目前研究最短路径的算法，多数只是针对从起点出发到达终点的情况。如果限制这条最短路径必须要经过某些指定的中间节点，则现有的一些算法就不再适用了。基于Dijkstra算法和贪心理论，给出了解决此类问题的方法。将相关节点集拆分成三个子集，分别求连通三个子集的局部最短路径，进而形成全局待选最短路径，通过筛选得到目标路径。通过理论分析算法的时间复杂度和实际编程实验确认了该算法的有效性。

传统的Dijkstra算法只是针对起点和终点求解最短路径，而不能解决从起点出发，经过必经节点集，到达终点的无重复节点且无回路的最短路径问题。为此，在有向非负权图中，提出了Dijkstra算法和回溯法相结合的方法。对Dijkstra算法改进，并求解关键节点（起点，终点和必经节点）间的最短路径，进而从关键节点所构成的矩阵中采用回溯法得到目标路径。通过实际的算法实现，测试大量的有向非负权图数据，证实了算法的有效性和正确性。

37篇经过消化的云计算论文 下列论文归类： 1、云计算设施管理 监测 2,34 负载均衡 33,35 数据管理 32 能耗管理 29 安全管理 25 2、云计算平台实例 虚拟机 27,31 存储平台 5,6,12,13,14,19,22,26 计算平台 平台测评 1 云平台集成 10 3、云计算理论模型 描述模型 4 选择模型 20 编程模型 7,9,18,24,36 4、云计算应用研究 商业应用 科学应用 11,15,17,23 云安全 21,30 1、 Atmosphere-Ocean Climate (性能测试) 这篇文章讨论了高性能标准测试应用程序在亚马逊EC2云计算系统中的性能。经过测试发现EC2云计算系统是一个可靠的解决方案，支持按需响应，小规模，高性能计算应用程序。 2、 Chukwa: A large-scale monitoring system Chukwa是建立在Hadoop上的数据收集系统，用以监控和分析大规模的分布式系统。本文介绍了他的设计和初步实施。 3、 Cloud Computing and Grid Computing 360-Degree Compared Ian Foster比较对比了云计算和网格计算的各方面，并给出了两者的本质特征。 4、 Toward a Unified Ontology of Cloud Computing 这篇文章把云模型分为5层，解释了他们的内在关系，本文的贡献是第一个对云模型建立本体。 5、 The Cumulus Project: Build a Scientific Cloud for a Data Center 介绍了Cumulus工程的各个方面，如实验床，基础设施，中间件和应用程序模型。 6、 The Eucalyptus Open-source Cloud-computing System Eucalyptus作为云计算开源的软件框架，概述了他设计的基本原则，简单易于使用而且能模块化。 7、 GridBatch: Cloud Computing for Large-Scale Data-Intensive Batch Applications GridBatch系统为解决在云计算下的大规模精密数据批处理问题，GridBatch是一个编程模型，用户能控制数据的分割，控制计算怎么被分布的，最后给出一个例子，展示了他在EC2下的高性能。 8、 Cost-Benefit Analysis of Cloud Computing versus Desktop Grids 分析对比了采用云计算模型和桌面电脑组成的网格模型在性能和成本收益方面的优劣。 9、 Programming Abstractions for Clouds 本文讨论了云应用程序编程面临的挑战与发展，通过几个应用程序的讨论，演示了可能的解决方案。同时讨论了怎样正确使用抽象的编程接口，框架使其更有效，可扩展，最重要的独立于系统，这些接口框架支持普通的编程执行模式。 10、 The RESERVOIR Model and Architecture for Open Federated Cloud Computing 本文提出了RESERVOIR工程，他是一个体系结构，他允许云基础设施的提供者动态的和其他云设施成为伙伴，从而构成一个无限的信息资源池，同时不同的云设施保证他自己技术和商业管理决定高度自治。 11、 Science Clouds: Early Experiences in Cloud Computing for Scientific Applications 这篇文档包含科学项目采用科学云技术的描述，还有他经验的早期总结。 12、 Sector and Sphere: The Design and Implementation of a High Performance Data Cloud 在这篇论文中，我们介绍了一个新的云计算软件，他包括Sector存储云和Sphere计算云。对比现有的数据云，Sector不但支持作为数据中心的数据存储，而且可以在广域网上进行数据分发。Sphere执行流处理示例，从而支持数据密集型的应用。Sphere支持所有能用MapReduce完成的应用，Sphere更简单更容易使用。根据我们的实验研究他的速度是Hadoop的两倍。 13、 Phoenix Cloud: Consolidating Different Computing Loads on Shared Cluster System for Large Organization 在论文中，我们设计运行了softw

C++组播和单播代码，包括server端和client端的全部封装代码和测试代码。支持windows经过72小时性能测试，没有问题。

jxl添加水印 修改编译版 经过测试 public class testJxl { public static void main(String[] args) throws Exception { OutputStream out = new FileOutputStream("./aaaa.xls"); // 写入到FileInputStream WritableWorkbook wwb= Workbook.createWorkbook(out); WritableSheet ws1=wwb.createSheet("test1", 0) ; // 得到工作薄中的第一个工作表 File fileImg = new File("./kkkk.bmp"); byte imageData[] = new byte[(int)fileImg.length()]; FileInputStream fis = new FileInputStream(fileImg); fis.read(imageData); // must be 24 bit true-colour,bmp file // * @param imageByte // * @param widthPixel // * @param heightPixel ws1.setWaterMarkImage(imageData,459,142); wwb.write(); wwb.close(); fis.close(); out.close();

实测可用

视频监控如果有东西经过监控区域就语音报警-程序.rar 视频监控，如果有东西经过监控区域就语音报警（something is intruding） 视频监控： 一般就是摄像头不动，如果有东西经过就进行报警。 一般有两种方法： 1、事先采集好没有东西的背景图像，然后实时监测时利用做差的原理， 这样的准确率很高，可以很好的定位，但是需要事先搞到一个标准图像 2、就是本程序使用的方法：利用帧之间做差的方法： 条件：你的计算机含有摄像头…… 纯m文件进行编程…… 具体如下所示： 如果有东西经过摄像头就进行语音报警：something is intruding 并且人机界面变为红色，并将经过者拍摄下来保存， 没有的话灰色正常显示…… 直接运行里面的intruderdetecting.m函数即可。 其中子程序：getCameraInfo用于得到你的摄像头信息， 子程序：tts用于语音播放：something is intruding 需要注意的地方： 经过者速度不能太快……需要进一步改正…… 可以进行的进一步研究：可以讲声音加入，如果有声音波动的话，也可以进行报警 期待大家多提意见啊…… 可以搞成语音监测的，如果有人发出声音，也可以进行报警…… 大家多出主意啊……作出语音监测的有奖励的哦…… 声音监控的版本： https://www.ilovematlab.cn/thread-133881-1-1.html

libstdc++.so.6.0.20

64位 libstdc++.so.6.0.22.7z 经过测试

鼠标经过时弹出层的效果示例，现在是静态数据，如果需要动态请求，根据传值getJson去后台取数据即可。