Linux下mongoDB4.0.264位安装包-社区版仅供学习参考MongoDB是一个基于分布式文件存储[1]的数据库。
由C++语言编写。
旨在为WEB应用提供可扩展的高功能数据存储解决方案。
MongoDB是一个介于关系数据库和非关系数据库之间的产品，是非关系数据库当中功能最丰富，最像关系数据库的。
它支持的数据结构非常松散，是类似json的bson格式，因此可以存储比较复杂的数据类型。
由C++语言编写。
旨在为WEB应用提供可扩展的高功能数据存储解决方案。
MongoDB是一个介于关系数据库和非关系数据库之间的产品，是非关系数据库当中功能最丰富，最像关系数据库的。
它支持的数据结构非常松散，是类似json的bson格式，因此可以存储比较复杂的数据类型。
2023/2/19 23:42:46
81.48MB
1
基于MATLAB的KAPPA系数计较。
Theconfusionmatrixwasusedtodescribetheclassificationaccuracyandtocharacterizetheerrors.LandisandKoch(1977)classifiedKappavaluesintodifferentcategories:0-0.20,0.21-0.40,0.41-0.60,0.61-0.80and0.81-1,whichindicatesslight,fair,moderate,substantialandalmostperfectagreements,respectively.
Theconfusionmatrixwasusedtodescribetheclassificationaccuracyandtocharacterizetheerrors.LandisandKoch(1977)classifiedKappavaluesintodifferentcategories:0-0.20,0.21-0.40,0.41-0.60,0.61-0.80and0.81-1,whichindicatesslight,fair,moderate,substantialandalmostperfectagreements,respectively.
2023/2/9 13:39:38
4KB
1
该资源设计内容包含非接触式数字体温计的原理图，PCD，实物图，以及完整程序；
资料包括完整题目，芯片资料，以及所用到的单片机资料。
简单引见题目内容：一、毕业设计（论文）的内容学习和掌握单片机汇编或C语言程序设计技术以及相应的调试技术，熟悉单片机的开发环境以及编程、编译和下载。
以AT89S52或其他单片机和非接触式红外温度传感器为核心，设计制作一个带有数显功能的非接触式体温计。
二、毕业设计（论文）的要求与数据要求：1.在单片机开发环境下，编程和在线实时仿真及程序烧写。
2.要求测温精度达到0.2摄氏度以上。
3.可设置测温的上下限阀值，超过设定温度值时可发出报警。
资料包括完整题目，芯片资料，以及所用到的单片机资料。
简单引见题目内容：一、毕业设计（论文）的内容学习和掌握单片机汇编或C语言程序设计技术以及相应的调试技术，熟悉单片机的开发环境以及编程、编译和下载。
以AT89S52或其他单片机和非接触式红外温度传感器为核心，设计制作一个带有数显功能的非接触式体温计。
二、毕业设计（论文）的要求与数据要求：1.在单片机开发环境下，编程和在线实时仿真及程序烧写。
2.要求测温精度达到0.2摄氏度以上。
3.可设置测温的上下限阀值，超过设定温度值时可发出报警。
2023/2/4 20:42:48
10.05MB
1
《XML高级编程》会指出获取这些工具或技术支持的途径。
《XML高级编程》既关注基于Microsoft的技术，也关注基于Java的技术，因此有时读者必须使用这些开发商特有的开发工具和平台来完成书中的示例。
0.2《XML高级编程》读者对象《XML高级编程》旨在向读者提供当今关于XML的最新和最优信息，以及基于XML的最新技术和最新功能。
读者需要具备理解基本编程技术，如C#或Java的能力。
如果读者能理解这些编程语言，对于阅读《XML高级编程》则不会有太大困难。
如果读者对XML比较陌生，那么最好先阅读DavidHunter等人合著的BeginningXML（由Wrox出版，ISBN：978-0-7645-7077-3）一书，以便掌握一些XML的基础知识。
《XML高级编程》同时适用于Microsoft或Java开发人员。
《XML高级编程》既关注基于Microsoft的技术，也关注基于Java的技术，因此有时读者必须使用这些开发商特有的开发工具和平台来完成书中的示例。
0.2《XML高级编程》读者对象《XML高级编程》旨在向读者提供当今关于XML的最新和最优信息，以及基于XML的最新技术和最新功能。
读者需要具备理解基本编程技术，如C#或Java的能力。
如果读者能理解这些编程语言，对于阅读《XML高级编程》则不会有太大困难。
如果读者对XML比较陌生，那么最好先阅读DavidHunter等人合著的BeginningXML（由Wrox出版，ISBN：978-0-7645-7077-3）一书，以便掌握一些XML的基础知识。
《XML高级编程》同时适用于Microsoft或Java开发人员。
2023/2/4 1:23:14
5.17MB
1
模式识别miniproject-脱机手写签名识别，这是每个学习模式识别的同学必做的课程设计miniproject，主要功能要求如下：一共有20个人，在其对应的文件夹中存放了每个人的20个手写签名图像，每幅图像均为PCX图像格式，大小为12994像素大小。
对每个人的手写签名，用其中80%的图像作为训练样本进行训练，用余下的20%的图像进行测试。
在签名图像进行特征提取时，提取6个ET1和6个DT12轮廓特征。
每一个人的手写签名特征假设为48维特征空间的多维高斯分布。
用贝叶斯参数估计法估算概率密度函数（pdf），然后用Bayes分类器识别。
分别计算closetest和opentest下的分类功能。
根据每个类的概率分布函数的最近邻估算来计算贝叶斯识别的opentest识别率。
适用kn最近邻法来直接估算每个类在每个测试样本的后验概率并计算opentest下的分类功能，将该识别率表示为一个关于k的函数并绘图。
这些是基于后验概率的非参数估计的贝叶斯估计。
对每个人的手写签名，用其中80%的图像作为训练样本进行训练，用余下的20%的图像进行测试。
在签名图像进行特征提取时，提取6个ET1和6个DT12轮廓特征。
每一个人的手写签名特征假设为48维特征空间的多维高斯分布。
用贝叶斯参数估计法估算概率密度函数（pdf），然后用Bayes分类器识别。
分别计算closetest和opentest下的分类功能。
根据每个类的概率分布函数的最近邻估算来计算贝叶斯识别的opentest识别率。
适用kn最近邻法来直接估算每个类在每个测试样本的后验概率并计算opentest下的分类功能，将该识别率表示为一个关于k的函数并绘图。
这些是基于后验概率的非参数估计的贝叶斯估计。
2023/1/30 10:20:44
816KB
1
JDK是Java语言的软件开发工具包，次要用于移动设备、嵌入式设备上的java应用程序。
JDK是整个java开发的核心，它包含了JAVA的运行环境（JVM+Java系统类库）和JAVA工具。
JDK是整个java开发的核心，它包含了JAVA的运行环境（JVM+Java系统类库）和JAVA工具。
2019/5/25 8:19:50
166.91MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB