下载为百度网盘链接1.Hadoop的源起与体系引见2.Hadoop的源起与体系引见3.Hadoop的源起与体系引见4.实施Hadoop集群5.实施Hadoop集群6.实施Hadoop集群7.分布式文件系统HDFS，大数据存储实战8.分布式文件系统HDFS，大数据存储实战9.分布式文件系统HDFS，大数据存储实战10.Map-Reduce体系架构11.Map-Reduce体系架构12.Map-Reduce体系架构13.Map-Reduce数据分析之一，API实战14.Map-Reduce数据分析之一，API实战15.Map-Reduce数据分析之一，API实战16.Map-Reduce数据分析之二，Hadoop流，应用案例17.Map-Reduce数据分析之二，Hadoop流，应用案例18.Map-Reduce数据分析之二，Hadoop流，应用案例19.Map-Reduce数据分析之二，Hadoop流，应用案例20.HBase体系架构与安装21.HBase体系架构与安装22.HBase体系架构与安装23.HBase体系架构与安装24.HBase数据分析与建模，实战案例剖析25.HBase数据分析与建模，实战案例剖析26.HBase数据分析与建模，实战案例剖析27.Hive体系架构安装与HiveQL，应用案例128.Hive体系架构安装与HiveQL，应用案例229.Pig安装与PigLatin语言，应用案例130.Pig安装与PigLatin语言，应用案例231.Pig安装与PigLatin语言，应用案例332.Pig安装与PigLatin语言，应用案例433.hadoop高级引见34.hadoop高级引见35.hadoop高级引见36.hadoop高级引见37.hadoop高级引见38.hadoop高级应用39.hadoop高级应用40.hadoop高级应用41.hadoop高级应用42.hadoop高级应用43.Hadoop集群安装44.HBASE分布式安装

一、1.Pleasedownloadandinstalltheglutlibrary.2.WriteacompleteprogramusingthefollowingcodestodrawaSierpinskigasket.voidmyinit(){//attributesglClearColor(1.0,1.0,1.0,1.0);glColor3f(1.0,0.0,0.0);//setupviewingglMatrixMode(GL_PROJECTION);glLoadIdentity();gluOrtho2D(0.0,50.0,0.0,50.0);glMatrixMode(GL_MODELVIEW);}voiddisplay(){GLfloatvertices[3][3]={{0.0,0.0,0.0},{25.0,50.0,0.0},{50.0,0.0,0.0}};//anarbitrarytriangleintheplanez=0;GLfloatp[3]={7.5,5.0,0.0};//orsetanydesiredinitialpointwhichisinsidethetriangle;intj,k;intrand();glBegin(GL_POINTS);for(k=0;k＜5000;k++){/*pickarandomvertexfrom0,1,2*/j=rand()%3;//computenewlocation;p[0]=(p[0]+vertices[j][0])/2;p[1]=(p[1]+vertices[j][1])/2;//displaynewpointglVertex3fv(p);}glEnd();glFlush();}#includevoidmain(intargc,char**argv){glutInit(&argc;,argv);glutInitDisplayMode(GLUT_SINGLE|GLUT_RGB);glutInitAWindowSize(500,500);glutInitWindowPosition(0,0);glutCreateWindow(“SimpleOpenGLExample”);glutDisplayFunc(display);myinit();glutMainLoop();}3.实现DDA和Bresenham画线算法(1)画10万以上随机生成的直线段，比较两个算法的平均时间.(2)分别把屏幕上的1*1，5*5,9*9像素当作直线段上的一个点，观察线段的走样情况.二、请写一个OpenGL（如果熟悉WebGL也可以用）程序完成如下任务(1)读入三维网格模型的obj文件;(2)用OpenGL函数glTranslatef()对模型模型进行平移，使得其重心位于原点;(3)用函数glLookAt()设置视点，并且要求试点绕模型一周，以便用透视投影观察各个侧面;(4)要求利用真实感绘制对模型进行渲染.(利用OpenGL函数设置光源，材质，计算好每个三角形的法向量后，利用OpenGL的glNormal函数给待绘制的三角形设置法向量).绘制的结果大概如下：三、本实验为综合实验,任务是利用光线跟踪算法进行Whitted全局光照计算，并对读入场景进行真实感绘制。
（特别提示:网上类似的projects可以参考，但不能照抄.如http://tobias.isenberg.cc/graphics/LabSessions/RaytracingProject,http://physbam.stanford.edu/links/ray_tracing/project_ray_tracing.htmlhttps://www.cs.utexas.edu/~fussell/courses/cs354/assignments/raytracing/handout.shtml）(1)参加对象:本实验针对所有选课同学，3-5人组成一个小组，共同实现；
非15级同学在组队方面有困难的话可与老师沟通.(2)实验结果提交:每人都要求提交一份.内容包括a.源程序;可执行代码;三维场景数据;同组的同学这部

H3CWA5300系列版本(适用于WA5530、WA5510E-T、WA5530-SI、WA5630X、WA5320X、WA5320X-SI、WA5320X-E、WAP723-W2、WAP722X-W2、UAP300、WA5320i、WA5320i-LI、WA5320X-LI、WA5530-LI、WA5530S、WAP722XS-W2、WA5340)软件名称：H3CWA5300-CMW710-R2423-FAT版本软件（初次支持UAP300、WA5320i、WA5320i-LI、WA5320X-LI、WA5530-LI、WA5530S、WAP722XS-W2、WA5340）发布日期：2019/8/915:25:17

本人对ExtendedYaleB做了数据样本每人25张图片，测试样本每人40张图片的分类，便于人脸辨认时候测试。

【物理】沸点82.5℃，熔点-88.5℃，蒸气压45.4mmHg/25℃，相对密度0.78505/20℃/4℃，辛醇/水分配系数logKow=0.05，溶于氯仿、苯及其它无机溶剂中，不溶于盐的溶液中，与水互溶。
蒸气相对密度2.1，嗅阈值90mg/m3,或7.84～49090mg/m3或22ppm或40ppm。

《MATLAB神经网络43个案例分析》是在《MATLAB神经网络30个案例分析》的基础上出版的，部分章节涉及了常见的优化算法（遗传算法、粒子群算法等）与神经网络的结合问题。
《MATLAB神经网络43个案例分析》可作为高等学校相关专业学生本科毕业设计、研究生课题研究的参考书籍，亦可供相关专业教师教学参考。
《MATLAB神经网络43个案例分析》共有43章目录如下：第1章BP神经网络的数据分类——语音特征信号分类第2章BP神经网络的非线性系统建模——非线性函数拟合第3章遗传算法优化BP神经网络——非线性函数拟合第4章神经网络遗传算法函数极值寻优——非线性函数极值寻优第5章基于BP_Adaboost的强分类器设计——公司财务预警建模第6章PID神经元网络解耦控制算法——多变量系统控制第7章RBF网络的回归--非线性函数回归的实现第8章GRNN网络的预测----基于广义回归神经网络的货运量预测第9章离散Hopfield神经网络的联想记忆——数字识别第10章离散Hopfield神经网络的分类——高校科研能力评价第11章连续Hopfield神经网络的优化——旅行商问题优化计算第12章初始SVM分类与回归第13章LIBSVM参数实例详解第14章基于SVM的数据分类预测——意大利葡萄酒种类识别第15章SVM的参数优化——如何更好的提升分类器的功能第16章基于SVM的回归预测分析——上证指数开盘指数预测.第17章基于SVM的信息粒化时序回归预测——上证指数开盘指数变化趋势和变化空间预测第18章基于SVM的图像分割-真彩色图像分割第19章基于SVM的手写字体识别第20章LIBSVM-FarutoUltimate工具箱及GUI版本介绍与使用第21章自组织竞争网络在模式分类中的应用—患者癌症发病预测第22章SOM神经网络的数据分类--柴油机故障诊断第23章Elman神经网络的数据预测----电力负荷预测模型研究第24章概率神经网络的分类预测--基于PNN的变压器故障诊断第25章基于MIV的神经网络变量筛选----基于BP神经网络的变量筛选第26章LVQ神经网络的分类——乳腺肿瘤诊断第27章LVQ神经网络的预测——人脸朝向识别第28章决策树分类器的应用研究——乳腺癌诊断第29章极限学习机在回归拟合及分类问题中的应用研究——对比实验第30章基于随机森林思想的组合分类器设计——乳腺癌诊断第31章思维进化算法优化BP神经网络——非线性函数拟合第32章小波神经网络的时间序列预测——短时交通流量预测第33章模糊神经网络的预测算法——嘉陵江水质评价第34章广义神经网络的聚类算法——网络入侵聚类第35章粒子群优化算法的寻优算法——非线性函数极值寻优第36章遗传算法优化计算——建模自变量降维第37章基于灰色神经网络的预测算法研究——订单需求预测第38章基于Kohonen网络的聚类算法——网络入侵聚类第39章神经网络GUI的实现——基于GUI的神经网络拟合、模式识别、聚类第40章动态神经网络时间序列预测研究——基于MATLAB的NARX实现第41章定制神经网络的实现——神经网络的个性化建模与仿真第42章并行运算与神经网络——基于CPU/GPU的并行神经网络运算第43章神经网络高效编程技巧——基于MATLABR2012b新版本特性的探讨

OOP（机试）[具体要求在压缩文档中给出]项目名称:AirInfomationSystem基于控制台的航班信息系统，简称AIS具体要求如下：（1）显示航班信息系统主菜单，如图-1所示，包括：1)列出所有航班2)按起飞时间查询3)按目的地查询4)删除航班5)更新航班6)退出系统（2）列出所有航班：查出所有航班的信息，以列表方式显示，包括：编号，航班号，目的地，起飞日期。
（3）按起飞时间查询：输入起飞时间（格式如2011-2-25），查出所有这一天的航班。
（4）按目的地查询：输入目的地，查出所有飞往此地的航班。
（5）删除航班：删除指定编号的航班。
（6）更新航班：更新指定编号的航班。
（7）退出系统。
三、类的设计需要定义如下类航班信息实体类（AirInfo）航班编号(id)航班号(flight_number)目的地(destination)起飞日期(flight_date)航班信息管理类AirInfoManager类程序入口类TestAirInfo类四、具体要求及推荐实现步骤6.创建实体类AirInfo，属性私有化，根据业务提供需要的构造方法和setter/getter方法。
7.创建航班管理AirInfoManager类，在类中提供列出所有航班的方法，按起飞时间查询 的方法、按目的地查询的方法、删除航班的方法、更新航班的方法、退出系统的方法。
8.创建TestAirInfo类，启动和运行系统。
9.航班的信息用ArrayList（或数组）保存。
10.要求代码规范，命名正确。

功能特点⑴各节电池的高精度电压检测功能；
•过充电检测电压3.6V~4.6V精度±25mV（+25℃）精度±40mV（-40℃至+85℃）•过充电滞后电压0.1V精度±50mV•过放电检测电压1.6V~3.0V精度±80mV•过放电滞后电压0/0.2/0.4V精度±100mV⑵3段放电过电流检测功能；
•过电流检测电压10.025V~0.30V(50mV步进)精度±15mV•过电流检测电压20.2/0.3/0.4/0.6V•短路检测电压0.6V/0.8/1.2V⑶充电过电流检测功能；
充电过电流检测电压-0.03/-0.05/-0.1/-0.15/-0.2V⑷可应用于3/4/5节电池组；
⑸延时外置可调；
•通过改变外接电容大小设置过充电、过放电、过电流1、过电流2检测延迟时间⑹内置平衡控制端子；
⑺可通过外部信号控制充电、放电形态；
⑻充、放电控制端子最高输出电压12V；
⑼温度保护功能；
⑽断线保护功能；
⑾低功耗；
•工作时（带温度保护）25μA典型值•工作时（无温度保护）15μA典型值•休眠时6μA典型值

『菜鸟商城』仿淘宝客户端电商平台视频+源码百度网盘下载地址视频目录：1：课程大纲及运行效果介绍13:022：用fragmentTabHost实现底部菜单36:343：ToolBar的基本使用16:194：自定义ToolBar26:205：酷炫轮播广告22:176：RecyclerView详细介绍31:257：首页商品分类17:588：okHttp的使用28:269：OkHttp简单封装39:4610：主页商品分类重构15:0311：Fresco（FaceBook）使用介绍28:0312：下拉刷新SwipeRefreshLayout控件介绍17:1113：热门商品列表实现（下拉刷新，上拉加载更多）38:5314：Adapter封装29:1215：一级商品分类实现22:5016：二级商品列表实现19:2917：自定义数字加减控件28:2118：购物车数据存储器实现21:3319：显示购物车商品26:3720：购物车商品选择和总价统计15:3421：购物车编辑实现14:5722：分页工具类封装30:1823：商品排序功能实现(TabLayout)22:2024：商品列表list和grid模式切换实现10:5825：Native与HTML5交互32:4826：使用HTML5实现商品详情30:5927：商品分享（SharedSDK）23:1128：用户登录28:1629：API权限验证20:3030：App登录拦截14:5331：短信SDK集成26:0932：获取短信验证码27:4633：校验验证码和完成注册19:2634：支付SDK集成22:4135：提交订单29:4536：支付（支付宝，微信，百度钱包）订单12:4037：添加收货地址17:3338：收件地址管理20:1339：我的13:5440：我的订单24:0341：我的珍藏06:0642：完结篇

fastdfs-client-java-1.25.jar

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。