大的正数来解决。这样，适应度函数值大的染色体生存能力强。 遗传算法有三个进化算子：选择（复制）、交叉和变异。 SGA中，选择采用轮盘赌方法，也就是将染色体分布在一个圆盘上，每个染色体占据一定的扇形区域，扇形区域的面积大小和染色体的适应度大小成正比。如果轮盘中心装一个可以转动的指针的话，旋转指针，指针停下来时会指向某一个区域，则该区域对应的染色体被选中。显然适应度高的染色体由于所占的扇形区域大，因此被选中的几率高，可能被选中多次，而适应度低的可能一次也选不中，从而被淘汰。算法实现时采用随机数方法，先将每个染色体的适应度除以所有染色体适应度的和，再累加，使他们根据适应度的大小分布于0-1之间，适应度大的占的区域大，然后随机生成一个0-1之间的随机数，随机数落到哪个区域，对应的染色体就被选中。重复操作，选出群体规模规定数目的染色体。这个操作就是“优胜劣汰，适者生存”，但没有产生新个体。 交叉模拟有性繁殖，由两个染色体共同作用产生后代，SGA采用单点交叉。由于SGA为二进制编码，所以染色体为二进制位串，随机生成一个小于位串长度的随机整数，交换两个染色体该点后的那部分位串。参与交叉的染色体是轮盘赌选出来的个体，并且还要根据选择概率来确定是否进行交叉（生成0-1之间随机数，看随机数是否小于规定的交叉概率），否则直接进入变异操作。这个操作是产生新个体的主要方法，不过基因都来自父辈个体。 变异采用位点变异，对于二进制位串，0变为1，1变为0就是变异。采用概率确定变异位，对每一位生成一个0-1之间的随机数，看是否小于规定的变异概率，小于的变异，否则保持原状。这个操作能够使个体不同于父辈而具有自己独立的特征基因，主要用于跳出局部极值。 遗传算法认为生物由低级到高级进化，后代比前一代强，但实际操作中可能有退化现象，所以采用最佳个体保留法，也就是曾经出现的最好个体，一定要保证生存下来，使后代至少不差于前一代。大致有两种类型，一种是把出现的最优个体单独保存，最后输出，不影响原来的进化过程；一种是将最优个体保存入子群，也进行选择、交叉、变异，这样能充分利用模式，但也可能导致过早收敛。 由于是基本遗传算法，所以优化能力一般，解决简单问题尚可，高维、复杂问题就需要进行改进了。 下面为代码。函数最大值为3905.9262，此时两个参数均为-2.0480，有时会出现局部极值，此时一个参数为-2.0480，一个为2.0480。算法中变异概率pm=0.05，交叉概率pc=0.8。如果不采用最优模式保留，结果会更丰富些，也就是算法最后不一定收敛于极值点，当然局部收敛现象也会有所减少，但最终寻得的解不一定是本次执行中曾找到过的最好解。
标签： 遗传算法
上传时间： 2015-06-04
上传用户：芃溱溱123
