积分管理系统java源码 production_ssm 这是一个生产管理ERP系统。依托科技计划重点项目“制造装备物联及生产管理系统研发”，主要包括：计划进度、设备管理、Craft.io监控、物料监控、人员监控、质量监控、系统管理7大模块。 项目技术架构(Spring+SpringMVC+Mybatis） Maven Spring（IOC DI AOP 声明式事务处理） SpringMVC（支持Restful风格） Hibernate Validator（参数校验） Mybatis（最少配置方案） shiro权限控制,结合ajax实现了异步认证与异步授权，同时实现了细粒度的权限动态分配（到按钮级别）；添加了shiro session过期的登录跳转 jQuery EasyUI开发前端页面，利用jQuery文件上传插件实现拖拽上传的效果并对文件类型、大小、数量进行控制；利用search-box实现查找功能 统一的异常处理 JSP JSTL JavaScript kindeditor富文本编辑器，处理图片上传和富文本编辑 系统架构 数据库设计（详见sql文件） 软件运行截图 登录界面 登录可

数据融合matlab代码MNIST-NET10 这种复杂的异构融合由两个异构集合FS1和FS2组成： 可以使用以下代码构建＃FS1（CapsNet | MCDNN | DropConnect_2 | CapsNet | MCDNN | DropConnect_1 | DropConnect_2 | Network3 | Dropconnect_2）： 预先训练的CapsNet可从以下网站下载： MCDNN网络是从以下站点获得的： 具有数据增强功能的Network3（请参阅Network3.py） 具有数据增强功能的DropConnect（请参阅DropConnect.py） 可以使用以下代码构建＃FS2（ECOC | PrE | MLP→LS | MLP）： CapsNet作为来自以下方面的数据转换器： 所需的代码（在Matlab中）可从以下位置获得： 可以从以下链接下载本文：

java芋道源码 shanhai-metro-dijkstra 使用dijkstra算法实现上海地铁换乘线路的查询 本思路来源于微信公众号 “ 芋道源码”，具体原理查看 本代码为Java实现。

GM(1 n)matlab代码gFDM 填鬼有限差分法 gFDM 的核心代码是用 C++ 开发的。 一般函数都是用Matlab编写的。 gFDM 实现分为 4 个高级函数和 32 个低级私有函数。 所有函数都以“gfdm_”前缀文本开头。 图 1 说明了高级函数的管道，从 NET 预处理管道开始。 该方法支持包含可以处理各向同性和各向异性电导率定义的 CTI 地图。 管道分为 3 个步骤，即头部模型“gfdm_prepare_headmodel”程序用于计算刚度矩阵，“gfdm_prepare_elecs”程序用于检查电极位置并设置引线对计算，最后是正向求解程序“gfdm_precalculate_leads” “gfdm_calculate_pots”分别计算给定源空间的互易铅对电位和输出电位。 高级功能描述 图 1：网络头部建模 - gFDM 管道实现 gfdm_prepare_headmodel 计算稀疏刚度矩阵来求解线性系统。 该函数还找到包围头部体积的边界框，标记不包括空气的体素位置。 输出是一个结构，包括刚度矩阵和头部体积的边界框阵列。 gFDM 方法允许任意体素大小，矩形

matlab计算相关系数代码JHU_Bootcamp：Ahrenslab 这是由 Ahrens 实验室于 2017 年 8 月 22 日在 HHMI Janelia 举办的 JHU 训练营课程的 github 存储库。 导师：Takashi Kawashima 和 Mika Rubinov 本课程的目标是学习大规模钙成像实验的数据分析基础知识。 在我们的实验中，约 100,000 个神经元的钙活动同时记录在斑马鱼幼虫的大脑中，斑马鱼在虚拟现实环境中行为[参考 1-3]。 在本课程中，我们使用 Matlab 作为编程环境。 我们使用 JHU_demo.mlx 来演示和练习数据分析。 成像数据集可以从 thd dropbox () 下载。 在这个实验中，鱼会根据环境中出现的各种视觉刺激改变其游泳模式。 我们分析了单个神经元的活动如何根据不同的行为变量（游泳模式、视觉刺激）进行调整，以及它们如何根据调整情况在大脑中分布。 下面是演示代码（“JHU_demo.mlx”）的一个例外。 您可以在代码中找到更详细的解释。 数据分析 首先，我们加载行为变量、神经元活动和神经元位置的数据。 root_d

matlab如何删除多余代码USPA_codes 使用 NIRFAST 和 kWave MATLAB 工具箱进行组合超声/光声成像仿真的安装/操作手册 关于本手册 目的 本文档提供有关 NIRFAST 光学器件和 k-Wave 声学工具箱 (MATLAB) 的安装和操作的详细说明，用于模拟组合超声 (US) 和光声 (PA) 成像。 相关文档 假定具备 MATLAB 的工作知识和最新安装，尤其是矩阵/数组运算。 有关 MATLAB 编程及其内置函数/工具箱的大量文档，请访问 。 安装 1.1) NIRFAST 工具箱 NIRFAST 工具箱可以安装在 . 出于 US+PA 模拟的目的，只需要安装“NIRFAST-Matlab”。 本手册基于最新版本 9.1 – 2018 年 3 月 28 日发布。 如果有较新版本的 NIRFAST-Matlab 可用，而本手册尚未相应更新，则可以在 找到该工具箱的所有先前版本。 解压缩下载文件并解压到所需位置。 在 MATLAB 中，将 NIRFAST 文件夹和所有子文件夹添加到 MATLAB 路径中。 可以在此处找到有关这样做的详细说明：。 重要提示

聚类马氏距离代码MATLAB SDCOR 用于大规模数据集中局部离群值检测的可扩展的基于密度的聚类 作者： Sayyed-Ahmad Naghavi-Nozad，Maryam Amir Haeri和Gianluigi Folino 目录 抽象的： 本文提出了一种基于批量密度的聚类方法，用于大规模数据集中的局部离群值检测。 与众所周知的假定所有数据都驻留在内存中的传统算法不同，我们提出的方法具有可伸缩性，并且可以在有限的内存缓冲区范围内逐块处理输入数据。 在第一阶段建立一个临时的聚类模型； 然后，通过分析点的连续内存负载来逐步更新它。 随后，在可伸缩聚类结束时，获得原始聚类的近似结构。 最后，通过对整个数据集的另一次扫描并使用适当的标准，将偏远评分分配给称为SDCOR（基于可伸缩密度的​​聚类离群值比率）的每个对象。 对现实生活和综合数据集的评估表明，与需要将所有数据加载到内存中的最著名的传统基于密度的方法相比，该方法具有较低的线性时间复杂度，并且更加有效。 还有一些基于快速距离的方法，这些方法可以对磁盘中驻留的数据执行操作。 框架： 更详细地，所提出的方法包括三个主要阶段。 在第一阶段

马氏链的稳定分布matlab代码BayeZirChron.c 贝叶斯锆石喷发年龄估计代码的 C 版本来自 从命令行安装 从命令行安装需要一个有效的 C 编译器。 默认假设（或别名）可用。 在 linux/unix/bsd 上，这可能已经是正确的； 在 Mac OS 上，可以通过在命令行键入xcode-select --install来安装编译 C 源代码所需的工具。 # Download git clone https://github.com/brenhinkeller/BayeZirChron.c.git # Move to folder containing source code cd BayeZirChron.c/src/ # Compile make serial 要编译用于综合分布测试的并行代码，请另外运行： make parallel 或者 mpicc -std=c11 -O3 -o tzircrystestaccuracy tzircrystestaccuracy.c 编译和运行此并行版本还需要安装 MPI（或 ） 示例文件夹中提供了示例批处理文件： 用法 提供了一系

CountrySource 提供世界上所有国家/地区的列表（名称，代码，电话代码）并确定当前国家/地区。 要求 iOS 9.0或更高版本 Xcode 11.0或更高版本 安装 使用CocoaPods进行安装 pod 'CountrySource' , '1.2' 建立项目 此时，您的工作区应该没有错误地构建。 如果您遇到问题，请发布到问题上，社区可以帮助您解决问题。 如何使用： import CountrySource 获取当前国家： CountrySource (). currentCountry { result in switch result { case . success ( let country) : print (country. code , country. name , country. dialCode ) case

基于合泰单片机的高校公寓远程能源监控系统 1，前言 合泰半导体隶属台湾盛群半导体集团，合泰杯单片机应用设计竞赛的比赛形式为： ，复赛，决赛，每一次都会都会刷掉一部分队伍。 2，作品分享 2.1作品简介 这是我们团队2017年合泰杯省一等奖作品。本作品以合泰HT32F1656为终端主控，采集公寓内部用电用水数据，采集到的数据通过终端无线WIFI发送至云端服务器，通过电脑Web端或手机APP远程查看数据，可以通过电脑Web端或手机APP随时随地远程控制公寓开关水电。通过测试结果证明本作品很好的解决了上述公寓用水用电的众多诟病，实现了智能的公寓生活。并且，设备终端也配备有显示屏，可实时显示一些用水用电等数据。 2.2作品模块构成图及系统布局 2.2.1系统预算 本系统主要由电源模块，存储模块，继电器控制模块，无线WiFi模块，显示控制模块，环境温度采集模块，电能信息采集模块和用水采集模块组成，系