基于J2EE的物流信息系統的設計與實現 介紹了J2EE 體系結構、Mv c模式等相關概念和技術，并重點探討了 目 前比 較受歡迎的三種開源框架( 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)。 分析了他們的體系結構、 特點和優缺點。 根據J ZE E的分層結構，結合We b應用 的特點， 將三種框架進行組合設計， 即表現層用S t r ut s框架、 業務邏輯層用S P ri n g 框架、持久層用比b ema t e 框架，從而來構建物流信息系統。這種整合框架使各 層相對獨立， 減少各層之間的禍合程度，同時加快了系統的開發過程，增強了系 統的可維護性和可擴展性，初步達到了分布式物流信息系統的設計目標。 經過以上分析，結合物流系統的業務需求，進行了相關的實現。最后，系統 運用先進的A ja x技術來增強Ui層與服務器的異步通信能力， 使用戶體驗到動態 且響應靈 敏的桌 面級w e b應用程序。 通過江聯公司的試運行結果，系統達到了 渝瞇。 并 且 對 江 聯 公 司 提 出 了 基 于 R F I D 的 解 決 方 案 的 實 施 計 劃 。
上傳時間： 2016-06-01
上傳用戶：ynsnjs
％ EM algorithm for k multidimensional Gaussian mixture estimation ％ ％ Inputs: ％ X(n,d) - input data, n=number of observations, d=dimension of variable ％ k - maximum number of Gaussian components allowed ％ ltol - percentage of the log likelihood difference between 2 iterations ([] for none) ％ maxiter - maximum number of iteration allowed ([] for none) ％ pflag - 1 for plotting GM for 1D or 2D cases only, 0 otherwise ([] for none) ％ Init - structure of initial W, M, V: Init.W, Init.M, Init.V ([] for none) ％ ％ Ouputs: ％ W(1,k) - estimated weights of GM ％ M(d,k) - estimated mean vectors of GM ％ V(d,d,k) - estimated covariance matrices of GM ％ L - log likelihood of estimates ％
標簽： multidimensional estimation algorithm Gaussian
上傳時間： 2013-12-03
上傳用戶：我們的船長
產生頻率選擇性衰落的雷利通道，參數由天線結構、OFDM系統的結構與功率延時結構來決定。
標簽：
上傳時間： 2014-12-20
上傳用戶：lizhizheng88
Description 為了宣傳本次“網宿科技杯”廈門大學第五屆程序設計競賽，系里面做了兩張精美的海報。經過了精確的計算，為了達到最佳美觀效果，每張海報都有自己最佳的粘貼位置。但是現在問題是，如果兩張海報都要求貼在最佳位置時，很有可能有部分地方會重疊在一起。現在您來判斷一下這兩張海報是否重疊。 Input 輸入包含兩行，每一行有四個整數來描述這個海報的最佳粘貼位置，X,Y,W,H(-10000<= X,Y <= 10000)(0 < W, H <= 10000)，X,Y表示海報左下角的坐標，W,H分別表示寬度和高度。 Output 輸出"Yes"表示兩張海報互相重疊(表示存在一個面積大于0的公共區域)，否則輸出"No"。(不包含引號，注意大小寫) Sample Input -10 -10 20 30 0 0 30 20 Sample Output Yes
標簽： Description 大學 程序設計 競賽
上傳時間： 2016-06-26
上傳用戶：gxf2016
圖的鄰接矩陣和遍歷 一．問題描述 構造一圖，用鄰接矩陣實現該圖的深度優先遍歷或廣度優先遍歷。 二．實驗目的 1．掌握圖的基本概念和鄰接矩陣的存儲結構。 2．掌握鄰接矩陣存儲結構的算法實現。 3．掌握圖在鄰接矩陣存儲結構上遍歷算法的實現。 三．實驗要求 1．確定圖的頂點個數和邊的個數，建立鄰接矩陣，實現深度優先遍歷或廣度優先遍歷，再在主函數中調用它們。 2．深度優先遍歷思想： （1）訪問頂點v （2）從v的未被訪問的鄰接點中選取一個頂點w，從w出發進行深度優先遍歷； （3）重復上述兩步，直至圖中所有和v有路徑相通的頂點都被訪問到。
標簽： 矩陣
上傳時間： 2016-06-28
上傳用戶：tb_6877751
壓縮目錄下的Test_USB_Test.exe是PC側的應用程序，dsp5509_10MHz_clk.out、dsp5509_12MHz_clk.out、和dsp5509_16MHz_clk.out是分別針對5509時鐘為10M、12M和16M的out文件。基于ccs2.2開發。 在ccs2.2中load針對自己硬件平臺的.out文件，用USB線連接好5509與PC，運行.out，會提示檢測到USB設備，指定driver目錄下的驅動即可。 再運行Test_USB_Test.exe，其操作格式為Test_USB_Test.exe w 32 r 32 即從PC向dsp寫入32個字符，再讀取32個5509返回的字符，在dsp上將輸入的字符做了簡單的＋1操作。
標簽： Test_USB_Test exe 目錄 應用程序
上傳時間： 2016-06-29
上傳用戶：小草123
看n2實例 #Create a simulator object set ns [new Simulator] #Define different colors for data flows #$ns color 1 Blue #$ns color 2 Red #Open the nam trace file set nf [open out-1.nam w] $ns namtrace-all $nf set f0 [open out0.tr w] set f1 [open out1.tr w] #Define a finish procedure proc finish {} { global ns nf $ns flush-trace #Close the trace file close $nf #Execute nam on the trace file exit 0 } #Create four nodes set n0 [$ns node] set n1 [$ns node] set n2 [$ns node] set n3 [$ns node] #Create links between the nodes $ns duplex-link $n0 $n2 1Mb 10ms
標簽： simulator Simulator different Create
上傳時間： 2016-07-02
上傳用戶：wfl_yy
程序名：ga_bp_predict.cpp 描述： 采用GA優化的BP神經網絡程序，用于單因素時間 序列的預測,采用了單步與多步相結合預測 說明： 采用GA(浮點編碼)優化NN的初始權值W[j][i],V[k][j]，然后再采用BP算法 優化權值
標簽： ga_bp_predict cpp 程序 BP神經網絡
上傳時間： 2014-02-18
上傳用戶：冇尾飛鉈
若不希望用與估計輸入信號矢量有關的相關矩陣來加快LMS算法的收斂速度，那么可用變步長方法來縮短其自適應收斂過程，其中一個主要的方法是歸一化LMS算法（NLMS算法），變步長 的更新公式可寫成 W（n+1）=w（n）+ e（n）x（n） =w（n）+ （3.1） 式中， = e（n）x（n）表示濾波權矢量迭代更新的調整量。為了達到快速收斂的目的，必須合適的選擇變步長 的值，一個可能策略是盡可能多地減少瞬時平方誤差，即用瞬時平方誤差作為均方誤差的MSE簡單估計，這也是LMS算法的基本思想。
上傳時間： 2016-07-07
上傳用戶：changeboy
vhdl程序 Uncomment the following lines to use the declarations that are provided for instantiating Xilinx primitive components.
標簽： instantiating declarations Uncomment the
上傳時間： 2013-12-21
上傳用戶：CHENKAI
