1.无限设置多个关键词和长尾词，软件会自动使用搜索智能引擎搜索，获取结果的域名进行网站空间文件扫描。
2.智能引擎搜索支持多种主流搜索引擎，目前支持百度,GOOGLE,有道,搜狗,雅虎,搜搜。
3.可导入自己本地域名文件域名扫描，用以扫描自己采集的域名。
4.查找文件自定义，支持多个查找文件，并支持变量类型。
5.自定多线程高速扫描，普通ADSL开150线程平均每分钟可发送HTTP请求10000次以上。
6.扫描结果自动查询文件类型（Content-Type）文件大小（Content-Length）。
7.结果过滤功能，可过滤大小小于指定字节的文件，可过滤文件类型为未知以及文件大小为未知的结果，最大限度清除垃圾结果（可过滤比如自定义404错误页面或者防盗链组件生成的页面）。
目前支持23个变量分别为:功能灰常强大，具体请看下放截图.1.flashfxp.zip代表扫描域名空间是否有FTP打包备份=flashfxp.zip2.flashfxp.rar代表扫描域名空间是否有FTP打包备份=flashfxp.rar3.新建文件夹.rar代表扫描域名空间是否有新建
2.智能引擎搜索支持多种主流搜索引擎，目前支持百度,GOOGLE,有道,搜狗,雅虎,搜搜。
3.可导入自己本地域名文件域名扫描，用以扫描自己采集的域名。
4.查找文件自定义，支持多个查找文件，并支持变量类型。
5.自定多线程高速扫描，普通ADSL开150线程平均每分钟可发送HTTP请求10000次以上。
6.扫描结果自动查询文件类型（Content-Type）文件大小（Content-Length）。
7.结果过滤功能，可过滤大小小于指定字节的文件，可过滤文件类型为未知以及文件大小为未知的结果，最大限度清除垃圾结果（可过滤比如自定义404错误页面或者防盗链组件生成的页面）。
目前支持23个变量分别为:功能灰常强大，具体请看下放截图.1.flashfxp.zip代表扫描域名空间是否有FTP打包备份=flashfxp.zip2.flashfxp.rar代表扫描域名空间是否有FTP打包备份=flashfxp.rar3.新建文件夹.rar代表扫描域名空间是否有新建
2024/8/31 8:08:08
320KB
1
试编写一段递归子程序计算ackermann函数ACK(m,n)。
对于m≥0和n≥0的ACK(m,n)函数定义如下：ACK(0,n)=n+1ACK(m,0)=ACK(m-1,1)ACK(m,n)=ACK(m-1,ACK(m,n-1))程序要求：⑴m、n在主程序从键盘输入，输入错误显示“m和n输入错误”。
⑵显示计算结果。
对于m≥0和n≥0的ACK(m,n)函数定义如下：ACK(0,n)=n+1ACK(m,0)=ACK(m-1,1)ACK(m,n)=ACK(m-1,ACK(m,n-1))程序要求：⑴m、n在主程序从键盘输入，输入错误显示“m和n输入错误”。
⑵显示计算结果。
2024/8/31 3:09:26
45KB
1
分析了LogGabor滤波器的性能，详述了用于指纹识别的LogGabor滤波器的构造方法，在此基础上提出了基于LogGabor滤波器的指纹纹理匹配算法。
首先采用了一种快速有效的参考点定位方法，在确定有效区域并归一化后，通过傅里叶变换把指纹图像转换到频域，在频域进行logGabor滤波，最后在滤波图像中提取特征，并与传统方法作了比较。
实验结果表明，所提出算法的性能优于基于Gabor滤波的纹理匹配方法和基于细节点的方法，提高了指纹识别的准确率。
首先采用了一种快速有效的参考点定位方法，在确定有效区域并归一化后，通过傅里叶变换把指纹图像转换到频域，在频域进行logGabor滤波，最后在滤波图像中提取特征，并与传统方法作了比较。
实验结果表明，所提出算法的性能优于基于Gabor滤波的纹理匹配方法和基于细节点的方法，提高了指纹识别的准确率。
2024/8/30 8:06:55
373KB
1
验证发射分集和接收分集性能1.理论分析上述两种分集技术的特性和实现原理2.基于Matlab仿真两种方案的BER性能曲线（BPSK调制）2×1的Alamouti空时码1×2的MRC接收分集3.在上述BER曲线结果中加入2×2Alamouti空时码性能曲线，并对各曲线进行对比分析。
2024/8/30 7:09:44
58KB
1
基于哈希的最近邻居搜索已在许多应用程序中变得有吸引力。
但是，在使用汉明距离排序时，散列中的量化通常会降低判别能力。
此外，对于大规模的视觉搜索，现有的散列方法不能直接支持对具有多个源的数据进行有效搜索，而文献表明自适应地合并来自不同源或视图的补充信息可以显着提高搜索性能。
为了解决这些问题，本文提出了一种新颖且通用的方法来构建具有多个视图的多个哈希表，并在按位和按表级别生成细粒度的排名结果。
对于每个哈希表，引入了查询自适应按位加权，以通过同时利用哈希函数的质量及其对最近邻居搜索的补充来减轻量化损失。
从表格的角度来看，针对不同的数据视图构建了多个哈希表作为联合索引，在该哈希表上，提出了特定于查询的排名融合，以通过散布在图表中对按位排名的所有结果进行排名。
在三个著名基准上进行图像搜索的综合实验表明，与最新方法相比，该方法在单表和多表搜索中可分别实现17.11％和20.28％的性能提升。
但是，在使用汉明距离排序时，散列中的量化通常会降低判别能力。
此外，对于大规模的视觉搜索，现有的散列方法不能直接支持对具有多个源的数据进行有效搜索，而文献表明自适应地合并来自不同源或视图的补充信息可以显着提高搜索性能。
为了解决这些问题，本文提出了一种新颖且通用的方法来构建具有多个视图的多个哈希表，并在按位和按表级别生成细粒度的排名结果。
对于每个哈希表，引入了查询自适应按位加权，以通过同时利用哈希函数的质量及其对最近邻居搜索的补充来减轻量化损失。
从表格的角度来看，针对不同的数据视图构建了多个哈希表作为联合索引，在该哈希表上，提出了特定于查询的排名融合，以通过散布在图表中对按位排名的所有结果进行排名。
在三个著名基准上进行图像搜索的综合实验表明，与最新方法相比，该方法在单表和多表搜索中可分别实现17.11％和20.28％的性能提升。
2024/8/29 18:15:06
896KB
1
采用Volterra级数法对4H2SiC射频MESFET的大信号非线性特性进行了分析,并研究了器件尺寸与线性度的关系。
模型考虑了陷阱效应对非线性特性的影响,模拟结果能够较好地反映实验结果。
进一步分析表明,在1GHz和1.01GHz频率下,当栅长从0.8μm增大到1.6μm,器件的输入(输出)三阶截取点从33.55dBm(36.26dBm)减小到18.1dBm(13.4dBm),1dB压缩点从24dBm下降到7.43dBm。
为实际器件的线性化设计提供理论依据。
模型考虑了陷阱效应对非线性特性的影响,模拟结果能够较好地反映实验结果。
进一步分析表明,在1GHz和1.01GHz频率下,当栅长从0.8μm增大到1.6μm,器件的输入(输出)三阶截取点从33.55dBm(36.26dBm)减小到18.1dBm(13.4dBm),1dB压缩点从24dBm下降到7.43dBm。
为实际器件的线性化设计提供理论依据。
2024/8/29 12:53:12
246KB
1
********搜出来的另一个链接是假的，不要下载，浪费资源，笔者就是被坑了才决定自己研究的！！！！***********ORACLE官方并未公布过考试的分值分布，以上分布是笔者根据一些已知信息推算出的每个场景的分值分布。
对，你没看错，26789场景确实只有个位数分数，而且经过本人验证，绝对没错最多误差±1分。
笔者猜测11gocm初期的分值分布应该不是这样的，可能中间改变过分值分布，主要考虑的大概是增加通过率吧。
因为6和7、8和9场景的关联度很大，如果6没做出来，那7基本是0分；
8没做出来，9肯定是0分。
这样的话，如果6、8场景分值分配很大的话，很容易考试就不及格了。
所以大家复习时精力的重点应该放在1、3、4、5这四个大分场景。
顺带一提，11gOCM考试的及格线是60.4分。
显而易见，ORACLE没有公布场景分值分布的原因就是不想让考生直接放弃小分场景。
而且考试结果也并没有公布总分分数，只有个PASS，这应该为了让你无法推算各场景分数。
对，你没看错，26789场景确实只有个位数分数，而且经过本人验证，绝对没错最多误差±1分。
笔者猜测11gocm初期的分值分布应该不是这样的，可能中间改变过分值分布，主要考虑的大概是增加通过率吧。
因为6和7、8和9场景的关联度很大，如果6没做出来，那7基本是0分；
8没做出来，9肯定是0分。
这样的话，如果6、8场景分值分配很大的话，很容易考试就不及格了。
所以大家复习时精力的重点应该放在1、3、4、5这四个大分场景。
顺带一提，11gOCM考试的及格线是60.4分。
显而易见，ORACLE没有公布场景分值分布的原因就是不想让考生直接放弃小分场景。
而且考试结果也并没有公布总分分数，只有个PASS，这应该为了让你无法推算各场景分数。
87KB
1
基于连接到具有不同金属材料的两个电极中的分子构建分子器件，并通过第一原理方法研究其传输性质。
结果表明，此类器件可在触点处产生两个不对称的肖特基势垒。
这样就创建了当前的整流。
通过计算的透射光谱以及最低未占据分子轨道状态和最高占据分子轨道状态的空间分布，也可以使这种整流完全合理化。
我们的研究表明，这对于使用不同材料的两个电极实现分子整流可能是非常重要的方法。
结果表明，此类器件可在触点处产生两个不对称的肖特基势垒。
这样就创建了当前的整流。
通过计算的透射光谱以及最低未占据分子轨道状态和最高占据分子轨道状态的空间分布，也可以使这种整流完全合理化。
我们的研究表明，这对于使用不同材料的两个电极实现分子整流可能是非常重要的方法。
2024/8/28 20:31:11
1.01MB
1
通过将任务从资源匮乏的移动设备卸载到资源丰富的云，计算卸载已成为一种扩展移动设备功能的有效方法。
在本文中，我们研究了在具有多个移动设备用户的情况下无线计算分流的能量和时间优化问题。
首先，针对以能量最小化为目标的情况，我们将多个移动设备用户之间的计算卸载决策问题公式化为具有随机访问权限的计算卸载游戏。
我们分析了游戏的结构特性，然后设计了一种算法，通过利用其有限的改进特性来实现纳什均衡。
其次，对于以时间最小化为目标的情况，我们导出了要为每个移动用户分担的任务的最佳部分。
数值结果验证了我们的理论分析。
在本文中，我们研究了在具有多个移动设备用户的情况下无线计算分流的能量和时间优化问题。
首先，针对以能量最小化为目标的情况，我们将多个移动设备用户之间的计算卸载决策问题公式化为具有随机访问权限的计算卸载游戏。
我们分析了游戏的结构特性，然后设计了一种算法，通过利用其有限的改进特性来实现纳什均衡。
其次，对于以时间最小化为目标的情况，我们导出了要为每个移动用户分担的任务的最佳部分。
数值结果验证了我们的理论分析。
2024/8/28 4:50:10
172KB
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