编写程序实现对M位学生的N门课程成绩进行统计分析，要求：（1）统计出每个学生的总分、平均分及单科最高分；
（2）统计出每门课的平均分、最高分；
（3）统计出所有学生的最高总分与最高平均分；
（4）统计出所有学生总成绩的平均分及所有成绩的总平均分；
（5）统计出所有学生单科最高分的平均值与最大值。
统计要求参见下图。
如需程序详细备注可私信留言。
（2）统计出每门课的平均分、最高分；
（3）统计出所有学生的最高总分与最高平均分；
（4）统计出所有学生总成绩的平均分及所有成绩的总平均分；
（5）统计出所有学生单科最高分的平均值与最大值。
统计要求参见下图。
如需程序详细备注可私信留言。
2025/12/18 10:40:04
3KB
1
对光纤激光器相干合成系统中组束误差对远场光场分布的影响进行了数值研究,分析了输出单元占空比、位置误差和平行度误差对远场光场分布的影响。
结果表明,输出单元占空比的增加只能提高中心光斑的能量,但无法改变中心光斑的平均光强;而位置误差会使远场光场中的旁瓣能量减弱,降低光纤激光器相干合成系统的转换效率。
分析发现,位置误差的这种影响可以通过增加输出单元的占空比来减弱。
最后,通过分析平行度误差对远场光场的影响,对光纤激光器相干合成系统中的平行度误差控制提出了建议。
结果表明,输出单元占空比的增加只能提高中心光斑的能量,但无法改变中心光斑的平均光强;而位置误差会使远场光场中的旁瓣能量减弱,降低光纤激光器相干合成系统的转换效率。
分析发现,位置误差的这种影响可以通过增加输出单元的占空比来减弱。
最后,通过分析平行度误差对远场光场的影响,对光纤激光器相干合成系统中的平行度误差控制提出了建议。
2025/12/18 9:03:52
3.36MB
1
最近，我一直在重构之前做的一个项目，在这个过程中感慨万千。
原先的项目是一个运用了WCF的C/S系统，在客户端运用了MVC模式，但MVC的View、Model耦合以及WCF端分布式欠佳等问题让我有了重构的想法，经过了一段时间的改造，逐渐形成了MVP+三层结构+WCF的面向服务的程序架构。
在这里我把我的想法写成了一个例子，供大家参考。
在正式开始讲解之前，我必须得感谢Artech、代震军等诸多大虾，他们的文章给了我很大的启发。
我写的这个例子是关于博客管理的，逻辑很简单，就是用户发表文章、发表评论，管理员可以对用户进行管理。
让我们先从MVP的运用开始讲起。
关于MVP和MVC，我只谈谈在重构过程中的看法
原先的项目是一个运用了WCF的C/S系统，在客户端运用了MVC模式，但MVC的View、Model耦合以及WCF端分布式欠佳等问题让我有了重构的想法，经过了一段时间的改造，逐渐形成了MVP+三层结构+WCF的面向服务的程序架构。
在这里我把我的想法写成了一个例子，供大家参考。
在正式开始讲解之前，我必须得感谢Artech、代震军等诸多大虾，他们的文章给了我很大的启发。
我写的这个例子是关于博客管理的，逻辑很简单，就是用户发表文章、发表评论，管理员可以对用户进行管理。
让我们先从MVP的运用开始讲起。
关于MVP和MVC，我只谈谈在重构过程中的看法
2025/12/18 6:04:44
326KB
1
此程序为在多径衰落信道下OFDM系统的抗噪声性能。
其中包括cyclicprefix的插入；
多径信道的模拟，以及用pilot进行信道估计。
除此以外还包括仿真波形，SNR曲线等等。
（以及本人的实验报告）.
其中包括cyclicprefix的插入；
多径信道的模拟，以及用pilot进行信道估计。
除此以外还包括仿真波形，SNR曲线等等。
（以及本人的实验报告）.
2025/12/18 3:24:57
310KB
1
通过对网络病毒的抑制模型设计，实现对病毒的有效检测和拦截，提高网络安全性。
传统的网络病毒抑制模型采用静态局部检测方法，对攻击病毒的结构层次交互抑制效果不好。
提出一种基于随机矢量共振的网络病毒动态交互抑制模型。
构建病毒入侵的传播路径分析，进行数学演化聚类描述，通过随机矢量共振对病毒的入侵路径进行向量合成，分析病毒演化趋势稳态权向量，进行数学演化聚类率，实现动态交互抑制。
研究结果表明，采用该方法进行网络病毒动态交互抑制，提高了对病毒的抑制能力，从而提高检测概率，保证网络安全。
传统的网络病毒抑制模型采用静态局部检测方法，对攻击病毒的结构层次交互抑制效果不好。
提出一种基于随机矢量共振的网络病毒动态交互抑制模型。
构建病毒入侵的传播路径分析，进行数学演化聚类描述，通过随机矢量共振对病毒的入侵路径进行向量合成，分析病毒演化趋势稳态权向量，进行数学演化聚类率，实现动态交互抑制。
研究结果表明，采用该方法进行网络病毒动态交互抑制，提高了对病毒的抑制能力，从而提高检测概率，保证网络安全。
2025/12/17 14:08:48
690KB
1
本代码使用svm_RFE来循环递归式的对数据特征进行排序，从而筛选出有用的特征，同时可以看到特征排序，已经每次筛选出去的特征
2025/12/17 14:10:32
2KB
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