[C++] 23种设计模式图.zip

说明：文件包括：23种设计模式单图。 23种设计模式整体图，可直接打印。
<m1223853767> 上传 | 大小：2mb

[其它] Data-Mining-源码

说明：Data-Mining
<weixin_42118011> 上传 | 大小：3kb

[其它] sphinx_adc_theme:苹果开发人员连接的狮身人面像外观主题-源码

说明：苹果开发者连接Sphinx主题 内容 这是为制作的主题。 查看 下载软件包或将其添加到您的requirements.txt文件中： $ pip install sphinx_adc_theme 在您的conf.py文件中： import sphinx_adc_theme html_theme = "sphinx_adc_theme" html_theme_path = [ sphinx_adc_theme . get_html_theme_path ()] 将sphinx_adc_th
<weixin_42131790> 上传 | 大小：241kb

[其它] movieslistapi:Makin一个应用程序需要一个api很好，我自己动手做-源码

说明：电影列表 Makin一个应用程序需要一个api很好，我自己动手做，所以任何一个阅读的人，请小我不要欺负我，我想发挥我的编码能力，制作一个Android应用程序对我来说是最好的方式是要制作一个电影流应用程序，我制作了一个json api将其显示在我的应用程序中，并将电影视频存储在Firebase存储中，并且工作正常
<weixin_42169971> 上传 | 大小：11kb

[其它] pyPDFeditor-GUI:一个简单的程序，用于合并，拆分，添加水印并为PDF文件设置密码-源码

说明：pyPDFeditor-GUI 该项目基于PyQt5和PyMuPDF 功能 合并 整理页面 加密 安装 双击或运行python setup.py以安装所有必需的软件包 用法 打开一个文件 救 设定 清除
<weixin_42129412> 上传 | 大小：355kb

[其它] Tesseract-OCR.zip

说明：Tesseract-OCR.zip
<Zzmdongcheng> 上传 | 大小：59mb

[其它] Latihan_Wardah-源码

说明：世界广播组织
<weixin_42134878> 上传 | 大小：1kb

[其它] original-源码

说明：我的应用程式 该项目是使用版本11.0.7生成的。 开发服务器 为开发服务器运行ng serve 。 导航到http://localhost:4200/ 。 如果您更改任何源文件，该应用程序将自动重新加载。 代码脚手架 运行ng generate component component-name生成一个新的组件。 您还可以使用ng generate directive|pipe|service|class|guard|interface|enum|module 。 建造 运行ng build来构
<weixin_42157567> 上传 | 大小：156kb

[其它] mR-zUnnu-源码

说明：mR-zUnnu
<weixin_42168902> 上传 | 大小：1kb

[其它] 基于改进协同训练的半监督PolSAR图像分类

说明：为了获得极化合成Kong径雷达（PolSAR）图像的良好分类性能，需要许多标记的样本进行训练。 然而，在实践中获得标记的样品是困难，昂贵和费时的。 另一方面，未标记的样品比标记的样品便宜得多，数量也很多。 为了解决这个问题，提出了半监督学习技术。 本文提出了一种基于改进的协同训练过程的半监督算法，用于PolSAR图像分类。 首先，我们提出了一种间接分析策略，以分析两种不同观点的共同训练的充分性和独立性。 然后，提出了一种采用新的样本选择策略的改进的协同训练过程，该方法可以有效地利用未标记的样本来
<weixin_38631729> 上传 | 大小：2mb

[其它] OpenSpecy:分析，处理，识别和共享拉曼光谱和（FT）IR光谱-源码

说明：开放物种 分析，处理，识别和共享拉曼光谱和（FT）IR光谱 :warning: 警告 :warning: 该R包是当前不稳定; 请改用上的Shiny应用程序。 安装 从GitHub安装（开发版本） 要安装此软件包的开发版本，请将以下代码粘贴到R控制台中（需要devtools ）： if ( ! require( devtools )) install.packages( " devtools " ) devtools :: install_github( " wincowgerDEV/O
<weixin_42134554> 上传 | 大小：1mb

[其它] 将IRP与新颖的人工免疫算法结合使用以检测Windows恶意可执行文件

说明：运行时恶意软件检测策略由于其有效性和鲁棒性已经引起了广泛的关注。 对于Windows操作系统，选择API（应用程序接口）来分析程序行为。 但是，狡猾的攻击者可以操纵API调用序列来规避检测。 为了解决此问题，我们提出了一种基于IRP（I / O请求包）的新颖的运行时恶意软件检测策略，并开发了一种基于内核驱动程序技术捕获IRP的工具。 利用一些经典方法对IRP序列进行分类以进行恶意软件检测，包括朴素贝叶斯，贝叶斯网络，支持向量机，C4.5决策树，Boosting和否定选择算法。 为了快速检测运行时
<weixin_38702047> 上传 | 大小：185kb