运用杂化密度泛函方法(DFT)B3LYP，在LANL2DZ赝势基组水平上对Yn(n=2~10)团簇的多种可能初始构型进行了结构优化和频率及光谱分析，根据能量最低原则确认了Yn(n=2~10)团簇没有虚频的基态结构，且计算得到的结构比以往理论计算得到的结构能量更低，Y2振动频率ωe=188.9cm-1比以往计算值更接近实验值184.4cm-1，在此基础上研究了团簇的稳定性和极化率，并分析了Yn(n=2~10)团簇的光谱性能。
结果表明，Y7为所研究团簇结构转折点，团簇的电子稳定性随着原子数增加而逐渐减弱。
振动光谱分析表明，Yn(n=2~10)团簇中具有较高对称性的C2v和Cs点群具有更多的振动模式，而稳定性较强的Y7和Y9在所研究频段内分别有较好的红外和拉曼活性，有明显的共振现象。

本人编写奇异值差分谱程序，经本人测试可用！

1-ENVI基础知识2-影像预处理基础3-自定义坐标系4-MODIS几何校正5-地形图的几何校正6-几何校正(RapidEye几何校正)7-TM图像与SPOT图像配准8-TM图像校正（矢量上选点）9-图像融合10-图像镶嵌11-图像裁剪12-图像增强13-监督分类（样本选择）14-监督分类（分类）15-监督分类（分类后处理）16-监督分类（精度验证）17-非监督分类18-快速制图19-三维可视20-基于GLT的几何校正（风云三号气象卫星为例）21-正射校正22-正射校正（选择控制点QB校正）23-RapidEye正射校正24-构建RPC正射校正（BuildRPC）25-图像自动配准26-基于专家知识决策树分类27-决策树自动阈值分类28-面向对象图像分类(城市信息提取)29-面向对象耕地信息提取30-基于立体像对的DEM提取31-DEM分析与应用32-遥感动态监测33-林冠状态遥感变化监测34-森林砍伐监测35-耕地信息变化监测36-雷达图像基本处理37-高光谱基础38-传感器定标和大气校正39-快速大气校正40-波谱库浏览与建立41-植被识别42-矿物识别43-基于波谱沙漏工具的矿物识别44-植被指数计算和分析45-波段运算（bandmath）46-ENVI的二次开发47-IDL简介48-遥感与GIS一体化

1．两个串相等的充要条件是（）。
A．串长度相等B．串长度任意C．串中各位置字符任意D．串中各位置字符均对应相等2．对称矩阵的压缩存储：以行序为主序存储下三角中的元素，包括对角线上的元素。
二维下标为(i,j),存储空间的一维下标为k，给出k与i,j(i＜j)的关系k=（）（1＜=i,j＜=n,0＜=k＜n*(n+1)/2)。
A．i*(i-1)/2+j-1B．i*(i+1)/2+jC．j*(j-1)/2+i-1D．j*(j+1)/2+i3．二维数组A[7][8]以列序为主序的存储，计算数组元素A[5][3]的一维存储空间下标k=（）。
A．38B．43C．26D．294．已知一维数组A采用顺序存储结构，每个元素占用4个存储单元，第9个元素的地址为144，则第一个元素的地址是（）。
A．108B.180C.176D.1125.下面（）不属于特殊矩阵。
A．对角矩阵B.三角矩阵C.稀疏矩阵D.对称矩阵6.假设二维数组M[1..3,1..3]无论采用行优先还是列优先存储，其基地址相同，那么在两种存储方式下有相同地址的元素有（）个。
A.3B.2C.1D.07.若Tail(L)非空，Tail(Tail(L))为空，则非空广义表L的长度是（）。
(其中Tail表示取非空广义表的表尾)A.3B.2C.1D.08．串的长度是（）。
A．串中不同字母的个数B．串中不同字符的个数C．串中所含字符的个数，且大于0D．串中所含字符的个数9．已知广义表((),(a),(b,c,(d),((d,f))))，则以下说法正确的是（）。
A．表长为3，表头为空表，表尾为((a),(b,c,(d),((d,f))))B．表长为3，表头为空表，表尾为(b,c,(d),((d,f)))C．表长为4，表头为空表，表尾为((d,f))D．表长为3，表头为(())，表尾为((a),(b,c,(d),((d,f))))10．广义表A=(a,b,c,(d,(e,f)))，则Head(Tail(Tail(Tail(A))))的值为（）。
(Head与Tail分别是取表头和表尾的函数)A．(d,(e,f))B．dC．fD．(e,f)二、填空题（每空2分，共8分）。
1．一个广义表为F=(a,(a,b),d,e,(i,j),k)，则该广义表的长度为________________。
GetHead(GetTail(F))=_______________。
2．一个n*n的对称矩阵，如果以行或列为主序压缩存放入内存，则需要个存储单元。
3．有稀疏矩阵如下：005700-300040020它的三元组存储形式为:。
三、综合题（共22分）。
1．（共8分）稀疏矩阵如下图所示，描述其三元组的存储表示，以及转置后的三元组表示。
0-30004060000007015080转置前（4分）：转置后（4分）：2.（共14分）稀疏矩阵M的三元组表如下，请填写M的转置矩阵T的三元组表，并按要求完成算法。
（1）写出M矩阵转置后的三元组存储（6分）：M的三元组表：T的三元组表：ije2133244254

用户管理系统。
语言JAVA publicvoiddoPost(HttpServletRequestrequest,HttpServletResponseresponse) throwsServletException,IOException{// 设置编码格式 response.setContentType("text/html;charset=GB18030"); response.setCharacterEncoding("GB18030"); request.setCharacterEncoding("GB18030"); //调用业务逻辑 UserDAOuserDAO=newUserDAO();// 返回的list值 ArrayListlist=userDAO.queryAll(); //重点。
。
。
HttpSession的用处？？？ HttpSessionsession=request.getSession();// 设置session的值 session.setAttribute("userList",list); //跳转到显示的页面，格式（得到当前页面的＋要跳转的页面） response.sendRedirect(request.getContextPath()+"/manager.jsp"); }

DEA模型。
X为投入量，输入格式：第一列为第一个公司的投入量，第二列为第二个公司的投入量，以此类推；
Y为产出量，输入格式：第一列为第一个公司的投入量，第二列为第二个公司的投入量，以此类推。
输出结果：最后一行为效率值，前面的为模型系数

摘要:遗传算法(GA)和人工神经网络(ANN)的相互结合有辅助式和合作式两种方式.本文在此基础上提出了融合、BP_GA和GA_BP三种算法,并采用GA_BP算法同时优化BP神经网络的结构、权值和阈值,研究和实现了一套先进的编码技术和进化策略,克服了传统BP神经网络经验尝试方法的盲目性.实例优化与检验结果表明:遗传算法优化获得的神经网络比由经验尝试法得到的BP网络性能更优异,方法更合理.关键词:遗传算法:神经网络;拓扑结构;权值

基于拉格朗日插值法，仿真插值点从10增加到70的过程中（插值点数可自己修改）插值函数的变化情况，并保存为gif动图。

基于JAVA的网上书店开题报告主要研究内容：网上书店系统主要只要分为用户模块和管理员模块。
用户模块：1）注册：新用户填写表单，包括用户名、联系方式、邮箱等信息。
如果输入的用户名已经被其他用户注册使用，系统提示用户，建议其更改自己的用户名。
2）登入：输入用户名、密码。
如果用户输入的用户名或密码错误，系统将显示错误信息；
如果登入成功，就将一个成功登入的信息赋值给用户，同事用户操作的页面将被链接到“主页”页面3）图书浏览与查询：用户可以在本页面浏览图书书目，同时，将想要的图书进行收藏、加入购物车或订购图书。
4）图书收藏：登入后的用户可以对图书进行收藏，方便下次购买。
5）购买图书：登入后的用户，可以直接购买图书转到提交订单的页面。
6）购物车：登入后的用户可以先图书加入购物车，在购物车中可以查看已加入的图书数量信息等，可以删除购物车中的图书，决定购买时，可提交订单。
7）付款：提交订单后跳转到付款页面，用户进行付款。
管理员模块：1）用户管理：登入管理员账号后，可以对普通用户进行管理，可查看用户信息，可删除用户账号。
2）图书管理：查询图书的信息，如库存量，作者，出版社等。
可以添加新的图书。
可以修改已有的图书信息。
可以删除已有的图书信息。
3）订单管理：查看已经生成的订单。
可以对根据用户购买后的备注要求修改已生成的订单。
可以删除过期的订单。

CreateReactApp入门该项目是通过引导的。
可用脚本在项目目录中，可以运行：yarnstart在开发模式下运行该应用程序。
打开在浏览器中查看它。
如果您进行编辑，则页面将重新加载。
您还将在控制台中看到任何棉绒错误。
yarntest在交互式监视模式下启动测试运行器。
有关更多信息，请参见关于的部分。
yarnbuild构建生产到应用程序build文件夹。
它在生产模式下正确捆绑了React，并优化了构建以获得最佳性能。
生成被最小化，并且文件名包括哈希值。
您的应用已准备好进行部署！有关更多信息，请参见关于的部分。
yarneject注意：这是单向操作。
eject，您将无法返回！如果您对构建工具和配置选择不满意，则可以随时eject。
此命令将从您的项目中删除单个生成依赖项。
而是将所有配置文件和传递依赖项（webpack

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。