CSAPP(ICS)的第7个lab,对应第九章; 最后得分93分,供大家参考;
2022-01-26 21:00:56 16KB csapp lab
1
LMS test.lab 中文使用手册。机械振动、频谱测量等的软件使用说明。需要的可以参考一下。资料来源于网络。
2022-01-25 22:18:06 21.62MB LMS test.lab 中文使
1
csapp lab7 pipeline lab part3 CPE 7.72 满足CMU及上交软院ics课程满分标准
2022-01-25 13:58:32 1.43MB csapp lab7 pipeline
1
数据报表生成是测控系统一个重要组成部分。LabWindows/CV I平台下的测控系统传统的报表生成方法存在生成不规范、难排版等缺点,提出了模板化生成报表的两种方法。综合分析LabWindows/CV I与Word、Excel通信方法及此方法对测控系统的影响。该法具有易于模板制作、调用和更换的特点,且可实现测控报表模板化的生成及预览、保存和打印功能。
2022-01-23 14:57:38 993KB lab windows 系统报表
1
编译器实验室 关于课程编译器原理的实验室源代码(在NJU中) 目录 列出了4个目录(lab1,lab2,lab3和lab4)。 每个目录对应一个任务。 实验1:词法和句法分析。 flex和bison来编译.l和.y文件。 Lab2:语义分析。 Lab3:中间代码生成。 在lab3/irsim提供了一个代码间解释器。 Lab4:机器代码生成。 生成的代码是spim兼容的。 笔记 可以通过以下方式安装spim (在基于DebianLinux发行版上): # apt-get install spim 可以在上找到Qt版本的spim 。 关于语法 该项目使用的语法是C语言的简单版本。 假定输入文件带有.cmm后缀。 语义规则在这里不可用。 如果您需要文件描述语义规则的副本,请与我联系。 用法 $ cd lab * # substitute * with 1,2,3 or 4 $
2022-01-20 16:57:03 143KB C
1
NJU Compiler Lab 2015年Spring学期 南京大学编译原理课程实验 Compile 在工程根目录下执行make即可。 Run ./parser [-p] [-v] [-B] [-i] 源文件名 [输出文件(若没有该项则输出到屏幕)] -p 打印抽象语法树 -v 显示调试信息 -B 关闭基本块优化(万一出现Bug,请使用本选项) -i 生成中间代码而不是MIPS汇编代码 Attention! 本代码仅供交流学习使用。严禁抄袭,后果自负。
2022-01-20 16:52:08 28KB C
1
PB16030899 -朱河勤-csapp-bomb-lab-report.pdf
2022-01-14 16:44:51 635KB 互联网
SCUOS_LAB 四川大学操作系统原理课程实验 2019级计算机科学与技术珠齐明 参考网址 实验环境 VMware虚拟机 qemu 5.0.0 锈色Nightly-2020-06-27 实验一内核启动
2022-01-12 10:38:35 309KB
1
根据pdf或cdf生成随机数:根据用户定义的概率密度函数(pdf)或累积分布 函数(cdf)生成随机数- -mat lab开发 句法y = randdf(S,D,F) S - 维度的大小,整数值。 示例:S=10 创建一个 10×1 数组示例:S=[10,2] 创建一个 10×2 矩阵 D - 密度函数,数字矩阵Pdf 或 cdf 由矩阵描述,其大小为 N×2。 pdf 或 cdf 的采样点形成第二行。 pdf 或 cdf 的函数值形成第一行。 F - 标志,'pdf' 或 'cdf' 例子: x=[-1:0.01:1];%采样点y=2*(x-0.1)+4*(x0.3);% pdf的函数值情节(x,y,'黑色') r=randdf([10000],[y;x],'pdf'); % 生成随机数坚持,稍等h=直方图(r); h.归一
smote的matlab代码 实验室 | 不平衡的数据 我们将使用files_for_lab/customer_churn.csv数据集来构建流失预测器。 指示 加载数据集并探索变量。 我们将尝试使用变量tenure 、 SeniorCitizen 、 MonthlyCharges的逻辑回归来预测变量Churn 。 提取目标变量。 提取自变量并对其进行缩放。 构建逻辑回归模型。 评估模型。 即使是一个简单的模型也会给我们超过 70% 的准确率。 为什么? 合成少数过采样技术(SMOTE)是一种基于最近邻的过采样技术,它在现有点之间添加新点。 将imblearn.over_sampling.SMOTE应用于数据集。 构建和评估逻辑回归模型。 有什么改善吗? Tomek 链接是一对非常接近的实例,但属于相反的类。 删除每对多数类的实例会增加两个类之间的空间,从而促进分类过程。 将imblearn.under_sampling.TomekLinks应用于数据集。 构建和评估逻辑回归模型。 有什么改善吗?
2022-01-03 12:46:31 165KB 系统开源
1