java相似度源码 请查看我们的 3.0 版详细说明。 在Apache Spark上运行 JedAI 的代码可用。 可以使用用于运行 JedAI 的Web 应用程序。 提供了解释如何使用它的视频。 JedAI 也可用作Docker 映像。 请参阅下面的更多细节。 最新版本的 JedAI-gui 可用。 Java 通用数据集成 (JedAI) 工具包 JedAI 是一个开源、高可扩展性的工具包，可为任何数据集成任务提供开箱即用的解决方案，例如记录链接、实体解析和链接发现。 其核心是一组适用于 RDF 和关系数据的、与领域无关的、最先进的技术。 这些技术依赖于基于（元）阻塞的近似的、模式不可知的功能，以实现高可扩展性。 JedAI 可以以三种不同的方式使用： 作为一个开源库，它为下图所示的端到端 ER 工作的所有步骤实现了许多最先进的方法。 作为一个直观的图形用户界面，专家和外行用户都可以使用。 作为比较不同（配置）ER 工作流的相对性能的工作台。 该存储库包含 JedAI 开源库的代码（在 Java 8 中）。 JedAI 的桌面应用程序和工作台的代码在这个 . 可以找到几个已经转换为

Strutil strutil提供了用于计算字符串相似度的字符串度量标准以及其他字符串实用程序功能。 完整文档可在以下找到： : 。 安装 go get github.com/adrg/strutil 字符串指标 杰罗·温克勒 史密斯·沃特曼·高图 索伦森-骰子 贾卡德 重叠系数 程序包定义了StringMetric接口，该接口由所有字符串指标实现。 该接口与“ Similarity功能一起使用，该功能使用提供的字符串度量标准来计算指定字符串之间的相似度。 type StringMetric interface { Compare ( a , b string ) float64 } func Similarity ( a , b string , metric StringMetric ) float64 { } 所有定义的字符串指标都可以在指标包中找到。 汉明

在涉及模数转换的应用中， ADC精度会影响整体的系统质量和效率。为了提高此精度，必须了解与ADC相关的误差以及影响它们的参数。 ADC精度不仅取决于ADC性能和功能，还取决于ADC周围的整体应用设计。 本文还讲解了可应用于降低 ADC 误差的固件方法，给出了为得到更好的 ADC 精度，编写固 件的一些通用技巧。 同时，本应用笔记将帮助 ADC 模块用户了解 STM32 微控制器提供的一些高级模式并快速着手开发。所介绍的每种模式都随附一个应用示例，以便用户更好地理解如何使用各种模式。大多数模式都随附一个基本固件，以使 ADC 配置更易于理解。

梯级水电站不仅要满足电力系统运行要求,还要考虑发电和用水之间的协调,才能使综合效益最大化。提出一种兼顾年发电量和运行成本的梯级水电站长期多目标优化调度新模型。通过分别求解各个单目标优化问题和定义各单项目标的隶属度函数,把多目标问题模糊化;采用对各单项目标优化的目标值在一定范围内伸缩的方法来体现决策者的主观意愿;利用模糊最大满意度方法把多目标优化问题转化为单目标非线性规划问题;并构建了一种动态调整惯性因子的自适应粒子群算法。仿真计算验证了模型的正确性和求解方法的可行性,多目标模型比单目标模型获得了更佳的综合效益,模糊优化处理方法避免了目标权重选取的人为任意性,同时自适应粒子群算法计算速度快、收敛精度高。

系统信息管理**：包括添加角色、管理角色、添加用户、管理用户、管理角色和管理用户模块可以对角色和用户进行增、删、改。 **IC卡信息管理**：添加IC卡类型，管理IC卡类型，管理IC卡信息可以对车主的IC卡信息进行增、删、改。 **车位信息管理**：管理车位、添加车位，管理车位信息模块可以对车主车位信息进行增、删、改。 **固定车主停车管理**：出入场设置、停车场信息管理。出入场设置可以设用户的入场和出场，相应的在停车信息中有一个展现。停车信息管理可以对车主的停车信息进行查询和删除。 **临时车辆信息管理**：车主入场信息，车主出场设置。设置车主入场，在相应的表中展现，在车主出场时进行收费，临时车主停车信息管理可以对临时车主的信息进行删除和查询。 **收费管理**：管理收费、添加收费信息。管理收费信息可以对车主的费用进行一个收费，可以对车主的收费信息进行查询和删除。 **打印报表**：查看报表信息，对固定车主和临时车主相关信息进行打印。 **系统功能操作**：修改密码、退出系统。

噪声图用于评估世界各地城市的噪声水平。 产生噪声图的方法主要有两种：一种是通过对周围环境（例如交通流量，建筑物分布等）的理论模拟来产生噪声图；另一种方法是通过对周围条件的理论模拟来产生噪声图。 另一个是使用来自噪声监控器的实际测量数据来计算噪声水平。 当前，文献主要集中在考虑更多因素，这些因素在基于噪声测量生成噪声图的过程中，在理论模拟和插值方法期间影响声音传播。 尽管在仿真过程中考虑了许多因素，但噪声图必须通过实际的噪声测量来校准。 因此，获得噪声数据的方式对于产生和校准噪声图都是重要的。 但是，很少有文献提及有关在放置指定数量的噪声传感器时确定正确的监视位置并给出由它们产生的数据所产生的噪声图的偏差的规则。 在这项工作中，利用矩阵灰色绝对关联度理论，我们计算出了最精确的噪声表面与内含指定数量的噪声数据的不同内插值之间的关系度。 我们发现，用噪声数据的不同组合绘制的曲面产生的关联度最高，而精确度最高。 然后，我们在总数中确定最低的一个，并计算出在制作噪声表面时将其排除在外的相应偏差。 以相同的方式处理左噪声数据，我们一一找出了左数据中最不重要的数据。 通过这种方法，我们优化了大约2

首次提出了矩阵灰色绝对关联度的概念，并对相应性质进行了数学证明，给出了曲面灰色关联分析的实例验证．已有灰色关联理论只能进行序列之间的关联分析，其几何意义是曲线之间的整体相似性比较；给出的矩阵灰色绝对关联度可以进行相同维度矩阵之间的关联分析，其几何意义是曲面之间的整体相似性比较．矩阵灰色关联分析有望为诸如环境监测点位优化、图像处理中的人脸部位提取等二维信号处理提供新的技术手段．

为了解决在低照度条件下,可见光成像设备采集的图像亮度低、细节不清晰等问题,提出一种基于亮度通道细节增强的低照度图像处理算法。首先,将图像从RGB转换到Lab颜色模型,将Lab模型中的亮度通道通过指数派生函数校正构造为光照分量,再经过Retinex增强得到初步增强图像。然后,采用结构张量和多尺度引导滤波分别对初步增强图像进行细节提取,并将两种方法提取的细节信息进行了融合。最后,将细节图像和初步增强图像融合得到了目标图像。实验结果主观上得到了亮度合适、细节清晰的增强图像,客观上在亮度失真、信息熵和能量梯度上均有良好且稳定的表现,表明该算法能够有效提高图像的亮度和细节信息,并保持自然的色彩和光照效果。

自问世以来的半个多世纪， 微电子和集成电路技术可谓发展神速， 其中光刻 技术的发展起到了重要推动作用。 而作为光刻技术发展的重要指标， 不断缩小的 关键尺寸则对如何改善产品线宽均匀度(Critical Dimension Uniformity， CDU) 等关 键参数提出了更高的要求。 光刻机焦平面偏差(Total Focus Deviation， TFD) 精度就 与产品线宽均匀度 CDU 的好坏有着紧密联系， 甚至会影响到产品的最小线宽。 因 此通过提高光刻机镜头的 TFD 精度， 可以达到改善产品线宽均匀度 CDU， 提高良 率的目的。

为研究光纤频率传递的稳定度损失，分析了光纤链路时延波动对频率传递稳定度的影响，得出因温度变化引起的链路长度变化、折射率变化和激光器输出波长漂移带来的时延波动是影响频率传递稳定度的主要因素。建立Round-trip时序模型，定量分析时延波动残留，发现因环境温度缓变引入的时延波动可以得到有效补偿，因激光器动态结温度快变导致输出波长漂移引入的时延波动无法有效补偿，是稳定度损失的关键因素。降低激光器动态结温度的变化速率，是提高频率传递稳定度的有效手段。要使时延波动对频率传递稳定度的影响小于10-15 s-1、10-20 d-1 (d-1即每天)，必须采取有效的温控措施，精确控制激光器动态结温度变化率，使其小于0.04℃/s。