留言 留言本采用asp+access数据结构，使用方便，无需安装，放到服务器空间即可使用。
上传时间： 2014-07-01
上传用户：zhangzhenyu
NETLINK是LINUX环境下一种新型的用户空间与内核空间的交互方法，示例代码给出了一个实例，将网络数据包以NETLINK的方式从内核空间发送至用户空间，再由用户空间返回。
上传时间： 2017-06-13
上传用户：gaome
人力资源管理系统自动计算员工工资。自动生成员工工资报表。实现员工岗位调动操作。实现员工离职、复职操作。支持数据的模糊查询机制。运行环境 操作系统：Windows 2000/NT/XP/ME 开发工具：Delphi 7.0 数据库：SQL Server 2000 硬件配置：CPU：600MHz以上的处理器 内存：64MB，推荐128MB以上 硬盘：100MB以上磁盘空间 分辨率：最低800×600像素 建议1024×768像素 颜色：256色
上传时间： 2017-06-18
上传用户：363186
生产管理系统：系统具有数据备份及数据还原功能。能够保证系统数据的安全性方便的全方位的数据查询。在相应的权限下，删除数据方便简单，数据稳定性好。数据计算自动完成，尽量减少人工干预。强大的报表打印功能。 运行环境 操作系统：Windows 2000/NT/XP/ME 开发工具：Delphi 7.0 数据库：SQL Server 2000 硬件配置：CPU：300MHz以上的处理器 内存：64MB，推荐128MB以上 硬盘：100MB以上磁盘空间 分辨率：最低800×600像素 建议1024×768像素 颜色：256色
上传时间： 2013-12-20
上传用户：dapangxie
设计一个图形用户界面,利用下表的数据,设计窗体界面来演示数据插值,在窗体界面上分别演示线性插值和三样条插值在每分钟内每隔的秒数,钢轨每隔米不同长度处.这两个参数由用户输入,绘制改变插方法,和改变参数后的图形输出.并用”选项”菜单控制:网格开关,图例开关,色度空间.
上传时间： 2017-06-25
上传用户：爱死爱死
操作系统磁盘空间分配与回收，用户可以定义柱面数，扇区数，磁道数，然后用一个二维数组存放相对应用户分配的相对物理块号，即数组weishi[][]。程序中定义内部类记录进程，当输入相应的用进程名时，给相应分配为物理块，记录盘块数据。当回收用户盘块时，只需输入进程名，即可回收其占用的盘块并置位示图相应号为0。
上传时间： 2017-07-07
上传用户：kernaling
1数据传送与多字节十进制加法实验 1. 数据传送实验 把数据0A0H放到地址为40H内存单元，并将数值和地址分别递增1，要求一共做十次这样的操作。 将内存空间40H-49H的数值分别传递给50H-59H的内存空间中 2. 多字节十进制加法实验 将存放在单片机内部RAM中以40H为首的3个地址单元中的一十进制数与存放在50H为首的3个地址单元中的一十进制数相加，将相加结果存放在以60H为首的地址RAM地址单元中。 2要求在8个LED数码管显示8个指定的数（例如学号）。 编程提示：数码管模块具有两个地址：片选地址和数据（段码）地址，要在某个数码管上显示1个数，需要先向片选地址上送一个数选中其中一个数码管，在向数据地址送要显示的数据的段码值。要８位同时显示，需要采用动态刷新的方式将８位数码管轮流显示。 共阳极数码管段码：C0H,F9H,A4H,B0H,99H,92H,82H,F8H,80H,90H对应0~9
上传时间： 2014-01-20
上传用户：lanjisu111
双基地雷达空间定位精度分析，针对双基地雷达空间定位时的数据冗余提出了一种相关数据压缩算法。
上传时间： 2014-11-12
上传用户：yph853211
主要是数据挖掘中的文本挖掘算法及其分析，其中包括层次聚类，空间向量模型等，处理对象有对于网页的也有针对纯文本的。
上传时间： 2017-09-25
上传用户：anng
K-Means算法是最古老也是应用最广泛的聚类算法，它使用质心定义原型，质心是一组点的均值，通常该算法用于n维连续空间中的对象。 K-Means算法流程 step1：选择K个点作为初始质心 step2：repeat 将每个点指派到最近的质心，形成K个簇 重新计算每个簇的质心 until 质心不在变化 例如下图的样本集，初始选择是三个质心比较集中，但是迭代3次之后，质心趋于稳定，并将样本集分为3部分 我们对每一个步骤都进行分析 step1：选择K个点作为初始质心 这一步首先要知道K的值，也就是说K是手动设置的，而不是像EM算法那样自动聚类成n个簇 其次，如何选择初始质心 最简单的方式无异于，随机选取质心了，然后多次运行，取效果最好的那个结果。这个方法，简单但不见得有效，有很大的可能是得到局部最优。 另一种复杂的方式是，随机选取一个质心，然后计算离这个质心最远的样本点，对于每个后继质心都选取已经选取过的质心的最远点。使用这种方式，可以确保质心是随机的，并且是散开的。 step2：repeat 将每个点指派到最近的质心，形成K个簇 重新计算每个簇的质心 until 质心不在变化 如何定义最近的概念，对于欧式空间中的点，可以使用欧式空间，对于文档可以用余弦相似性等等。对于给定的数据，可能适应与多种合适的邻近性度量。
上传时间： 2018-11-27
上传用户：1159474180
