用java編寫(xiě)的QQ代碼，請(qǐng)有興趣的朋友看看，有不足的地方指出來(lái)
上傳時(shí)間： 2013-12-10
上傳用戶：BIBI
反靜態(tài)分析示例 ├──Example1...........一般程序示例 ├──Example2...........插入花指令示例 └──Example3...........12組花指令
上傳時(shí)間： 2014-01-13
上傳用戶：jcljkh
關(guān)于Oracle的性能調(diào)整，一般包括兩個(gè)方面，一是指Oracle數(shù)據(jù)庫(kù)本身的調(diào)整，比如SGA、PGA的優(yōu)化設(shè)置，二是連接Oracle的應(yīng)用程序以及SQL語(yǔ)句的優(yōu)化。做好這兩個(gè)方面的優(yōu)化，就可以使一套完整的Oracle應(yīng)用系統(tǒng)處于良好的運(yùn)行狀態(tài)。 本 文主要是把一些Oracle Tuning的文章作了一個(gè)簡(jiǎn)單的總結(jié)，力求以實(shí)際可操作為目的，配合講解部分理論知識(shí)，使大部分具有一般Oracle知識(shí)的使用者能夠?qū)racle Tuning有所了解，并且能夠根據(jù)實(shí)際情況對(duì)某些參數(shù)進(jìn)行調(diào)整。關(guān)于更加詳細(xì)的知識(shí)，請(qǐng)參見(jiàn)本文結(jié)束部分所提及的推薦書(shū)籍，同時(shí)由于該話題內(nèi)容太多且復(fù) 雜，本文必定有失之偏頗甚至錯(cuò)誤的地方，請(qǐng)不吝賜教，并共同進(jìn)步。
上傳時(shí)間： 2017-02-25
上傳用戶：zhanditian
Mean Shift 這個(gè)概念最早是由Fukunaga等人[1]于1975年在一篇關(guān)于概率密度梯度函數(shù)的估計(jì)中提出來(lái)的,其最初含義正如其名,就是偏移的均值向量,在這里Mean Shift是一個(gè)名詞,它指代的是一個(gè)向量,但隨著Mean Shift理論的發(fā)展,Mean Shift的含義也發(fā)生了變化,如果我們說(shuō)Mean Shift算法,一般是指一個(gè)迭代的步驟,即先算出當(dāng)前點(diǎn)的偏移均值,移動(dòng)該點(diǎn)到其偏移均值,然后以此為新的起始點(diǎn),繼續(xù)移動(dòng),直到滿足一定的條件結(jié)束.
標(biāo)簽： Shift Mean Fukunaga 1975
上傳時(shí)間： 2017-03-03
上傳用戶：chongcongying
Mean Shift 這個(gè)概念最早是由Fukunaga等人[1]于1975年在一篇關(guān)于概率密度梯度函數(shù)的估計(jì)中提出來(lái)的,其最初含義正如其名,就是偏移的均值向量,在這里Mean Shift是一個(gè)名詞,它指代的是一個(gè)向量,但隨著Mean Shift理論的發(fā)展,Mean Shift的含義也發(fā)生了變化,如果我們說(shuō)Mean Shift算法,一般是指一個(gè)迭代的步驟,即先算出當(dāng)前點(diǎn)的偏移均值,移動(dòng)該點(diǎn)到其偏移均值,然后以此為新的起始點(diǎn),繼續(xù)移動(dòng),直到滿足一定的條件結(jié)束. 用matlab實(shí)現(xiàn)mean shift算法仿真
標(biāo)簽： Shift Mean Fukunaga 1975
上傳時(shí)間： 2014-01-23
上傳用戶：klin3139
作者的課外作業(yè)，模擬封包(packet)標(biāo)頭，將之轉(zhuǎn)成二進(jìn)制，再顯示二進(jìn)制的相加結(jié)果，再做一的補(bǔ)數(shù)。 （並附上html檔，不會(huì)java的，直接開(kāi)啟html即可執(zhí)行）
標(biāo)簽：
上傳時(shí)間： 2014-01-06
上傳用戶：xjz632
給定n個(gè)節(jié)點(diǎn)xi[i=0,1,...,n-1]上的函數(shù)值yi=f[xi]及精度要求，用阿克瑪方法計(jì)算指定指定子區(qū)間上的三次插值多項(xiàng)式與指定插值點(diǎn)t處的函數(shù)近似值z(mì)=f[t]
標(biāo)簽： xi yi 節(jié)點(diǎn) 函數(shù)值
上傳時(shí)間： 2017-03-10
上傳用戶：aa17807091
設(shè)∑＝{α1, α2…… αn }是n個(gè)互不相同的符號(hào)組成的符號(hào)集。 Lk＝{β1β2…βk | βiЄ ∑,1≤i≤k}是∑中字符組成的長(zhǎng)度為k 的全體字符串。 S是Lk的子集，S是Lk的無(wú)分隔符字典是指對(duì)任意的S中元素a1a2…ak， b1b2…bk. {a2a3…akb1, a3a4…akb1b2, ……, akb1b2… bk-1 }∩S=Φ。該算法算法，對(duì)于給定的正整數(shù)n 和k，計(jì)算 Lk的最大無(wú)分隔符字典。
上傳時(shí)間： 2013-12-26
上傳用戶：waitingfy
序執(zhí)行時(shí)要求輸入序列的長(zhǎng)度N_pre，N_pre 是最初輸入序列的長(zhǎng)度，任意長(zhǎng)度都可以。N是指補(bǔ)零后的序列長(zhǎng)度，滿足2^L. 然后逐個(gè)輸入各個(gè)元素的實(shí)部和虛部，補(bǔ)零部分不必輸入。 顯示FFT變換的結(jié)果。
標(biāo)簽： N_pre 輸入 序列 長(zhǎng)度
上傳時(shí)間： 2017-03-15
上傳用戶：plsee
本文介紹了一般貝葉斯框架通過(guò)稀疏來(lái)解決回歸和經(jīng)典任務(wù)中利用線性模型中參數(shù)。雖然這框架完全概括說(shuō)明了，我們對(duì)一個(gè)特定專業(yè)的做法，這個(gè)特定專業(yè)就是我們指的“相關(guān)向量機(jī)（ RVM ）” 一個(gè)模型以相同的函數(shù)模型功能流行和最先進(jìn)的“支持向量機(jī)”（ SVM） 。我們論證了利用概率貝葉斯學(xué)習(xí)的構(gòu)造，我們可以得出準(zhǔn)確的預(yù)測(cè)模式，這個(gè)模型相比SVM大幅減少了使用基底函數(shù)，同時(shí)提供了一些其他優(yōu)點(diǎn)。這些優(yōu)點(diǎn)包括在效益指標(biāo)的概率預(yù)測(cè)，自動(dòng)估算“nuisance”參數(shù)，并利用該設(shè)施任意基函數(shù)（如：非`Mercer 的內(nèi)核）
上傳時(shí)間： 2014-01-02
上傳用戶：dancnc
蟲(chóng)蟲(chóng)下載站版權(quán)所有 京ICP備2021023401號(hào)-1
