如今是网络化的电子信息时代，在广阔的Internet网络中有各种各样的电子商城，它们可以使客户通过网络购物、浏览商品、查询订单和销售排行。
通过对电子商务网站订购环境以及购物过程的调查研究，要求系统具有以下功能：展示网站最新的商品信息。
展示网站特价的商品信息。
为用户提供修改个人资料和查看在网站操作情况的平台。
提供用户在网站上购物的平台。
展示网站发布的公告信息。
展示商品的销量排行。
展示网站的友情链接信息。
对商品详细信息以及分类信息进行管理。
对用户基本资料、买卖制度、消费情况及留言信息进行管理。
对用户提交的订单进行管理。
对管理员信息、网站公告信息、商业资讯信息及友情链接信息进行管理。
系统运行稳定，具有强大的数据处理能力。
通过对电子商务网站订购环境以及购物过程的调查研究，要求系统具有以下功能：展示网站最新的商品信息。
展示网站特价的商品信息。
为用户提供修改个人资料和查看在网站操作情况的平台。
提供用户在网站上购物的平台。
展示网站发布的公告信息。
展示商品的销量排行。
展示网站的友情链接信息。
对商品详细信息以及分类信息进行管理。
对用户基本资料、买卖制度、消费情况及留言信息进行管理。
对用户提交的订单进行管理。
对管理员信息、网站公告信息、商业资讯信息及友情链接信息进行管理。
系统运行稳定，具有强大的数据处理能力。
2020/3/13 8:41:38
3.24MB
1
Hilbert-Huang变换是一种适用于分析非线性、非平稳信号的数据处理方法，它是由美籍华人Huang以及他的同事在1998年提出的，从本质上讲这种方法是要对一个信号进行平稳化处理，得到信号的时间-频率-能量特征。
HHT是近年来在信号处理领域中的一项重要突破。
HHT是分EMD和Hilbert变换两步来实现的，首先对非线性、非平稳信号进行EMD分解，逐级分解出原始信号中不同尺度的波动或变化趋势，这些具有不同特征尺度的一系列时间序列分量叫做本征模态函数(IMF)，接着对每个IMF分量进行Hilbert变换。
对于EMD分解得到的每个分量都有着不同的频率成分，通过对各分量的Hilbert变换能够得到具有物理意义的瞬时属性参数。
Hilbert谱表示的是信号幅值在整个频率段上随时间和频率的变化规律，Hilbert边际谱表示信号幅值在整个频率段上随频率的变化情况，它相当于傅里叶谱，但比傅里叶谱具有更高的频率分辨率。
Hilbert边际谱是通过对Hilbert谱积分得到的。
HHT是近年来在信号处理领域中的一项重要突破。
HHT是分EMD和Hilbert变换两步来实现的，首先对非线性、非平稳信号进行EMD分解，逐级分解出原始信号中不同尺度的波动或变化趋势，这些具有不同特征尺度的一系列时间序列分量叫做本征模态函数(IMF)，接着对每个IMF分量进行Hilbert变换。
对于EMD分解得到的每个分量都有着不同的频率成分，通过对各分量的Hilbert变换能够得到具有物理意义的瞬时属性参数。
Hilbert谱表示的是信号幅值在整个频率段上随时间和频率的变化规律，Hilbert边际谱表示信号幅值在整个频率段上随频率的变化情况，它相当于傅里叶谱，但比傅里叶谱具有更高的频率分辨率。
Hilbert边际谱是通过对Hilbert谱积分得到的。
2020/8/12 19:37:27
25KB
1
Kafka是一种分布式的，基于发布/订阅的消息系统。
主要设计目标如下：以时间复杂度为O(1)的方式提供消息持久化能力，并保证即使对TB级以上数据也能保证常数时间的访问功能高吞吐率。
即使在非常廉价的商用机器上也能做到单机支持每秒100K条消息的传输支持KafkaServer间的消息分区，及分布式消息消费，同时保证每个partition内的消息顺序传输同时支持离线数据处理和实时数据处理为什么要用MessageQueue在项目启动之初来预测将来项目会碰到什么需求，是极其困难的。
消息队列在处理过程中间插入了一个隐含的、基于数据的接口层，两边的处理过程都要实现这一接口。
这允许你独立的扩展或修改两边的处理
主要设计目标如下：以时间复杂度为O(1)的方式提供消息持久化能力，并保证即使对TB级以上数据也能保证常数时间的访问功能高吞吐率。
即使在非常廉价的商用机器上也能做到单机支持每秒100K条消息的传输支持KafkaServer间的消息分区，及分布式消息消费，同时保证每个partition内的消息顺序传输同时支持离线数据处理和实时数据处理为什么要用MessageQueue在项目启动之初来预测将来项目会碰到什么需求，是极其困难的。
消息队列在处理过程中间插入了一个隐含的、基于数据的接口层，两边的处理过程都要实现这一接口。
这允许你独立的扩展或修改两边的处理
2020/4/17 11:10:48
1.05MB
1
在使用AHP(层次分析法)时，需求计算特征值，使用pyhon读取Excel数据处理此程序使用python读excel数据计算特征值和特征向量；
使用了numpy、xlrd、xlwt库；
使用了numpy、xlrd、xlwt库；
2016/11/17 18:46:44
2KB
1
测量平差是测绘专业一门重要的技术基础课，次要讲授测量数据处理的基本理论和方法，是理论与实践并重的课程。
通过学习测量平差，牢固地掌握测量数据处理的理论和方法，为后续专业课程的学习打下扎实的基础。
通过学习测量平差，牢固地掌握测量数据处理的理论和方法，为后续专业课程的学习打下扎实的基础。
2015/5/27 2:21:33
3.41MB
1
ApacheSpark是专为大规模数据处理而设计的快速通用的计算引擎。
Spark是UCBerkeleyAMPlab(加州大学伯克利分校的AMP实验室)所开源的类HadoopMapReduce的通用并行框架，Spark，拥有HadoopMapReduce所具有的优点；
但不同于MapReduce的是——Job中间输出结果可以保存在内存中，从而不再需要读写HDFS，因而Spark能更好地适用于数据挖掘与机器学习等需要迭代的MapReduce的算法。
Spark是UCBerkeleyAMPlab(加州大学伯克利分校的AMP实验室)所开源的类HadoopMapReduce的通用并行框架，Spark，拥有HadoopMapReduce所具有的优点；
但不同于MapReduce的是——Job中间输出结果可以保存在内存中，从而不再需要读写HDFS，因而Spark能更好地适用于数据挖掘与机器学习等需要迭代的MapReduce的算法。
2016/7/12 6:50:02
219.33MB
1
开发环境：VS2010SQL2008，前台界面采用ASP.NET开发，后台数据处理部分采用C#编写。
地图采用google地图API2.0，程序能够编译运行。
功能有最初位置、实时监控、历史轨迹、地图标注、设置围栏、指令下发、里程统计、地图搜索、报警管理、用户和组管理、报表查询等功能。
由于上传空间有限，数据库及配置文件分开上传：https://download.csdn.net/download/liujj8189/13610532
地图采用google地图API2.0，程序能够编译运行。
功能有最初位置、实时监控、历史轨迹、地图标注、设置围栏、指令下发、里程统计、地图搜索、报警管理、用户和组管理、报表查询等功能。
由于上传空间有限，数据库及配置文件分开上传：https://download.csdn.net/download/liujj8189/13610532
2020/2/15 7:28:55
11.95MB
1
库存管理系统源码本系统包括以下几大模块：l用户管理：包括用户的新增、删除、修正密码。
以及用户的权限管理（普通用户与管理员用户）l货物管理：包括货物基本档案设置、采购申请、审批、采购、采购信息查询l出入库管理：对货物进行入库与出库、出入库查询、出入库年统计l数据处理：包括数据的备份、还原、导出(可选)、导入（可选）、（打印）功能l盘点管理（可选）：对仓库内的货物进行盘点l借货还货【库存调拨】（可选）：在不同仓库之间进行货物的调拨
以及用户的权限管理（普通用户与管理员用户）l货物管理：包括货物基本档案设置、采购申请、审批、采购、采购信息查询l出入库管理：对货物进行入库与出库、出入库查询、出入库年统计l数据处理：包括数据的备份、还原、导出(可选)、导入（可选）、（打印）功能l盘点管理（可选）：对仓库内的货物进行盘点l借货还货【库存调拨】（可选）：在不同仓库之间进行货物的调拨
2017/9/26 2:39:53
15.94MB
1
ApacheFlink是一个面向分布式数据流处理和批量数据处理的开源计算平台，它能够基于同一个Flink运行时（FlinkRuntime），提供支持流处理和批处理两品种型应用的功能。
现有的开源计算方案，会把流处理和批处理作为两种不同的应用类型，因为他们它们所提供的SLA是完全不相同的：流处理一般需要支持低延迟、Exactly-once保证，而批处理需要支持高吞吐、高效处理，所以在实现的时候通常是分别给出两套实现方法，或者通过一个独立的开源框架来实现其中每一种处理方案。
例如，实现批处理的开源方案有MapReduce、Tez、Crunch、Spark，实现流处理的开源方案有Samza、Stor
现有的开源计算方案，会把流处理和批处理作为两种不同的应用类型，因为他们它们所提供的SLA是完全不相同的：流处理一般需要支持低延迟、Exactly-once保证，而批处理需要支持高吞吐、高效处理，所以在实现的时候通常是分别给出两套实现方法，或者通过一个独立的开源框架来实现其中每一种处理方案。
例如，实现批处理的开源方案有MapReduce、Tez、Crunch、Spark，实现流处理的开源方案有Samza、Stor
2018/2/5 18:10:16
691KB
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