客流预测是城市轨道交通或地铁运营中必不可少的功能部分。 准确的客流预测有助于解决诸如减少拥挤和乘客等待时间、缓解交通拥堵或通过交通控制和路线引导减少发生率等问题。 这篇系统的文献综述展示了 Metro 几年来最先进的客流预测算法。 此前，已有多项研究提出了一种预测地铁客流的算法，从传统的经典算法、基于回归的模型、基于机器学习的模型和混合模型。 我们探讨了多年来研究中使用算法的频率、开发算法时使用的变量，以及如何衡量每种算法的性能。

武汉理工大学计算机学院05级编译原理课程设计。用C++写的一个do-while循环语句的编译程序，用SLR(1)分析方法，中间代码三元式，VS2005平台上运行。其他平台请把代码复制过去即可！

LR解析器（LR（0），SLR（1），CLR（1）和LALR（1）） 是一种自底向上的解析器，用于阅读语法。 LR解析器有不同种类，其中一些是：SLR解析器，LALR解析器，Canonical LR（1）解析器。 我使用Java和GUI来实现这些解析器，以便于使用。 这很简单：首先输入无上下文语法，然后选择解析器（LR（0），SLR（1），CLR（1）和LALR（1））。 然后，您可以通过单击相应的按钮来查看已解析语法的所有属性（增强语法，第一组，跟随组，规范集合，转到表，动作表）。 另外，您可以输入不同的内容，并检查语法是否接受字符串。 这是应用程序的屏幕截图：

模糊聚类定权法对SLR定轨精度的影响.pdf

Bi-LSTM matlab代码 项目介绍 该项目的目标是：基于PyTorch实现中文孤立手语词识别； 目前使用的基本网络结构是：Bi-LSTM（双向长短期记忆神经网络）； 数据集使用的是：中国科学技术大学提供的500-CSL（500类中文手语单词数据集）； 项目文件树 整个项目工程结构如下（Git默认设置不能跟踪空文件夹，需要手动创建） SignLanguageRecognition ├── config │ ├── Net.cfg │ ├── SLR_dataset.cfg │ ├── SLR_server.cfg │ └── __init__.py ├── data │ └── SLR_dataset │ ├── dictionary.txt │ ├── processed/ │ ├── txt2mat.m │ ├── xf500_body_depth_mat/ │ ├── xf500_body_depth_mat.zip │ ├── xf500_body_depth_txt/ │ ├── xf500_body_depth_txt.zip │ ├── xf500_color_vi

基于MATLAB/Simulink的串联负载谐振仿真模型。

SLR分析法设计与实现，后人乘凉，我也是找了很久。

编译原理的课程设计SLR(1)分析器 包含求FIRST,FOLLOW集合 LR(0)项目规范集组 SLR(1)分析表 SLR(1)分析器

用java写的编译课程设计作业。程序中包括词法分析，语法分析和生成的四元式及词法分析过程中的二元式。

SLR分析实验的代码实现，follow集和DFA的构造，LR分析表和SLR分析过程， （1）根据给定文法，先对文法进行解析，构造识别活前缀的DFA并输出； （2）根据DFA构造LR分析表并输出； （3）分析给定表达式是否是该文法识别的正确的算术表达式（要求输出归约过程） （4）假如给定表达式文法为： G(E’): E→E+T | T T→T*F |F F→(E)|i （5）分析的句子可为: (i+i)*i和i+i)*i ———————————————— 版权声明：本文为CSDN博主「阿今呀」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。