-
主观题阅卷系统
基于相似度计算的主观题阅卷系统设计，此系统通过ictclas把答案进行分词，然后把分词结果对照中文停用词表把一些没有实际意义的词语过滤掉，然后根据余弦定理计算出学生答案和标准答案的相似度。句子分词是直接用的中科院的ictclas，其他地方是自己写的，包括分词后每个词的权值啦，去除无意义的词啦（比如：的，像，是，好。。。等等对照停用词表），最后通过自己的计算公式，计算出学生答案和标准答案的相似度百分比。可以直接在main方法中测试，不过自己又添加了struts，所以也可以在页面当中进行测试。功能经过自己测试完全通过，至于美化页面，自己有兴趣可以完善一下。
- 2020-11-30下载
- 积分：1
-
1000款MT4_EA源代码文件
1000款MT4_EA全部源代码文件，包含各种刷单、剥头皮、趋势、波段、跟单等源文件。
- 2020-06-24下载
- 积分：1
-
stm32+uCOSII+FreeModbus.zip
【实例简介】移植好的uCOSii和FreeModbus，使用串口2接收modbus主机数据；在stm32zet6上调试通过；可通过修改任务中延迟提高轮询频率。
- 2021-11-24 00:48:16下载
- 积分：1
-
用matlab编写的四种fir滤波器
fir滤波器matlab程序，包括低通、高通、带阻、带通，注释非常详尽，大家可以对里面的相关参数进行修改，比如截止频率，窗口类型等，而且对滤波前后波形进行了频谱分析，以验证滤波的效果，非常直观，很有利于初学者的学习
- 2020-12-03下载
- 积分：1
-
基于灰色理论与神经网络的水质组合预测模型研究.zip
【实例简介】基于灰色理论与神经网络的水质组合预测模型的研究是当前水质预测领域的研究热点之一，国内外众多研究者都在尝试如何将灰色理论与神经网络进行有效组合，以获得更好的预测效果。因此，本文在借鉴前人的成果基础上，采用串联组合方法分别对基于灰色理论与 神经网络的水质组合预测模型、基于灰色理论与 神经网络的水质组合预测模型进行了对比研究，同时提出了一种预测效果更佳的基于时间窗口移动技术与 神经网络的水质组合预测模型。
首先，本文根据中国环境质量公报（淡水环境）中长江水环境质量状况以及结合重庆市长江流域断面的实际情况筛选出七项水质指标，然后论述了灰色 模型、 神经网络以及 神经网络的相关理论和算法，接着建立了基于灰色理论与 神经网络的水质组合预测模型和基于灰色理论与 神经网络的水质组合预测模型，并以重庆市长江寸滩断面1998年至2008年的水质数据为例进行了实例测试和结果分析，也对两种组合预测模型的结果进行了对比与讨论，得出了后者预测效果更好等结论。
与此同时，通过以上两种组合预测模型的研究，本文提出了基于时间窗口移动技术与 神经网络的水质组合预测模型，并仍以长江寸滩断面为例，经过研究和实例测试表明该模型能够较好的对长江流域寸滩断面的水质进行预测，在整体上其预测效果比前两种组合预测模型更为理想，而且该模型能够较好地应用于水质指标预测和管理中，为河流水质预测提供重要的科学依据。
最后，本文采用基于 神经网络的水质评价模型对重庆市长江寸滩各年的水质进行了等级评价，并与中国环境保护部公布的水质评价结果进行了对比分析，其结果表明水质评价结果在一定程度上能够正确地反映长江寸滩当前的水质状况。
- 2021-11-24 00:39:25下载
- 积分：1
-
利用多个点拟合圆
给定多个点，根据最小二乘原理，可以拟合出一个圆形，拟合的精度很高，
- 2020-12-06下载
- 积分：1
-
UML公共自行车租赁系统课设
公共自行车租赁系统课设，UML建模，压缩文件包括完整的UML建模文件.mdl及一份与之对应的课程设计报告
- 2020-12-12下载
- 积分：1
-
TMS320 VC5509A 各种代码例程
[代码及相关实验]---代码为C语言编写1、CPU看门狗实验2、LED跑马灯实验3、CPU Timer定时器实验4、实时时钟实验5、AD转换实验6、扩展SDRAM读写实验7、扩展FLASH读写实验8、快速傅立叶变换(FFT)实验9、FIR滤波器实验10、IIR滤波器实验11、自适应滤波器（FIRLMS）实验12、键盘扫描实验13、外部中断输入实验14、AIC23播音实验15、LCD显示实验16、串口通信实验17、USB2.0通信实验18、网络通信实验19、SD卡读写实验20、MMC卡读写实验21、数字图像直方图实验22、数字图像边缘检测实验23、数
- 2020-07-04下载
- 积分：1
-
C++实现K最邻近算法(机器学习 KNN KD树)
C++实现K最邻近算法, 使用KD树来实现, 在面对大量数据时可以提高搜索效率. 代码干净, 整洁, 有注释, 可直接使用.
- 2021-05-06下载
- 积分：1
-
深度学习相关资料
包括一份加了注释的深度学习工具箱，一份配套论文以及一份配套的PPT
- 2020-12-02下载
- 积分：1
|
联系客服（QQ：3324461878）
