东南大学数值分析上机报告1.舍入误差及无效数2.Newton迭代法3.线性代数方程组数值解法-列主元Gauss消去法4.线性代数方程组数值解法-逐次超松弛迭代法5.多项式插值与函数最佳逼近
2018/8/4 4:20:31
2.52MB
1
在联合冲击滤波器和非线性各向异性扩散滤波器对含噪图像做预处理的基础上,利用边缘检测算子选取自顺应参数,构建能同时兼顾图像平滑去噪与边缘保留的自顺应全变分模型,并基于Bregman迭代正则化方法设计了其快速迭代求解算法。
实验结果表明,自顺应去噪模型及其求解算法在快速去除噪声的同时保留了图像的边缘轮廓和纹理等细节信息,得到的复原图像在客观评价标准和主观视觉效果方面均有所提高。
实验结果表明,自顺应去噪模型及其求解算法在快速去除噪声的同时保留了图像的边缘轮廓和纹理等细节信息,得到的复原图像在客观评价标准和主观视觉效果方面均有所提高。
2021/2/15 21:17:11
64KB
1
粒子群优化(ParticleSwarmOptimization-PSO)算法是近年来发展起来的一种新的进化算法(EvolutionaryAlgorithm-EA).PSO算法属于进化算法的一种,和遗传算法相似,它也是从随机解出发,通过迭代寻找最优解,它也是通过适应度来评价解的质量.但是它比遗传算法规则更为简单,它没有遗传算法的“交叉”(Crossover)和“变异”(Mutation)操作.它通过追随当前搜索到的最优值来寻找全局最优。
2016/10/27 1:57:04
34KB
1
当我看到《EffectiveSTL》的时候，我的感触是相见恨晚，做C++开发要是不知道这些东西，显然不够格。
其实每种技术都有他本人的特点，都有他本人的取舍，你如果想使用STL就要按照他的方式来玩，我们平时的主官感觉对STL来说并不一定都适用。
什么时候用什么容器，什么时候用什么迭代器，什么时候用什么算法，什么时候不该用循环，这本书都做了解答，可以不夸张的说，这本书看过了才能说本人会用STL了。
其实每种技术都有他本人的特点，都有他本人的取舍，你如果想使用STL就要按照他的方式来玩，我们平时的主官感觉对STL来说并不一定都适用。
什么时候用什么容器，什么时候用什么迭代器，什么时候用什么算法，什么时候不该用循环，这本书都做了解答，可以不夸张的说，这本书看过了才能说本人会用STL了。
2015/3/22 2:02:20
1.04MB
1
作为一种灵活性极强的构架风格，时下微服务在各种开发项目中日益普及。
在这种架构中，应用程序被按照功能分解成一组松耦合的服务，它们通过RESTAPIs相互协作。
通过这个设计原则，开发团队可以快速地不断迭代各个独立的微服务。
同时，基于这些特性，很多机构可以数倍地提升自己的部署能力。
然而凡事都有两面性，当开发者从微服务架构获得敏捷时，观测整个系统的运行情况成为最大的痛点。
如图1所示，多个服务工作联合对用户请求产生响应；
在生产环境中，应用程序执行过程中端到端的视图对快速诊断并解决功能退化问题至关重要的，而应用中多达数十的微服务（每个还对应数百个实例）使得理解这点变得非常困难。
信息是如何在服务中穿梭流动的
在这种架构中，应用程序被按照功能分解成一组松耦合的服务，它们通过RESTAPIs相互协作。
通过这个设计原则，开发团队可以快速地不断迭代各个独立的微服务。
同时，基于这些特性，很多机构可以数倍地提升自己的部署能力。
然而凡事都有两面性，当开发者从微服务架构获得敏捷时，观测整个系统的运行情况成为最大的痛点。
如图1所示，多个服务工作联合对用户请求产生响应；
在生产环境中，应用程序执行过程中端到端的视图对快速诊断并解决功能退化问题至关重要的，而应用中多达数十的微服务（每个还对应数百个实例）使得理解这点变得非常困难。
信息是如何在服务中穿梭流动的
2017/10/20 7:19:56
239KB
1
jstl需求导入的两个jar包：jstl.jar和standard.jarjstljar包，jsp页面使用jstl方便对数据的迭代显示等。
Jstl.jar包是一款java中项目中如果要使用JSTL和EL表达式,就必须导入jstl.jar和standard.jar文件,可以让程序猿们在日常生活中更节约时间。
需求的童鞋可以下载学习使用，下载地址安全无误！
Jstl.jar包是一款java中项目中如果要使用JSTL和EL表达式,就必须导入jstl.jar和standard.jar文件,可以让程序猿们在日常生活中更节约时间。
需求的童鞋可以下载学习使用，下载地址安全无误！
2020/8/11 2:06:29
360KB
1
根据分布式压缩感知理论,提出一种宽带协作频谱感知的方式。
该方式相比于以往的协作压缩频谱感知方式,认知用户传向融合中心的数据精简为压缩信号,各个压缩信号在融合中心进行融合重构,这样就减少传向融合中心的数据量,缓解融合中心的数据压力,并且可以提高信号重构的成功率。
同时,根据压缩抽样匹配追踪算法,提出一种联合压缩抽样匹配追踪算法。
该算法思想是通过加权融合测量样本、迭代重构原信号,以恢复共同的频谱支撑集,完成协作频谱感知。
仿真结果表明:与经典的DCS-SOMP算法相比,本文算法功能更优,所需的滤波器数更少。
该方式相比于以往的协作压缩频谱感知方式,认知用户传向融合中心的数据精简为压缩信号,各个压缩信号在融合中心进行融合重构,这样就减少传向融合中心的数据量,缓解融合中心的数据压力,并且可以提高信号重构的成功率。
同时,根据压缩抽样匹配追踪算法,提出一种联合压缩抽样匹配追踪算法。
该算法思想是通过加权融合测量样本、迭代重构原信号,以恢复共同的频谱支撑集,完成协作频谱感知。
仿真结果表明:与经典的DCS-SOMP算法相比,本文算法功能更优,所需的滤波器数更少。
2021/9/8 14:25:08
357KB
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