注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 医院HISDemo源码

  2. HISDemo源码 系统分了几个逻辑层，对于层与层之间的调用我们要实现一下几点： 1.层与层之间只通过接口调用 2.接口所对应的具体实现通过XML配置指定 3.可能会对接口实例的生存周期进行管理 这里我们使用Unity的依赖注入容器（Dependency Injection, DI）去实现 数据访问层Repositories：主要用NHibernate访问数据库，但也有可能去访问其他模块或系统的WebService，也有可能用Linq去访问一些缓存（内存中的）数据，也有可能访问XML，文本文件

  3. 所属分类：Java

    • 发布日期：2010-01-15
    • 文件大小：7340032
    • 提供者：ss_geng

  1. c#写的即时通信聊天软件，可以实现多人聊天及文件收发

  2. 看了袁渊先生在VC知识库《在线杂志》第14期发表的文章《基于TCP/IP的局域网多用户通信》，感觉受益颇多，但也觉得里面有一些不太完善的地方，具体来说主要有： 两个服务器单独运行，且主线程均阻塞，用户界面死锁，不便于控制； 聊天服务器线程和互斥量的使用可能导致死锁； 不能实现文件传送（文件传送可不能由服务器转发，否则非把它累趴下不可^-^）； 不能由用户进行网络设置，所以在不同的网络使用必须修改源程序等等； 我在此基础上重新设计编写了一个系统，具体如下： 一、构架设计 　　整个系统分为三个相关

  3. 所属分类：网络基础

    • 发布日期：2010-12-03
    • 文件大小：8388608
    • 提供者：ftb4371agFM

  1. 软件工程-理论与实践(许家珆)习题答案

  2. 习 题 答 案 习题一答案 一、选择题 1. 软件的主要特性是(A B C)。 A) 无形 B) 高成本 C) 包括程序和文档 　　D) 可独立构成计算机系统 2. 软件工程三要素是(C D)。 A) 技术、方法和工具　 B) 方法、工具和过程　 C) 方法、对象和类　 D) 过程、模型、方法 3. 包含风险分析的软件工程模型是(A)。 A) 螺旋模型 B) 瀑布模型 C) 增量模型 D) 喷泉模型 4. 软件工程的主要目标是(C)。 A) 软件需求 　B) 软件设计　 C) 风险分析 　D)

  3. 所属分类：C

    • 发布日期：2011-01-12
    • 文件大小：303104
    • 提供者：fengjliang2009

  1. Java常用设计模式和代码

  2. 创建型模式 　　1、FACTORY—追MM少不了请吃饭了，麦当劳的鸡翅和肯德基的鸡翅都是MM爱吃的东西，虽然口味有所不同，但不管你带MM去麦当劳或肯德基，只管向服务员说"来四个鸡翅"就行了。麦当劳和肯德基就是生产鸡翅的Factory 　　工厂模式：客户类和工厂类分开。消费者任何时候需要某种产品，只需向工厂请求即可。消费者无须修改就可以接纳新产品。缺点是当产品修改时，工厂类也要做相应的修改。如：如何创建及如何向客户端提供。 　　2、BUILDER—MM最爱听的就是"我爱你"这句话了，见到不同地方

  3. 所属分类：Java

    • 发布日期：2011-09-05
    • 文件大小：1037312
    • 提供者：duzc309

  1. 达内总结的java最新笔试题core java,sql,web应有尽有

  2. 找个好工作很重要，大家一起进步！！这些题好好做！绝对很多公司要你。 题目节选，想知道答案？点击下载。 二 简答题（243） 1. J2EE是什么？它包括哪些技术？ 2.测试生命周期、测试过程分为几个阶段，以及各阶段的含义？ 3.您做系统设计用何种工具？ 4. 什么是Web容器? 5. 运行时异常与一般异常有何异同？ 6. Hibernate中：不看数据库，不看XML文件，不看查询语句，怎么样能知道表结构？ 7.目前几种主流数据库软件的应用特点、适用范围各是什么？ 8.存储过程和函数的区别 9.

  3. 所属分类：Java

    • 发布日期：2012-05-15
    • 文件大小：1048576
    • 提供者：ae6623

  1. 23种设计模式

  2. 1、FACTORY 追MM少不了请吃饭了，麦当劳的鸡翅和肯德基的鸡翅都是MM爱吃的东西，虽然口味有所不同，但不管你带MM去麦当劳或肯德基，只管向服务员说“来四个鸡翅”就行了。麦当劳和肯德基就是生产鸡翅的Factory 工厂模式：客户类和工厂类分开。消费者任何时候需要某种产品，只需向工厂请求即可。消费者无须修改就可以接纳新产品。缺点是当产品修改时，工厂类也要做相应的修改。如：如何创建及如何向客户端提供。 2、BUILDER MM最爱听的就是“我爱你”这句话了，见到不同地方的MM,要能够用她们的方

  3. 所属分类：C++

    • 发布日期：2012-11-29
    • 文件大小：1048576
    • 提供者：mxbing1984

  1. C#23种设计模式

  2. 1、FACTORY 追MM少不了请吃饭了，麦当劳的鸡翅和肯德基的鸡翅都是MM爱吃的东西，虽然口味有所不同，但不管你带MM去麦当劳或肯德基，只管向服务员说“来四个鸡翅”就行了。麦当劳和肯德基就是生产鸡翅的Factory 工厂模式：客户类和工厂类分开。消费者任何时候需要某种产品，只需向工厂请求即可。消费者无须修改就可以接纳新产品。缺点是当产品修改时，工厂类也要做相应的修改。如：如何创建及如何向客户端提供。 2、BUILDER MM最爱听的就是“我爱你”这句话了，见到不同地方的MM,要能够用她们的方

  3. 所属分类：C#

    • 发布日期：2013-06-02
    • 文件大小：5242880
    • 提供者：yiwuya

  1. C#23种设计模式_示例源代码及PDF

  2. 1、 FACTORY —追 MM 少不了请吃饭了， 麦当劳的鸡翅和肯德基的鸡翅都是 MM 爱吃的东西， 虽然口味有所不同， 但不管你带 MM 去麦当劳或肯德基， 只管向服务员说“来四个鸡翅”就行 了。麦当劳和肯德基就是生产鸡翅的 Factory 工厂模式：客户类和工厂类分开。消费者任何时候需要某种产品，只需向工厂请求即可。消 工厂模式 费者无须修改就可以接纳新产品。缺点是当产品修改时，工厂类也要做相应的修改。如：如 何创建及如何向客户端提供。 2、BUILDER — MM 最爱听的就是“我爱你

  3. 所属分类：C#

    • 发布日期：2013-07-14
    • 文件大小：6291456
    • 提供者：fiozhao

  1. 场景监控中的人群密度估计

  2. 算法功能:建立图像特征和图像人数的数学关系 算法输入:训练样本图像1,2…K 算法输出:模型估计参数 ，参考图像 算法流程：1)对训练样本图像进行分块处理(算法1.1)； 2)通过算法1.2，计算训练样本各个对应分块的ALBP特征归一化，再用K-means算法(可使用opencv等算法库实现，不再描述其算法)，将图像块分成k(k<K)类，获取k(k<K)个聚类中心，即为参考图像； 3)对分块的图像进行与参考图像进行匹配。使用算法1.2求取ALBP特征，并求取其相似度 ，将相似性集合

  3. 所属分类：交通

    • 发布日期：2014-08-25
    • 文件大小：5242880
    • 提供者：xuyunhe

  1. C#23种设计模式示例源代码

  2. 创建型模式 1、 FACTORY —追 MM 少不了请吃饭了， 麦当劳的鸡翅和肯德基的鸡翅都是 MM 爱吃的东西， 虽然口味有所不同， 但不管你带 MM 去麦当劳或肯德基， 只管向服务员说“来四个鸡翅”就行 了。麦当劳和肯德基就是生产鸡翅的 Factory 工厂模式：客户类和工厂类分开。消费者任何时候需要某种产品，只需向工厂请求即可。消 工厂模式 费者无须修改就可以接纳新产品。缺点是当产品修改时，工厂类也要做相应的修改。如：如 何创建及如何向客户端提供。 2、BUILDER — MM 最爱听的

  3. 所属分类：C#

    • 发布日期：2017-07-07
    • 文件大小：3145728
    • 提供者：zhgx85

  1. 四级数据库重难点(word版)

  2. 第1章 引言 1. 数据是描述现实世界事物的符号记录，是用物理符号记录下来的可以识别的信息。 数据是信息的符号表示，是载体；信息是数据的语义解释，是内涵。 2. 数据模型是对现实世界数据特征的抽象，是数据库系统的形式框架，用来描述数据的一组概念和定义，包括描述数据、数据联系、数据操作、数据语义以及数据一致性的概念工具。 满足三条件：比较真实地模拟现实世界；易于人们理解；易于计算机实现 三个组成要素：数据结构（静态，数据对象本身结构及之间的联系）、数据操作（对数据对象操作及操作规则的集合）和完整

  3. 所属分类：其它

    • 发布日期：2009-01-21
    • 文件大小：140288
    • 提供者：courage0603

  1. Java编写多个爬虫实例

  2. Java爬虫实例类说明如下： DownLoadFile 文件下载 HtmlParserTool Html解析 MyCrawler 爬虫 ConsistentHash 一致性Hash WordCount Map-Reduce算法例子 Retrive 文件下载 IP 获得IP地址示例 ip QQ纯真数据库示例 HtmlParser 网页内容提取库HtmlParser的源码项目 nekohtml-1.9.7 nekohtml的源码项目 RhinoTest 测试js解析 ExtractContext

  3. 所属分类：Java

    • 发布日期：2018-08-29
    • 文件大小：90177536
    • 提供者：weixin_42404454

  1. SNIC超像素cpp/opencv实现

  2. 效果和SLIC类似，但是不需要k-mens聚类所以效率更高。里面可调的参数主要有k，想分的像素块数目；m，决定超像素的紧凑程度和边缘特性。在c++上用opencv和STL实现了一下，后续想在效率上继续提高，有什么问题和建议欢迎交流。

  3. 所属分类：C++

    • 发布日期：2018-11-06
    • 文件大小：53477376
    • 提供者：koffee_f

  1. 布线规则.txt

  2. 3 1. 一般规则 1.1 PCB板上预划分数字、模拟、DAA信号布线区域。 1.2 数字、模拟元器件及相应走线尽量分开并放置於各自的布线区域内。 1.3 高速数字信号走线尽量短。 1.4 敏感模拟信号走线尽量短。 1.5 合理分配电源和地。 1.6 DGND、AGND、实地分开。 1.7 电源及临界信号走线使用宽线。 1.8 数字电路放置於并行总线/串行DTE接口附近，DAA电路放置於电话线接口附近。 2. 元器件放置 2.1 在系统电路原理图中： a) 划分数字、模拟、DAA电路及其相关电

  3. 所属分类：硬件开发

    • 发布日期：2019-05-23
    • 文件大小：14336
    • 提供者：qq_33237941

  1. 大数据下的快速KNN分类算法

  2. 针对K最近邻算法测试复杂度至少为线性，导致其在大数据样本情况下的效率很低的问题，提出了一种应用于大数据下的快速KNN分类算法。该算法创新性地在K最近邻算法中引入训练过程，即通过线性复杂度聚类方法对大数据样本进行分块，然后在测试过程中找出与待测样本距离最近的块，并将其作为新的训练样本进行K最近邻分类。这样的过程大幅度地减少了K最近邻算法的测试开销，使其能在大数据集中得以应用。实验表明，该算法在与经典KNN分类准确率保持近似的情况下，分类的速度明显快于经典KNN算法。

  3. 所属分类：其它

    • 发布日期：2019-07-22
    • 文件大小：1048576
    • 提供者：weixin_39840914

  1. 05X101-2.地下通信线缆敷设图集.pdf

  2. 05X101-2.地下通信线缆敷设图集pdf,05X101-2.地下通信线缆敷设图集编制说明 1.设计依据 3.2本图集是在《地下通信线路安装》(94Ⅹ101-2)图集的 1建设部建质[2004]46号文:关于印发《二00四年国家建筑基础上增加和补充了新的内容,以适应各种工程上的需要。新增加 标准设计编制工作计划》的通知 的内容主要有光缆的敷设方式、新型的管道(双壁波纹式塑料管、 1.2现行国家及行业的标准、规范 硅芯式塑料管、柵格式塑料管、蜂窝式塑料管和多孔式塑料管)及 21《本地电话网用户线

  3. 所属分类：其它

    • 发布日期：2019-09-20
    • 文件大小：1048576
    • 提供者：weixin_38743968

  1. 基于Walsh-Hadamard投影的快速Nonlocal-Means图像去噪.pdf

  2. NLM改进论文，可供算法工程师参考，Walsh-Hadamard投影。382 宇航学报 第32卷 NL- means模型利用观测图像中其它像素点的窗口内,将算法的计算复杂度降为o(m2·n2t2) 加权和来表示当前点图像像素值的估计,即2-1 即便如此, NL-means去噪算法的计算量还是比较 X()=NL()=∑o(i,Y()(2)大,特别是比较窗口和搜索窗口的尺寸较大时,算法 权值o(i,j代表了像素点i和j的相关性, Buade速度较慢。 提出使用以像素点和j为中心的图像块的欧式距 由式

  3. 所属分类：图像处理

    • 发布日期：2019-07-02
    • 文件大小：900096
    • 提供者：irwin0112

  1. 图像去噪的双向非局部模型

  2. 自然图像固有的相似性已被广泛用于图像去噪和其他应用。 实际上，如果将相似图像块的簇重新排列为矩阵，则列和行之间都存在相似性。 使用相似性，我们提出了一种用于图像去噪的双向非局部（TDNL）变分模型。 我们模型的解决方案包括三个部分：一个部分是原始观察图像的缩放版本，另外两个部分是利用相似性获得的。 具体而言，通过使用列之间的相似性，我们考虑了所有相似的补丁，获得了补丁的非局部均值类估计，而权重不是成对相似性，而是一组聚类系数。 此外，通过使用行之间的相似性，我们还获得了类似补丁中心像素的非局部自

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：987136
    • 提供者：weixin_38744207

  1. 基于LSA和SVM的火灾烟雾检测算法

  2. 为了解决视频烟雾检测中特征提取难度较大、复杂度较高的问题,提出一种基于潜在语义(Latent Semantic Analysis,LSA)特征和支持向量机(Support Vector Machine,SVM)的烟雾检测算法。该算法首先将烟雾图像库中的每幅图像进行有重叠分块,提取每个分块的小波纹理与HSV颜色特征;再对所有分块特征进行聚类,量化成"视觉字",并且根据每个"视觉字"在每幅烟雾图像中出现的频率,建立"词-文档"矩阵;然后,采用LSA的方法获得每幅烟雾图像的潜在语义特征;最后,结合SV

  3. 所属分类：其它

    • 发布日期：2021-02-10
    • 文件大小：759808
    • 提供者：weixin_38617413

  1. 面向高速网络流量的恶意镜像网站识别方法

  2. 针对网络环境中造成危害的信息通过镜像网站进行传播从而绕过检查的问题，提出了面向高速网络流量的恶意镜像网站识别方法。首先，从流量中提取碎片化数据并且还原网页源码，同时加入标准化处理来提高识别准确率；然后，将网页源码分块，利用相似度散列算法对每个网页源码分块计算散列值，得到网页源码的相似度散列值，同时引入海明距离来计算网页源码之间的相似性；最后，截取网页快照，提取其 SIFT 特征点，通过聚类分析和映射处理得到网页快照的感知散列值，通过感知散列值计算网页相似性。在真实流量下的实验表明，所提方法的准确

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：878592
    • 提供者：weixin_38696196
« 1 23 »