一、实验目的1、了解虚拟存储器的基本原理和实现方法。
2、掌握几种页面置换算法。
二、实验内容设计模拟实现采用不同内外存调度算法进行页面置换，并计算缺页率。
三、实验原理内存在计算机中的作用很大，电脑中所有运行的程序都需要经过内存来执行，如果执行的程序很大或很多，就会导致内存消耗殆尽。
为了解决这个问题，Window中运用了虚拟内存技术，即拿出一部分硬盘空间来充当内存使用，当内存占用完时，电脑就会自动调用硬盘来充当内存，以缓解内存的紧张。
虚拟存储器是指具有请求调入功能和置换功能，能从逻辑上对内存容量加以扩充的一种存储器系统。
它是采用一定的方法将一定的外存容量模拟成内存，同时对程序进出内存的方式进行管理，从而得到一个比实际内存容量大得多的内存空间，使得程序的运行不受内存大小的限制。
虚拟存储区的容量与物理主存大小无关，而受限于计算机的地址结构和可用磁盘容量。
虚拟内存的设置主要有两点，即内存大小和分页位置，内存大小就是设置虚拟内存最小为多少和最大为多少；
而分页位置则是设置虚拟内存应使用那个分区中的硬盘空间。
1.最佳置换算法（OPT）：选择永不使用或是在最长时间内不再被访问（即距现在最长时间才会被访问）的页面淘汰出内存。
2.先进先出置换算法（FIFO）：选择最先进入内存即在内存驻留时间最久的页面换出到外存。
3.最近最久未使用置换算法（LRU）:以“最近的过去”作为“最近的将来”的近似，选择最近一段时间最长时间未被访问的页面淘汰出内存

STM32F407ZET6最小系统板，这是stmSTM32F407ZET最小系统板的最小系统板的原理图和PCB文件，很棒的一个文件，也包括了原理图库和PCB库

~/.config我的zsh，git和应用程序设置。
将其复制到~/.config。
如果它不是一台全新的计算机，则您可能已经有了一些文件/文件夹。
您可以替换它们或将它们合并在一起。
gitclonegit@github.com:samrose3/dotfiles.git~/.config安装脚本在运行安装脚本之前，将gitconfig.user.sample复制为gitconfig.user，并填写您自己的信息。
#Createyourowngitconfig.usercp./git/gitconfig.user.sample./git/gitconfig.user#Updatewithyourinfovim./git/gitconfig.userinstall.sh自负：回顾install.sh，编辑其要求并执行它。
它将通

针对弹性光网络中业务的选路、频谱分配进行了研究，考虑到物理节点对业务安全性的影响，建立了以满足业务最低安全级别要求为约束、以最小化网络中最大占用频隙号为优化目标的全局约束优化模型。
为有效求解该约束优化模型，设计了全局优化算法。
将疏导后的业务按照某种排序策略进行排序，为每个业务选择K条满足业务最低安全级别要求的路径。
利用改进的遗传算法为每个业务选择合适的路径并确定最优的频谱分配方案，使得网络中最大占用频谱号最小。
为验证该算法的有效性，在不同的网络拓扑中进行了仿真，结果表明，所设计的算法可实现高效的频谱分配。

爬取实时搜索商品，python开发，web技术是简单的Flask，最小的代码爬取你想要的商品信息

解决最小化安装的系统缺少各类命令问题，比如route，ifconfig等

现在我们回到LDA的原理上，我们在第一节说讲到了LDA希望投影后希望同一种类别数据的投影点尽可能的接近，而不同类别的数据的类别中心之间的距离尽可能的大，但是这只是一个感官的度量。
现在我们首先从比较简单的二类LDA入手，严谨的分析LDA的原理。
　　　　假设我们的数据集D={(x1,y1),(x2,y2),...,((xm,ym))}D={(x1,y1),(x2,y2),...,((xm,ym))},其中任意样本xixi为n维向量，yi∈{0,1}yi∈{0,1}。
我们定义Nj(j=0,1)Nj(j=0,1)为第j类样本的个数，Xj(j=0,1)Xj(j=0,1)为第j类样本的集合，而μj(j=0,1)μj(j=0,1)为第j类样本的均值向量，定义Σj(j=0,1)Σj(j=0,1)为第j类样本的协方差矩阵（严格说是缺少分母部分的协方差矩阵）。
　　　　μjμj的表达式为：μj=1Nj∑x∈Xjx(j=0,1)μj=1Nj∑x∈Xjx(j=0,1)　　　　ΣjΣj的表达式为：Σj=∑x∈Xj(x−μj)(x−μj)T(j=0,1)Σj=∑x∈Xj(x−μj)(x−μj)T(j=0,1)　　　　由于是两类数据，因此我们只需要将数据投影到一条直线上即可。
假设我们的投影直线是向量ww,则对任意一个样本本xixi,它在直线ww的投影为wTxiwTxi,对于我们的两个类别的中心点μ0,μ1μ0,μ1,在在直线ww的投影为wTμ0wTμ0和wTμ1wTμ1。
由于LDA需要让不同类别的数据的类别中心之间的距离尽可能的大，也就是我们要最大化||wTμ0−wTμ1||22||wTμ0−wTμ1||22,同时我们希望同一种类别数据的投影点尽可能的接近，也就是要同类样本投影点的协方差wTΣ0wwTΣ0w和wTΣ1wwTΣ1w尽可能的小，即最小化wTΣ0w+wTΣ1wwTΣ0w+wTΣ1w。
综上所述，我们的优化目标为：argmaxwJ(w)=||wTμ0−wTμ1||22wTΣ0w+wTΣ1w=wT(μ0−μ1)(μ0−μ1)TwwT(Σ0+Σ1)wargmax⏟wJ(w)=||wTμ0−wTμ1||22wTΣ0w+wTΣ1w=wT(μ0−μ1)(μ0−μ1)TwwT(Σ0+Σ1)w　　　　我们一般定义类内散度矩阵SwSw为：Sw=Σ0+Σ1=∑x∈X0(x−μ0)(x−μ0)T+∑x∈X1(x−μ1)(x−μ1)TSw=Σ0+Σ1=∑x∈X0(x−μ0)(x−μ0)T+∑x∈X1(x−μ1)(x−μ1)T　　　　同时定义类间散度矩阵SbSb为：Sb=(μ0−μ1)(μ0−μ1)TSb=(μ0−μ1)(μ0−μ1)T　　　　这样我们的优化目标重写为：argmaxwJ(w)=wTSbwwTSwwargmax⏟wJ(w)=wTSbwwTSww　　　　仔细一看上式，这不就是我们的广义瑞利商嘛！这就简单了，利用我们第二节讲到的广义瑞利商的性质，我们知道我们的J(w)J(w)最大值为矩阵S−12wSbS−12wSw−12SbSw−12的最大特征值，而对应的ww为S−12wSbS−12wSw−12SbSw−12的最大特征值对应的特征向量!而S−1wSbSw−1Sb的特征值和S−12wSbS−12wSw−12SbSw−12的特征值相同,S−1wSbSw−1Sb的特征向量w′w′和S−12wSbS−12wSw−12SbSw−12的特征向量ww满足w′=S−12www′=Sw−12w的关系!　　　　注意到对于二类的时候，SbwSbw的方向恒为μ0−μ1μ0−μ1,不妨令Sbw=λ(μ0−μ1)Sbw=λ(μ0−μ1)，将其带入：(S−1wSb)w=λw(Sw−1Sb)w=λw，可以得到w=S−1w(μ0−μ1)w=Sw−1(μ0−μ1)，也就是说我们只要求出原始二类样本的均值和方差就可以确定最佳的投影方向ww了。

该资源为硬件设计图纸，内有完整的AltiumDesigner(13.0)工程、原理图、PCB和主控引脚资源分配。
主要由WiFi无线通讯电路、时钟电路（内置备用电源）、主控最小系统电路、供电电路、OLED显示电路、按键电路等组成，主控芯片为STM32F103C8T6、WiFi模块为ESP-12F、OLED显示屏为裸屏开发、时钟芯片为PCF8563。

stm32f103c8t6最小系统板驱动MPU6050模块IIC读取mpu数据发送给串口显示串口显示

采用模块化硬件电路搭建，stm32位某宝买的最小系统板，液晶模块为某宝买的自带ili9341驱动的板，因stm32位48脚芯片，不具备fsmc功能，采用模拟方式16位显示（a端口0~15）。
（注：触屏输入暂未实现）

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。