簡單的加密算法,可逆與不可逆 數據加密: 算法1:(不可逆) 將ASCII表中32~~126中的字符，加密后，顯示為128~~255的字符. 128~~255的字符會讓人看起來頭痛些。。。。。。安全. 當ch[?]的值為偶數時：ch[?]=255-ch[?]的個位*10-ch[?]的十位 當ch[?]的值為奇數時: ch[?]=128+ch[?]的個位*10+ch[?]的十位 當ch[?]的值為質數時：ch[?]=128+ch[?]的個位+ch[?]的十位 算法2:(可逆) 當ch[?]的值能被3整除時:ch[?]-=2，否則ch[?]-=3
上傳時間： 2014-11-10
上傳用戶：李夢晗
簡單的加密解密算法,可逆與不可逆 數據加密: 算法1:(不可逆) 將ASCII表中32~~126中的字符，加密后，顯示為128~~255的字符. 128~~255的字符會讓人看起來頭痛些。。。。。。安全. 當ch[?]的值為偶數時：ch[?]=255-ch[?]的個位*10-ch[?]的十位 當ch[?]的值為奇數時: ch[?]=128+ch[?]的個位*10+ch[?]的十位 當ch[?]的值為質數時：ch[?]=128+ch[?]的個位+ch[?]的十位 算法2:(可逆) 當ch[?]的值能被3整除時:ch[?]-=2，否則ch[?]-=3
上傳時間： 2017-02-24
上傳用戶：txfyddz
第2章“BASM(Borland匯編語言)精要”中的全部示例代碼。包括： 目錄 描述 ------------------------------------------------------------------------------ DEMO1 演示如何在BASM中調用Delphi Functions。 DEMO2 演示如何在BASM中調用Windows API。 DEMO3 演示如何在BASM中使得“jmp proc”執行后返回到下一行。
上傳時間： 2017-05-29
上傳用戶：小儒尼尼奧
dsPIC33F型號的CPU可配置10位或12位的ADC采樣，轉換完成后直接從DMA中讀取轉換結果。源碼中對多路模擬量進行采樣，對ADC及DMA分別進行了配置。
上傳時間： 2014-01-23
上傳用戶：sy_jiadeyi
最短尋路算法，利用Astar算法實現，是arp游戲中的尋路模型，有圖例
標簽： 算法
上傳時間： 2017-06-23
上傳用戶：xuanchangri
用匯編語言實現的冒泡排序程序。先打印排序前table數組中數，之后排序后打印結果。
上傳時間： 2014-01-07
上傳用戶：咔樂塢
圖像管理 對圖片進行預覽的功能（參考ACDSee界面）。要求在界面中顯示一個本地計算機中的文件夾的樹形結構，選取一個文件夾后，在右邊以縮略圖的形式將該文件夾中的圖片顯示出來。 從上圖預覽界面中雙擊某圖片后（或從菜單選擇顯示功能）進入顯示界面。首先顯示選中的圖片。然后重點實現以下功能：設計向上按鈕，選擇向上按鈕后回到上圖預覽界面；設計3個按鈕實現：查看上一幅、下一幅、自動播放當前文件夾圖片功能。 （1）圖片刪除。選擇一個圖片文件或文件夾，刪除該圖片文件或文件夾。 （2）圖片復制。可以將一個或多個圖片從當前文件夾復制到其他文件夾。 （3）圖片改名
上傳時間： 2017-09-14
上傳用戶：13517191407
I=imread('fig1.jpg');%從D盤名為myimages的文件夾中讀取。格式為jpg的圖像文件chost J=imnoise(I,'salt & pepper',0.02);%給圖像加入均值為0，方差為0.02的淑鹽噪聲 subplot(2,4,1); imshow(I); title('原始圖像'); subplot(2,4,2); imshow(J); title('加入椒鹽噪聲之后的圖像'); %h=ones(3,3)/9; %產生3 × 3的全1數組 %B=conv2(J,h); %卷積運算 %采用MATLAB中的函數對噪聲干擾的圖像進行濾波 Q=wiener2(J,[3 3]); %對加噪圖像進行二維自適應維納濾波 P=filter2(fspecial('average',3),J)/255; %均值濾波模板尺寸為3 K1=medfilt2(J,[3 3]); %進行3 × 3模板的中值濾波 K2= medfilt2(J,[5 5]); %進行5 × 5模板的中值濾波 K3= medfilt2(J,[7 7]); %進行7 × 7模板的中值濾波 K4= medfilt2(J,[9 9]); %進行9 × 9模板的中值濾波 %顯示濾波后的圖像及標題 subplot(2,4,3); imshow(Q); title('3 × 3模板維納濾波后的圖像'); subplot(2,4,4); imshow(P); title('3 × 3模板均值濾波后的圖像'); subplot(2,4,5); imshow(K1); title('3 × 3模板的中值濾波的圖像'); subplot(2,4,6); imshow(K2); title('5 × 5模板的中值濾波的圖像'); subplot(2,4, 7); imshow(K3); title('7 × 7模板的中值濾波的圖像'); subplot(2,4,8); imshow(K4); title('9 × 9模板的中值濾波的圖像');
上傳時間： 2016-06-02
上傳用戶：wxcr_1
[云攻略].(貝尼奧夫等) 思科和有著同樣的構思,即網絡是商業轉型的平臺.貝尼奧夫在他的書中闡述了如何利用云計算顛覆產業并重塑企業軟件領域的過程.很明顯,我們對于網絡化商業模式的潛力及下一代互聯網所帶來的效率提升的了解,僅僅是一個開始。 ———約翰·錢伯斯 思科公司總裁兼CEO 對于任何有遠大志向的創業者及心存高遠的行政總裁來說,次書可以幫助他們更好地掌握未來。他是企業2.0時代的攻略手冊。 ———邁克爾·戴爾 戴爾公司總裁 Marc對于IT行業的遠見和深刻認識，勢必會一直帶領公司繼續領導云計算行業。 ———王 剛 中國區域經理 作為Salesforce在中國內地的第一個企業用戶和一個專業ICT制冷廠商,阿爾西跟隨云計算教父馬克·貝尼奧夫進入了“云”的世界。Salesfore無與倫比的技術和服務令我們欣喜若狂,同時也更增強了我們為“云”世界提供服務的決心和信心。愿更多的中國企業走入“云”的世界！ ———陳云水 阿爾西空調CEO Salesforce在美國的成功,證明了SaaS模式在管理軟件領域顛覆式創新的成功。《云攻略》更揭示了一個懷揣夢想的小公司，如何在行業巨頭的圍剿下野蠻生存的成長經歷。金蝶友商網在成長的3年中，也遇到同樣的問題和挑戰。但我們相信，SaaS在中國的實踐一定是由一群抱有同樣夢想和執著精神的團隊來取得突破.從這個意義上來講,所有中國的SaaS公司都應該閱讀此書,并從中找到自己通向成功的獨特之路! ———馮 頡 金蝶軟件集團友商網總經理
標簽： [云攻略].(貝尼奧夫等)
上傳時間： 2021-10-09
上傳用戶：sfbirihw
上面是一段實時目標識別的演示， 計算機在視頻流上標注出物體的類別， 包括人、汽車、自行車、狗、背包、領帶、椅子等。今天的計算機視覺技術已經可以在圖片、視頻中識別出大量類別的物體， 甚至可以初步理解圖片或者視頻中的內容， 在這方面，人工智能已經達到了3 歲兒童的智力水平。這是一個很了不起的成就， 畢竟人工智能用了幾十年的時間， 就走完了人類幾十萬年的進化之路，并且還在加速發展。道路總是曲折的， 也是有跡可循的。在嘗試了其它方法之后， 計算機視覺在仿生學里找到了正確的道路（至少目前看是正確的） 。通過研究人類的視覺原理，計算機利用深度神經網絡（ Deep Neural Network，NN）實現了對圖片的識別，包括文字識別、物體分類、圖像理解等。在這個過程中，神經元和神經網絡模型、大數據技術的發展，以及處理器（尤其是GPU）強大的算力，給人工智能技術的發展提供了很大的支持。本文是一篇學習筆記， 以深度優先的思路， 記錄了對深度學習（Deep Learning）的簡單梳理，主要針對計算機視覺應用領域。
上傳時間： 2022-06-22
上傳用戶：
