Sensu磁盘检查插件总览此插件提供了用于监视和指标收集的本机磁盘工具，包括：运行情况，使用情况和各种指标。
从该存储库打包的Sensu资产是针对Sensuruby运行时环境构建的。
将这些资产用作SensuGo资源（检查，更改程序或处理程序）的一部分时，请确保在资源所需的资产列表中包括相应的Sensuruby运行时资产。
当前的Ruby运行时资产可以在的档案bin/check-disk-usage.rbbin/check-fstab-mounts.rbbin/check-smart-status.rbbin/check-smart.rb
从该存储库打包的Sensu资产是针对Sensuruby运行时环境构建的。
将这些资产用作SensuGo资源（检查，更改程序或处理程序）的一部分时，请确保在资源所需的资产列表中包括相应的Sensuruby运行时资产。
当前的Ruby运行时资产可以在的档案bin/check-disk-usage.rbbin/check-fstab-mounts.rbbin/check-smart-status.rbbin/check-smart.rb
2016/7/3 22:51:06
31KB
1
新时代下，随着经济、环境、政策的新变化，医疗保障领域的宏观决策难度更大、要求更高。
因此，国家医疗保障局规划了“宏观决策大数据应用子系统”，希望针对医疗保障体系中存在的数据标准不统一、数据源割裂、数据量利用率低等问题，在统一的数据标准之上，提供全面丰富的指标和分析维度，支持多场景多维度的实时展示和运行情况分析，使决策者能看清过去，洞悉隐藏在现象背后的规律与本质，进而展望未来，协助决策者及时识别中长期政策风险，测算政策调控带来的影响，为政策决策制定提供量化分析支持。
因此，国家医疗保障局规划了“宏观决策大数据应用子系统”，希望针对医疗保障体系中存在的数据标准不统一、数据源割裂、数据量利用率低等问题，在统一的数据标准之上，提供全面丰富的指标和分析维度，支持多场景多维度的实时展示和运行情况分析，使决策者能看清过去，洞悉隐藏在现象背后的规律与本质，进而展望未来，协助决策者及时识别中长期政策风险，测算政策调控带来的影响，为政策决策制定提供量化分析支持。
2018/6/26 9:49:56
22.49MB
1
结合【GB10184-88】电站锅炉功能试验规程，【DL-T904-2004】火力发电厂技术经济指标计算方法及【大唐Q/CDT1050001—2009】耗差分析技术标准的各自优势的锅炉效率反平衡计算。
汽轮机缸效率计算。
工具是安装包，安装即可（需要.netframework4.0的环境）。
汽轮机缸效率计算。
工具是安装包，安装即可（需要.netframework4.0的环境）。
2015/6/16 7:08:17
2.29MB
1
在我国的轿车中已基本具有电子控制和网络功能，排放和其他指标达到了一定的要求。
但货车和客车在这方面却远未能满足排放法规的要求。
因而，为了满足日益严格的排放法规，载货车和客车中也必须引入计算机及控制技术。
采用控制器局域网和国际公认标准协议J1939来搭建网络，并完成数据传输，以实现汽车内部电子单元的网络化是一种迫切的需要也是必然的发展趋势。
但货车和客车在这方面却远未能满足排放法规的要求。
因而，为了满足日益严格的排放法规，载货车和客车中也必须引入计算机及控制技术。
采用控制器局域网和国际公认标准协议J1939来搭建网络，并完成数据传输，以实现汽车内部电子单元的网络化是一种迫切的需要也是必然的发展趋势。
2015/4/8 14:39:43
4.46MB
1
客户生存与流失预测客户流失率是评估不断增长的业务的最重要指标之一。
虽然这不是最幸福的衡量标准，但它可以使您的公司了解保留客户的事实。
Heroku应用程序MyHeroku应用程序：:生存分析生存分析是统计的一个分支，用于分析直到一个或多个事件（例如生物体死亡和机械系统故障）发生之前的预期持续时间。
Kaplan-Meier曲线（我的博客）脚步步骤1问题定义关键的挑战是预测单个客户能否会流失。
第2步数据采集用于此分类问题的数据集来自Kaggle，并来自IBM示例数据集集合（）。
第三步探索性数据分析收集数据后，将执行几个步骤来探索数据。
此步骤的目标是了解数据结构，进行初始预处理，清理数据，识别数据中的模式和不一致之处（例如，偏度，离群值，缺失值），并建立和验证假设。
第4步特征工程在特征工程中，从现有特征生成新特征，并在将所有特征转换
虽然这不是最幸福的衡量标准，但它可以使您的公司了解保留客户的事实。
Heroku应用程序MyHeroku应用程序：:生存分析生存分析是统计的一个分支，用于分析直到一个或多个事件（例如生物体死亡和机械系统故障）发生之前的预期持续时间。
Kaplan-Meier曲线（我的博客）脚步步骤1问题定义关键的挑战是预测单个客户能否会流失。
第2步数据采集用于此分类问题的数据集来自Kaggle，并来自IBM示例数据集集合（）。
第三步探索性数据分析收集数据后，将执行几个步骤来探索数据。
此步骤的目标是了解数据结构，进行初始预处理，清理数据，识别数据中的模式和不一致之处（例如，偏度，离群值，缺失值），并建立和验证假设。
第4步特征工程在特征工程中，从现有特征生成新特征，并在将所有特征转换
2018/10/22 3:11:14
7.78MB
1
了解学科前沿知识，航天遥感相机功能指标需求的不断提升给成像电子学系统设计带来了前所未有的挑战。
本文介绍了数字图像传感器的工作原理和技术指标,总结了其技术发展的几个阶段。
通过介绍传统CCD的框架结构和技术特点,归纳出其功能的优缺点,对CCD技术的最新发展技术进行了介绍。
最后介绍了遥感相机的成像原理以及国内外现有的遥感相机种类，并对未来遥感相机的发展进行了展望。
本文介绍了数字图像传感器的工作原理和技术指标,总结了其技术发展的几个阶段。
通过介绍传统CCD的框架结构和技术特点,归纳出其功能的优缺点,对CCD技术的最新发展技术进行了介绍。
最后介绍了遥感相机的成像原理以及国内外现有的遥感相机种类，并对未来遥感相机的发展进行了展望。
2017/8/20 23:24:26
105KB
1
细粒度分析学科领域热点主题发展脉络并对利用机器学习算法对未来发展趋势进行准确预测研究。
[方法/过程]提出一种基于机器学习算法的研究热点趋势预测方法与分析框架，以基因工程领域为例利用主题概率模型识别WOS核心集中论文摘要数据研究热点主题并进行主题演化关联构建，然后选取BP神经网络、支持向量机及LSTM模型等3种典型机器学习算法进行预测分析，最初利用RE指标和精准度指标评价机器学习算法预测效果并对基因工程领域在医药卫生、农业食品等方面研究趋势进行分析。
[结果/结论]实验表明基于LSTM模型对热点主题未来发展趋势预测准确度最高，支持向量机预测效果次之，BP神经网络预测效果较差且预测稳定性不足，同时结合专家咨询和文献调研表明本文方法可快速识别基因领域研究主题及发展趋势，可为我国学科领域大势研判和架构调整提供决策支持和参考
[方法/过程]提出一种基于机器学习算法的研究热点趋势预测方法与分析框架，以基因工程领域为例利用主题概率模型识别WOS核心集中论文摘要数据研究热点主题并进行主题演化关联构建，然后选取BP神经网络、支持向量机及LSTM模型等3种典型机器学习算法进行预测分析，最初利用RE指标和精准度指标评价机器学习算法预测效果并对基因工程领域在医药卫生、农业食品等方面研究趋势进行分析。
[结果/结论]实验表明基于LSTM模型对热点主题未来发展趋势预测准确度最高，支持向量机预测效果次之，BP神经网络预测效果较差且预测稳定性不足，同时结合专家咨询和文献调研表明本文方法可快速识别基因领域研究主题及发展趋势，可为我国学科领域大势研判和架构调整提供决策支持和参考
2020/2/19 19:04:15
1.69MB
1
1、掌握高频小信号谐振电压放大器的电路组成与基本工作原理。
2、熟悉谐振回路的调谐方法及测试方法。
3、掌握高频谐振放大器处于谐振时各项次要技术指标意义及测试技能。
2、熟悉谐振回路的调谐方法及测试方法。
3、掌握高频谐振放大器处于谐振时各项次要技术指标意义及测试技能。
2022/9/8 6:03:36
106KB
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