-
Stanley B Lippman和J o s é e L a j o i e寫的c++ primer 中文版（第三版）。
標簽：
Stanley
Lippman
primer
上傳時間：
2017-06-12
上傳用戶：talenthn
-
I. C. Wong, Z. Shen, J. G. Andrews, and B. L. Evans, ``A Low Complexity Algorithm for Proportional Resource Allocation in OFDMA Systems , Proc. IEEE Int. Work. Signal Processing Systems, 針對這篇文章給出的源代碼
標簽：
I.
C.
B.
G.
上傳時間：
2014-01-24
上傳用戶：zhichenglu
-
二: 普通計算器的設計說明: 1 普通計算器的主要功能(普通計算與逆波蘭計算): 1.1主要功能: 包括 a普通加減乘除運算及帶括號的運算 b各類三角與反三角運算（可實現角度與弧度的切換） c邏輯運算， d階乘與分解質因數等 e各種復雜物理常數的記憶功能 f對運算過程的中間變量及上一次運算結果的儲存. G 定積分計算器（只要輸入表達式以及上下限就能將積分結果輸出） H 可編程計算器（只要輸入帶變量的表達式后，再輸入相應的變量的值就能得到相應的結果） I 二進制及八進制的計算器 j十六進制轉化為十進制的功能。 *k (附帶各種進制間的轉化器)。 L幫助與階乘等附屬功能
標簽：
運算
1.1
計算器
計算
上傳時間：
2013-11-26
上傳用戶：yzy6007
-
車牌定位－－－VC++源代碼程序
1.24位真彩色->256色灰度圖。
2.預處理:中值濾波。
3.二值化:用一個初始閾值T對圖像A進行二值化得到二值化圖像B。
初始閾值T的確定方法是:選擇閾值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分別是最高、最低灰度值。
該閾值對不同牌照有一定的適應性,能夠保證背景基本被置為0,以突出牌照區域。
4.削弱背景干擾。對圖像B做簡單的相鄰像素灰度值相減,得到新的圖像G,即Gi,j=|Pi,j-Pi,j-1|i=0,1,…,439 j=0,1,…,639Gi,0=Pi,0,左邊緣直接賦值,不會影響整體效果。
5.用自定義模板進行中值濾波
區域灰度基本被賦值為0。考慮到文字是由許多短豎線組成,而背景噪聲有一大部分是孤立噪聲,用模板(1,1,1,1,1)T對G進行中值濾波,能夠得到除掉了大部分干擾的圖像C。
6.牌照搜索:利用水平投影法檢測車牌水平位置,利用垂直投影法檢測車牌垂直位置。
7.區域裁剪,截取車牌圖像。
標簽：
1.24
256
圖像
閾值
上傳時間：
2013-11-26
上傳用戶：懶龍1988
-
1.24位真彩色->256色灰度圖。
2.預處理:中值濾波。
3.二值化:用一個初始閾值T對圖像A進行二值化得到二值化圖像B。
初始閾值T的確定方法是:選擇閾值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分別是最高、最低灰度值。
該閾值對不同牌照有一定的適應性,能夠保證背景基本被置為0,以突出牌照區域。
4.削弱背景干擾。對圖像B做簡單的相鄰像素灰度值相減,得到新的圖像G,即Gi,j=|Pi,j-Pi,j-1|i=0,1,…,439 j=0,1,…,639Gi,0=Pi,0,左邊緣直接賦值,不會影響整體效果。
5.用自定義模板進行中值濾波
區域灰度基本被賦值為0。考慮到文字是由許多短豎線組成,而背景噪聲有一大部分是孤立噪聲,用模板(1,1,1,1,1)T對G進行中值濾波,能夠得到除掉了大部分干擾的圖像C。
6.牌照搜索:利用水平投影法檢測車牌水平位置,利用垂直投影法檢測車牌垂直位置。
7.區域裁剪,截取車牌圖像。
標簽：
Gmax-G
1.24
Gmax
閾值
上傳時間：
2014-01-08
上傳用戶：songrui
-
考察例1 4 - 8中的1 4個點。A中的最近點對為(b,h)，其距離約為0 . 3 1 6。B中最近點對為
(f, j)，其距離為0 . 3，因此= 0 . 3。當考察
是否存在第三類點時，除d, g, i, l, m 以外
的點均被淘汰，因為它們距分割線x= 1的
距離≥ 。RA ={d, i, m}，RB= {g, l}，由
于d 和m 的比較區中沒有點，只需考察i
即可。i 的比較區中僅含點l。計算i 和l
的距離，發現它小于，因此(i, l) 是最近
標簽：
上傳時間：
2013-12-03
上傳用戶：66666
-
第7章 Java B/S結構編程
實例76 簡單的Servlet程序
實例77 簡單的留言簿
實例78 JSP+Java Bean的計數器
實例79 數據庫查詢
實例80 文件的上傳下載
實例81 收發E-mail
實例82 B/S結構的聊天室
實例83 網上選課
實例84 B/S結構的商業應用——購物車
實例85 通過JSP調用Applet程序
實例86 JSP與XML的結合
標簽：
Java
Servlet
Bean
JSP
上傳時間：
2013-12-23
上傳用戶：skfreeman
-
問題描述
序列Z=<B，C，D，B>是序列X=<A，B，C，B，D，A，B>的子序列，相應的遞增下標序列為<2，3，5，7>。
一般地，給定一個序列X=<x1,x2,…,xm>，則另一個序列Z=<z1,z2,…,zk>是X的子序列，是指存在一個嚴格遞增的下標序列〈i1,i2,…,ik〉使得對于所有j=1,2,…,k使Z中第j個元素zj與X中第ij個元素相同。
給定2個序列X和Y，當另一序列Z既是X的子序列又是Y的子序列時，稱Z是序列X和Y的公共子序列。
你的任務是：給定2個序列X、Y，求X和Y的最長公共子序列Z。
標簽：
lt
序列
上傳時間：
2014-01-25
上傳用戶：netwolf
-
Floyd-Warshall算法描述
1)適用范圍：
a)APSP(All Pairs Shortest Paths)
b)稠密圖效果最佳
c)邊權可正可負
2)算法描述：
a)初始化：dis[u,v]=w[u,v]
b)For k:=1 to n
For i:=1 to n
For j:=1 to n
If dis[i,j]>dis[i,k]+dis[k,j] Then
Dis[I,j]:=dis[I,k]+dis[k,j]
c)算法結束：dis即為所有點對的最短路徑矩陣
3)算法小結：此算法簡單有效，由于三重循環結構緊湊，對于稠密圖，效率要高于執行|V|次Dijkstra算法。時間復雜度O(n^3)。
考慮下列變形：如(I,j)∈E則dis[I,j]初始為1,else初始為0，這樣的Floyd算法最后的最短路徑矩陣即成為一個判斷I,j是否有通路的矩陣。更簡單的，我們可以把dis設成boolean類型，則每次可以用“dis[I,j]:=dis[I,j]or(dis[I,k]and dis[k,j])”來代替算法描述中的藍色部分，可以更直觀地得到I,j的連通情況。
標簽：
Floyd-Warshall
Shortest
Pairs
Paths
上傳時間：
2013-12-01
上傳用戶：dyctj
-
第7章 Java B/S結構編程 253
實例76 簡單的Servlet程序 254
實例77 簡單的留言簿 256
實例78 JSP+Java Bean的計數器 258
實例79 數據庫查詢 260
實例80 文件的上傳下載 262
實例81 收發E-mail 267
實例82 B/S結構的聊天室 269
實例83 網上選課 276
實例84 B/S結構的商業應用——購物車 282
實例85 通過JSP調用Applet程序 285
實例86 JSP與XML的結合 2
標簽：
Java
Servlet
Bean
253
上傳時間：
2016-03-07
上傳用戶：maizezhen
