<cite id="q6k22"></cite>
<rt id="q6k22"></rt>
設計模式——訪問者模式 Visitor模式允許我們在不改動原有結構的基礎之上不斷增加新的功能。 ICumulation接口定義了方法Cumulate()，旨在計算1＋2＋……＋n，有兩種不同的實現(xiàn)方法，一個是一般的疊加算法GeneralArithmetic，一個是高斯算法GaoSiArithmetic。 因為某種原因，系統(tǒng)需要添加求平均值的功能，還有計算1到n的平方和。 按照一般的思路，我們需要在ICumulation中定義兩個方法分別計算平均值和平方和，并在實現(xiàn)類中同時添加相應的方法。在搭建了visitor模式的架構以后，添加功能的代碼被移植到ICumulationVisitor中，添加的兩種功能也分別被以子類AverageVisitor和PowerVisitor實現(xiàn)。 功能的擴展從在類中添加方法的方式變成了添加新類的方式，該類繼承一定的Visitor接口。這是一個90度的轉換，使得架構符合開放封閉(OCP)原則：功能的擴展無需改動原有代碼。 同時，這里也體現(xiàn)了單一職責原則(SRP)，ICumulation層次結構可以因為出現(xiàn)了不同的算法而改變，但是不應該因為需要計算不同的東西(功能)而改變，算法和功能是橫向和縱向的關系。這里visitor模式隔離了算法和功能，ICumulation層次結構負責算法，ICumulationVisitor層次結構負責功能。
標簽： ICumulation Cumulate Visitor 模式
上傳時間： 2015-06-12
上傳用戶：上善若水
程序代碼說明 P0301：數(shù)字圖像矩陣數(shù)據(jù)的顯示及其傅立葉變換 P0302：二維離散余弦變換的圖像壓縮 P0303：采用灰度變換的方法增強圖像的對比度 P0304：直方圖均勻化 P0305：模擬圖像受高斯白噪聲和椒鹽噪聲的影響 P0306：采用二維中值濾波函數(shù)medfilt2對受椒鹽噪聲干擾的圖像濾波 P0307：采用MATLAB中的函數(shù)filter2對受噪聲干擾的圖像進行均值濾波 P0308：圖像的自適應魏納濾波 P0309：運用5種不同的梯度增強法進行圖像銳化 P0310：圖像的高通濾波和掩模處理 P0311：利用巴特沃斯（Butterworth）低通濾波器對受噪聲干擾的圖像進行平滑處理 P0312：利用巴特沃斯（Butterworth）高通濾波器對圖像進行銳化處理
上傳時間： 2015-06-16
上傳用戶：yyyyyyyyyy
Windows網(wǎng)絡編程技術 出版社: 機械工業(yè)出版社 本書原作者：瓊斯 奧朗德 本書開創(chuàng)歷史之先河，首先完整披露了如何在32位平臺上使用傳統(tǒng)的API，如NetBIOS等； 以及如何運用一些新型網(wǎng)絡API，如WinSock 2和遠程訪問服務（RAS）等。本書專門討論Windows網(wǎng)絡編程技術，覆蓋Windows 95/98/NT 4/2000/CE平臺。內容包括NetBIOS和Windows重定向器方法、Winsock方法、客戶端遠程訪問服務器方法。
上傳時間： 2013-12-03
上傳用戶：xyipie
貝葉斯學習的指導，通過它可以了解該數(shù)據(jù)挖掘的方法
標簽： 貝葉斯
上傳時間： 2013-12-18
上傳用戶：thinode
P0301：數(shù)字圖像矩陣數(shù)據(jù)的顯示及其傅立葉變換 P0302：二維離散余弦變換的圖像壓縮 P0303：采用灰度變換的方法增強圖像的對比度 P0304：直方圖均勻化 P0305：模擬圖像受高斯白噪聲和椒鹽噪聲的影響 P0306：采用二維中值濾波函數(shù)medfilt2對受椒鹽噪聲干擾的圖像濾波 P0307：采用MATLAB中的函數(shù)filter2對受噪聲干擾的圖像進行均值濾波 P0308：圖像的自適應魏納濾波 P0309：運用5種不同的梯度增強法進行圖像銳化 P0310：圖像的高通濾波和掩模處理 P0311：利用巴特沃斯（Butterworth）低通濾波器對受噪聲干擾的圖像進行平滑處理 P0312：利用巴特沃斯（Butterworth）高通濾波器對圖像進行銳化處理
上傳時間： 2013-11-29
上傳用戶：lanwei
利用二元域的高斯消元法得到輸入矩陣H對應的生成矩陣G，同時返回與G滿足mod(G*P ,2)=0的矩陣P，其中P 表示P的轉置 使用方法：[P，G]=Gaussian(H,x)，x=1 or 2,1表示G的左邊為單位陣
上傳時間： 2014-11-27
上傳用戶：semi1981
貝葉斯分類器是一種最優(yōu)分類器，它假設基于可獲得的信息可以建立類別的概率密度函數(shù)，然后基于最小錯誤率分類準則進行分類。一般假設概率密度函數(shù)是正態(tài)分布，因為正態(tài)分布數(shù)學基礎較好。問題就轉化為正態(tài)分布參數(shù)的估計問題。幸運的是，參數(shù)估計問題已經(jīng)被很好的解決了。 基于正態(tài)分布的協(xié)方差的不同，正態(tài)概率分布型的貝葉斯分類器可分為：歐式距離分類器、馬氏距離分類器、線性判別分析、對角線性判別分析、二次判別分析和對角二次判別分析。 在具有模式的完整統(tǒng)計知識條件下，按照貝葉斯決策理論進行設計的一種最優(yōu)分類器。分類器是對每一個輸入模式賦予一個類別名稱的軟件或硬件裝置，而貝葉斯分類器是各種分類器中分類錯誤概率最小或者在預先給定代價的情況下平均風險最小的分類器。它的設計方法是一種最基本的統(tǒng)計分類方法。 目標：編程實現(xiàn)正態(tài)概率分布型的貝葉斯分類器。
上傳時間： 2014-01-05
上傳用戶：葉山豪
高斯混合模型，一個非常有用的圖像處理方法
標簽： 高斯混合模型
上傳時間： 2015-11-17
上傳用戶：努力努力再努力
高斯列主元消去法，計算方法實現(xiàn)，已編譯通過。使用例子 3x1+2x2+2x3+3x4=2.5 5x1+2x2+3x3+4x4=2.5 2x1+2x2+x3+2x4=2 3x1+x2+3x3+2x4=1.5 輸入N=4，A={3 2 2 3 5 2 3 4 2 2 1 2 3 1 3 2}，B={2.5 2.5 2 1.5}
標簽： 高斯
上傳時間： 2015-12-23
上傳用戶：yan2267246
一個高斯熱液羽流模型，利用粒子隨機行走方法編寫的一個程序，簡單實用
上傳時間： 2013-12-18
上傳用戶：libenshu01
<li id="sqk4y"></li>