1、哪种CPU调度算法的平均等待时间最短（B）（A）非抢占型（non-preemptive）SJF（B）抢占型（preemptive）SJF（C）FCFS（D）RR2、外部碎片说法正确的是（C）（A）相对于内部碎片，外部碎片在操作系统内核之外。
（B）内部碎片可以合并而外部碎片不行。
（C）相对于内部碎片，外部碎片在进程之外。
（D）是由不连续分配方案导致的空间浪费问题。
3、关于管程（monitor），下列哪一个说法不正确？（B）（A）管程需要编程语言的支持才能实现。
（B）管程不能用信号量来实现。
（C）Java编程语言部分支持管程。
（D）任何时刻只能有一个进程在管程中运行。

条件：已知现状OD表，将来OD表各行、各列总和。
通过程序实现对分布交通流的计算，能实现两种计算方式：1.平均增长系数法；
2.底特律法。

目的：通过调研目前教学管理系统中的成绩管理子系统，了解成绩管理子系统的业务流程；
通过分析比较，结合用户对成绩管理子系统的改进意见与实现情况，运用面向对象思想方法，设计和实现一个满足功能和性能，并有所创新的成绩管理子系统，以提高成绩管理的自动化、友好性等。
本系统基于.NET平台和SQLServer数据库，通过毕业设计，可以使学生对.NET结构下开发B/S模式的分布式三层数据库系统有一个全面的了解。
本系统从功能上划分可分为以下几大模块：功能模块管理，组权限管理,学生信息管理,课程信息管理,学生成绩管理,授课信息管理,学生信息查询,学生成绩统计等几大模块。
以下将对各子模块进行说明。
功能模块管理：将系统功能模块保存到数据库中以便于动态地进行不同用户组权限的分配等操作。
本模块包括功能模块的添加，删除，修改等。
组权限管理：对用户进行分组，并将权限设置到不同的用户组。
学生信息管理模块：输入学生基本信息，并可以对学生信息进行添加、查询、修改、删除。
还可以关键字查询并从数据库里调出的学生基本信息.输出学生基本信息，学号、班号、姓名查询的信息结果。
课程信息管理：设置课程号，课程名，先修课等课程信息。
成绩信息管理模块：输入成绩信息，并可以对成绩信息进行添加、查询、修改、删除。
还可以用关键字查询并调出数据库里的学生基本成绩信息的修改、删除等。
输出查询的学生成绩信息。
授课信息管理:对教师授课信息的调度，安排等信息的管理。
学生信息查询:本模块是可对学生成绩进行查询，可按学号，姓名，年龄，所在院系，入学年份等不同条件独立查询或进行模糊查询。
学生成绩统计：对学生成绩总分，平均分等进行统计。
系统管理员后台用户名为admin密码为www.mycodes.net普通用户(测试用例)用户名为:user01，密码：111111DB下为Sql数据库，附加即可论文下为该程序的论文及论文目录

通过两个实验探讨了视觉表象任务信息的通达对表象加工眼动的影响。
结果表明,在低通达条件下,表象任务的眼动复制了知觉任务的眼动;随着表象任务信息通达水平的提高,眼动的注视点平均持续时间、平均眼跳距离和平均眼跳时间会发生规律性变化;眼动控制与任务信息通达水平对表象眼动的影响存在不同的机制。
实验结果佐证了眼动在视觉表象中起机能性作用的观点。

本书介绍正交频分复用（OFDM）技术的原理及其在无线通信领域内的应用。
全书共分10章。
第1章简要介绍无线通信系统的发展历程以及无线衰落信道的基本特性；
第2章介绍OFDM技术的基本原理与特性；
第3章叙述了OFDM技术内峰值平均功率比的问题，并且讨论若干抑制过高峰均比的方法；
第4章详细介绍OFDM技术内非常关键的同步问题；
第5章介绍OFDM技术内的信道估计；
第6章针对动态功率、比特分配在OFDM系统内的灵活应用进行讨论；
第7章介绍各种编码在OFDM技术内的应用，并且讨论最新的编码方法；
第8章分析多种不同的多址方案与OFDM技术的结合；
第9章详细介绍OFDM在多个领域内的应用，其中包括DAB、DVB、WLAN和ADSL等；
最后第10章简单介绍未来移动通信系统（NextG）的关键概念，以及适于传输高速数据流的MIMOOFDM系统。

Matlab功率谱估计的详尽分析——绝对原创功率谱估计是信息学科中的研究热点,在过去的30多年里取得了飞速的发展。
现代谱估计主要是针对经典谱估计(周期图和自相关法)的分辨率低和方差性能不好的问题而提出的。
其内容极其丰富,涉及的学科和领域也相当广泛,按是否有参数大致可分为参数模型估计和非参数模型估计,前者有AR模型、MA模型、ARMA模型、PRONY指数模型等;后者有最小方差方法、多分量的MUSIC方法等。
ARMA谱估计叫做自回归移动平均谱估计,它是一种模型化方法。
由于具有广泛的代表性和实用性,ARMA谱估计在近十几年是现代谱估计中最活跃和最重要的研究方向之一。
二：AR参数估计及其SVD—TLS算法。
谱分析方法要求ARMA模型的阶数和参数以及噪声的方差已知.然而这类要求在实际中是不可能提供的,即除了一组样本值x(1),x(2),…,x(T)以供利用(有时会有一定的先验知识)外,再没有其它可用的数据.因此必须估计有关的阶数和参数,以便获得谱密度的估计.在ARMA定阶和参数之估计中,近年来提出了一些新算法，如本文介绍的SVD—TLS算法便是其中之一。
三：实验结果分析和展望1，样本数多少对估计误差的影响。
（A=[1,0.8,-0.68,-0.46]）图1上部分为N=1000；
下部分为取相同数据的前N=50个数据产生的结果。
图1N数不同：子图一N=1000,子图二N=200，子图三N=50由图可知，样本数在的多少，在对功率谱估计的效果上有巨大的作用，特别在功率谱密度函数变化剧烈的地方，必须有足够多的数据才能完整的还原原始功率谱密度函数。
2，阶数大小对估计误差的影响。
A=[1,-0.9,0.76]A=[1,-0.9,0.76,-0.776]图二阶数为二阶和三阶功率密度函数图A=[1,-0.9,0.86,-0.96,0.7]A=[1,-0.9,0.86,-0.96,0.7,-0.74]图三阶数为三阶和四阶功率密度函数图如图所示，阶数相差不是很大时，并不能对结果产生较大的影响。
但是阶数太低，如图二中二阶反而不能很好的估计出原始值。
3，样本点分布对估计误差对于相同的A=[1,-0.9,0.86,-0.96,0.7]；
样本的不同，在估计时的误差是不可避免的。
因此，我们在取得样本时，应该尽可能的减少不必要的误差。
图四：不同的样本得到不同的估计值4，奇异值的阈值判定范围不同对结果的影响。
上图是取奇异值的阈值大于等于0.02，而下图是取阈值大于等于0.06，显然在同种数据下，阈值的选取和最终结果有密切关系。
由于系数矩阵和其真实值的逼近的精确度取决于被置零的那些奇异值的平方和。
所以选取太小，导致阶数增大，选取太大会淘汰掉真实的系数。
根据经验值，一般取0.05左右为最佳。

Ostu方法又名最大类间差方法，通过统计整个图像的直方图特性来实现全局阈值T的自动选取，其算法步骤为：1)先计算图像的直方图，即将图像所有的像素点按照0~255共256个bin，统计落在每个bin的像素点数量2)归一化直方图，也即将每个bin中像素点数量除以总的像素点3)i表示分类的阈值，也即一个灰度级，从0开始迭代4)通过归一化的直方图，统计0~i灰度级的像素(假设像素值在此范围的像素叫做前景像素)所占整幅图像的比例w0，并统计前景像素的平均灰度u0；
统计i~255灰度级的像素(假设像素值在此范围的像素叫做背景像素)所占整幅图像的比例w1，并统计背景像素的平均灰度u1；
5)计算前景像素和背景像素的方差g=w0*w1*(u0-u1)(u0-u1)6)i++；
转到4)，直到i为256时结束迭代7）将最大g相应的i值作为图像的全局阈值

实验目的：通过实验理解算法的概念、算法的表示、算法的时间复杂度和空间复杂度分析；
运用熟悉的编程工具对码头扩建问题进行求解，初步学会分析算法的时间复杂度某市有一码头，每次仅容一辆船停泊装卸货，由于经常有船等候进港，部分人提出要扩建码头。
经过调查历史资料发现，码头平均每月停船24艘，每艘船的停泊时间为24±20小时，相邻两艘船的到达时间间隔为30±15小时，如果一艘船因有船在港而等候1小时，其消耗成本为1000元。
经预算，扩建码头大约需要1350万元，故市长决策如下：如果未来五年内停泊船只因等候的成本消耗总和超过扩建码头花费则扩建码头，否则，不予扩建。
因此，希望你能够帮助市长做出决策。
此问题已知到达的大概时间和大概停泊时间，对于此问题用概率统计的方法来做比较复杂，可用程序随机产生到达时间和停泊时间来模拟未来五年内船的停泊，多次模拟预测停泊情况，以做出决策；
3.实验要求：编制程序并对其时间复杂度和空间复杂度进行分析；

%m/m/c排队论%Lamda平均到达率%Mu平均服务率%c开放窗口数

本文档为2016年本人参加全国大学生数学建模参赛最后提交文档（文档中最后附录包含matlab代码）摘要小区开放是当今热议的缓解小区周边道路交通堵塞的方法之一，本文在一定假设的前提下，通过建合适的评价体系和数学模型，进行计算机仿真，得到定量的数据结论，对比分析不同小区在进行小区开放后，对周边道路的通行影响。
针对问题一，通过文献查找，获取相关的道路通行评价指标，结合小区周边实际情况，运用BP神经网络，得到一套合适的评价体系（道路交通运行指数，道路交通拥堵率，平均行程速度，平均延误时间）。
针对问题二，使用元胞自动机和网格化图，建立与现实情况相符合的静态建筑物道路参数和动态车辆通行模型，并考虑司机是否具有获得前方道路信息的能力，分别建立基于排队论思想和基于道路阻抗系数的路径选择策略模型。
针对问题三，将不同的小区类型进行合理抽象，得到基本典型结构。
结合由问题二得到的模型进行建模仿真，将得到的结果按照问题一得到的评价体系进行评价，并进行可视化和数据分析得到小区开放在一定程度上可以缓解小区周边道路交通压力。
针对问题四，根据问题三得到的结论，通过控制变量法对比各个条件下车流通行的情况，得出有利条件与不利条件。
提出合理的建议，并以简单书信形式表述。
关键词：小区开放、BP神经网络、元胞自动机、动态建模

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。