使用面向?qū)ο蠓椒ㄍ瓿伞翱焖倨磳憴z查程序”的分析、設(shè)計(jì)和實(shí)現(xiàn)過程。快速拼寫檢查程序基本要求說明如下： 1.進(jìn)行拼寫檢查的文件以文本文件形式存儲于外存上；2．只檢查文件中英文單詞的拼寫錯誤；3．單詞是用字母（a…z或A…Z）定義，任一非字母字符作為分隔符；4．判斷單詞拼寫正誤的依據(jù)是詞典，詞典以文本文件形式存放于外存上；5．詞典文件第1行為詞典的名稱，以后每一行存放一個單詞；6．輸出結(jié)果以文本文件形式存儲，其格式為：第1行：被拼寫檢查的文件名 + 詞典名 第2行后的每一行： 出錯單詞 位于第x行7．設(shè)計(jì)一個合理的GUI，注意GUI界面類與功能類的關(guān)系應(yīng)比較松散。
上傳時間： 2015-03-11
上傳用戶：372825274
一個閱讀RSS/RDF很好的工具。用JAVA SWT庫寫的界面。支持n多種語言，而且還包含Blog工具，代理配置功能。對中文支持很好。
上傳時間： 2015-03-13
上傳用戶：2404
仿真1：首先把網(wǎng)絡(luò)溫度參數(shù)T固定在100，按工作規(guī)則共進(jìn)行1000次狀態(tài)更新,把這1000次狀態(tài)轉(zhuǎn)移中網(wǎng)絡(luò)中的各個狀態(tài)出現(xiàn)的次數(shù)Si（i＝1，2，…，16）記錄下來 按下式計(jì)算各個狀態(tài)出現(xiàn)的實(shí)際頻率： Pi=Si/∑i=1,NSi=Si/M 同時按照Bo1tzmann分布計(jì)算網(wǎng)絡(luò)各個狀態(tài)出現(xiàn)概率的理論值： Q（Ei）=（1/Z）exp（-Ei/T） 仿真2：實(shí)施降溫方案，重新計(jì)算 采用快速降溫方案：T（t）= T0/（1+t） T從1000降到0.01，按工作規(guī)則更新網(wǎng)絡(luò)狀態(tài) 當(dāng)T=0.01時結(jié)束降溫，再讓T保持在0.01進(jìn)行1000次狀態(tài)轉(zhuǎn)移，比較兩種概率
標(biāo)簽： 100 仿真 網(wǎng)絡(luò)溫度 參數(shù)
上傳時間： 2014-01-20
上傳用戶：獨(dú)孤求源
mf()計(jì)算模糊集合中論語元素的隸屬度，y代表中心值，z代表分布參數(shù)，隸屬度函數(shù)采用對稱三角函數(shù)
上傳時間： 2013-12-22
上傳用戶：ayfeixiao
移動博客程序，采用xml技術(shù)實(shí)現(xiàn)與blog網(wǎng)站的通訊.
上傳時間： 2015-04-03
上傳用戶：李彥東
現(xiàn)有一個信號：x(n)=1+cos(π*n/4)+ cos(2*π*n/3)設(shè)計(jì)及各種數(shù)字濾波器以達(dá)下列目的： 低通濾波器，濾除cos(2*π*n/3) 的成分，即想保留的成分為1+cos(π*n/4) 高通濾波器，濾除1+cos(π*n/4) 的成分，即想保留的成分為cos(2*π*n/3) 帶通濾波器，濾除1+cos(2*π*n/3) 的成分，即想保留的成分為cos(π*n/4) 帶阻濾波器，濾除cos(π*n/4) 的成分，即想保留的成分為1+cos(2*π*n/3) 1. 用MATLAB命令butterord求除濾波器的階數(shù),用命令butter設(shè)計(jì)各濾波器；畫出濾波器幅度和相頻相應(yīng) 取各濾波器的系統(tǒng)函數(shù)H(z)。
標(biāo)簽： cos 信號 低通濾波器 數(shù)字濾波器
上傳時間： 2013-12-28
上傳用戶：daoxiang126
壓縮軟件源碼，支持格式：7z、ZIP、CAB、RAR、ARJ、LZH、GZIP、BZIP2、Z、TAR、CPIO、RPM 和 DEB 對于 ZIP 及 GZIP 格式，7-Zip 能提供比使用 PKZip 及 WinZip 高 2-10% 的壓縮比 7z 格式支持創(chuàng)建自釋放(SFX)壓縮檔案 集成 Windows 外殼擴(kuò)展 強(qiáng)大的的文件管理 強(qiáng)大的命令行版本 支持 FAR Manager 插件
上傳時間： 2014-01-02
上傳用戶：ynzfm
Description: FASBIR(Filtered Attribute Subspace based Bagging with Injected Randomness) is a variant of Bagging algorithm, whose purpose is to improve accuracy of local learners, such as kNN, through multi-model perturbing ensemble. Reference: Z.-H. Zhou and Y. Yu. Ensembling local learners through multimodal perturbation. IEEE Transactions on Systems, Man, and Cybernetics - Part B: Cybernetics, 2005, vol.35, no.4, pp.725-735.
標(biāo)簽： Description Randomness Attribute Filtered
上傳時間： 2015-04-10
上傳用戶：ynzfm
Description: S-ISOMAP is a manifold learning algorithm, which is a supervised variant of ISOMAP. Reference: X. Geng, D.-C. Zhan, and Z.-H. Zhou. Supervised nonlinear dimensionality reduction for visualization and classification. IEEE Transactions on Systems, Man, and Cybernetics - Part B: Cybernetics, 2005, vol.35, no.6, pp.1098-1107.
標(biāo)簽： Description supervised algorithm S-ISOMAP
上傳時間： 2015-04-10
上傳用戶：wfeel
Description: C4.5Rule-PANE is a rule learning method which could generate accurate and comprehensible symbolic rules, through regarding a neural network ensemble as a pre-process of a rule inducer. Reference: Z.-H. Zhou and Y. Jiang. Medical diagnosis with C4.5 rule preceded by artificial neural network ensemble. IEEE Transactions on Information Technology in Biomedicine, 2003, vol.7, no.1, pp.37-42. 使用神經(jīng)網(wǎng)絡(luò)集成方法診斷糖尿病,肝炎,乳腺癌癥的案例研究.
標(biāo)簽： comprehensibl Description Rule-PANE accurate
上傳時間： 2013-11-30
上傳用戶：wcl168881111111
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
