虫虫首页| 资源下载| 资源专辑| 精品软件
登录| 注册

g<b>Sdg</b>dsg

  • 华恒科技 HHCF5249-R3 技术手册 第一章 产品简介 第二章 软件系统 第三章 硬件系统 第四章 机械特性 第五章 底板的硬件设计 第六章 售后服务及技术支持 附录 附录A 初

    华恒科技 HHCF5249-R3 技术手册 第一章 产品简介 第二章 软件系统 第三章 硬件系统 第四章 机械特性 第五章 底板的硬件设计 第六章 售后服务及技术支持 附录 附录A 初始化 附录B LINUX 常见术语 附录C 常用LINUX 命令 附录D GCC 与GDB 附录E MAKEFILE 附录F UCLINUX 系统分析 uClinux 简介 uClinux 小型化的做法 uClinux 的开发环境 uClinux 的内存管理 工具及内核 附录G 图形界面(GUI)接口函数API 附录H 参考资料

    标签: HHCF 5249 华恒科技 产品简介

    上传时间: 2013-12-24

    上传用户:a6697238

  • 电源:稳压的+5V电源

    电源:稳压的+5V电源,电流小于300mA。 视频输入:RGB+HSYNC+VSYNC信号,取自VGA卡,刷新率与NTSC标准兼容。 视频输出:混合视频和S-视频(Y/C)。 支持的视频标准:PAL B、G、H和NTSCM。 电路要求VGA卡能发送与PAL或NTSC标准视频时序兼容的RGB格式视频信号。

    标签: 电源 5V电源 稳压

    上传时间: 2014-11-22

    上传用户:zhuyibin

  • 本程序要求用户在控制台里输入非终极符

    本程序要求用户在控制台里输入非终极符,终结符与产生式,然后对用户输入的文法进行分析,得出first集 与follow 集,并打印出预测分析表用户决定是否继续进行句型分析,如继续则给出符号分析栈的实现,从而判断刚输入的句子是否为符合该文法的句子。 该程序遵循LL(1) 文法FIRST(A)的构造:是A的所有可能推导的开头终结符或可能的ε FOLLOW(A)是所有句型中出现在紧接A之后的非终结符或“#” 预测分析程序 构造LL(1)分析表 ⅰ,构造文法中所有元素的FIRST和FOLLOW集合 ⅱ,对文法G的每个产生式A->α执行第三步和第四步 ⅲ,对每个终结符a∈FIRST(α),把A->α加至M[A,a] ⅳ,若ε∈FIRST(α),则对任何b∈FOLLOW(A)把A->α加至M[A,b]中 ⅴ,把所有无定义的M[A,a]标上“出错标志”

    标签: 程序 用户 控制台 输入

    上传时间: 2013-12-27

    上传用户:jackgao

  • 基于J2EE的物流信息系统的设计与实现 介绍了J2EE 体系结构、Mv c模式等相关概念和技术

    基于J2EE的物流信息系统的设计与实现 介绍了J2EE 体系结构、Mv c模式等相关概念和技术,并重点探讨了 目 前比 较受欢迎的三种开源框架( s t r ut s框架、S Pr i n g框架和H i b e m a t e 框架)。 分析了他们的体系结构、 特点和优缺点。 根据J ZE E的分层结构,结合We b应用 的特点, 将三种框架进行组合设计, 即表现层用S t r ut s框架、 业务逻辑层用S P ri n g 框架、持久层用比b ema t e 框架,从而来构建物流信息系统。这种整合框架使各 层相对独立, 减少各层之间的祸合程度,同时加快了系统的开发过程,增强了系 统的可维护性和可扩展性,初步达到了分布式物流信息系统的设计目标。 经过以上分析,结合物流系统的业务需求,进行了相关的实现。最后,系统 运用先进的A ja x技术来增强Ui层与服务器的异步通信能力, 使用户体验到动态 且响应灵 敏的桌 面级w e b应用程序。 通过江联公司的试运行结果,系统达到了 渝眯。 并 且 对 江 联 公 司 提 出 了 基 于 R F I D 的 解 决 方 案 的 实 施 计 划 。

    标签: J2EE 物流信息 模式

    上传时间: 2016-06-01

    上传用户:ynsnjs

  • segment,一个简单的中文分词程序

    segment,一个简单的中文分词程序,命令行如下: java -jar segmenter.jar [-b|-g|-8|-s|-t] inputfile.txt -b Big5, -g GB2312, -8 UTF-8, -s simp. chars, -t trad. chars Segmented text will be saved to inputfile.txt.seg

    标签: segment 程序

    上传时间: 2014-01-04

    上传用户:ynzfm

  • 对于给定的一组进程

    对于给定的一组进程,采用优先级加时间片轮转法进行调度。设有一个就绪队列,就绪进程按优先数(优先数范围0-100)由小到大排列(优先数越小,级别越高)。当某一进程运行完一个时间片后,其优先级应下调(如优先数加3),试对如下给定的一组进程给出其调度顺序。每当结束一进程时要给出当前系统的状态(即显示就绪队列)。这里,进程可用进程控制块(PCB)表示为如右表所示。 进程名 A B C D E F G H J K L M 到达时间 0 1 2 3 6 8 12 12 12 18 25 25 服务时间 6 4 10 5 1 2 5 10 4 3 15 8

    标签: 进程

    上传时间: 2014-01-13

    上传用户:chfanjiang

  • 使用说明 使用时打开此例题目录下pic中的图片

    使用说明 使用时打开此例题目录下pic中的图片,然后依次单击按钮“转”、“1”、“2”、“3”、“4”和“5”,就可以实现精确的车牌定位。 具体步骤 1.24位真彩色->256色灰度图。 2.预处理:中值滤波。 3.二值化:用一个初始阈值T对图像A进行二值化得到二值化图像B。 初始阈值T的确定方法是:选择阈值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分别是最高、最低灰度值。 该阈值对不同牌照有一定的适应性,能够保证背景基本被置为0,以突出牌照区域。 4.削弱背景干扰。对图像B做简单的相邻像素灰度值相减,得到新的图像G,即Gi,j=|Pi,j-Pi,j-1|i=0,1,…,439 j=0,1,…,639Gi,0=Pi,0,左边缘直接赋值,不会影响整体效果。 5.用自定义模板进行中值滤波 区域灰度基本被赋值为0。考虑到文字是由许多短竖线组成,而背景噪声有一大部分是孤立噪声,用模板(1,1,1,1,1)T对G进行中值滤波,能够得到除掉了大部分干扰的图像C。 6.牌照搜索:利用水平投影法检测车牌水平位置,利用垂直投影法检测车牌垂直位置。 7.区域裁剪,截取车牌图像。

    标签: pic 使用说明 目录

    上传时间: 2014-01-17

    上传用户:851197153

  • ASP个人聊天系统 If MenuSwf="" Then MenuSwf="About" select case lcase(MenuSwf) case "about" TopMenu=

    ASP个人聊天系统 If MenuSwf="" Then MenuSwf="About" select case lcase(MenuSwf) case "about" TopMenu="a" case "news" TopMenu="b" case "project" TopMenu="c" case "clients" TopMenu="e" case "contact" TopMenu="f" case "mainbinner" TopMenu="g" case "person" TopMenu="h"

    标签: MenuSwf case TopMenu select

    上传时间: 2016-07-11

    上传用户:lht618

  • flash 键盘音效取自win2000系统ding.wav

    flash 键盘音效取自win2000系统ding.wav,经过CoolEdit处理成音阶,在Flash中导入在相应按钮上。 没有难度,就是耐心一点,成绩不错哦! 对应表: 低音G-a #G-w A-s #A-e B-d 中音C-f #C-t D-g #D-y E-h F-j #F-i G-k #G-o A-l #A-p B- 高音C-1 D-2 E-3 F-4 G-5 A-6 B-7 C(high)-8 #C-c #D-v #F-b #G-n #A-m

    标签: flash 2000 ding win

    上传时间: 2014-02-06

    上传用户:ljmwh2000

  • 本人编写的incremental 随机神经元网络算法

    本人编写的incremental 随机神经元网络算法,该算法最大的特点是可以保证approximation特性,而且速度快效果不错,可以作为学术上的比较和分析。目前只适合benchmark的regression问题。 具体效果可参考 G.-B. Huang, L. Chen and C.-K. Siew, “Universal Approximation Using Incremental Constructive Feedforward Networks with Random Hidden Nodes”, IEEE Transactions on Neural Networks, vol. 17, no. 4, pp. 879-892, 2006.

    标签: incremental 编写 神经元网络 算法

    上传时间: 2016-09-18

    上传用户:litianchu